OpenGVLab: InternVL3 78B

La série InternVL3, en particulier la variante 78B, représente un modèle de langage multimodal avancé (MLLM) développé par OpenGVLab. Ce modèle améliore considérablement les capacités de perception et de raisonnement multimodaux par rapport à son prédécesseur, InternVL 2.5. Il est conçu pour gérer des tâches complexes nécessitant une compréhension approfondie de divers types de données. InternVL3 78B est comparé aux modèles Qwen2.5 Chat, utilisant leurs modèles de base pré-entraînés pour sa composante linguistique. Grâce à l'entraînement pré-multimodal natif, la série InternVL3 surpasse la série Qwen2.5 en termes de performances textuelles globales. Il prend en charge une fenêtre contextuelle de 32K tokens et une sortie maximale de 4K tokens. Les capacités incluent la vision, le code et le streaming. Le prix est fixé à 0,10 $ par million de tokens d'entrée et 0,39 $ par million de tokens de sortie, disponible sur le niveau d'accès STARTER. Il est mieux adapté à l'analyse et aux documents, bien qu'il ne prenne pas en charge la génération d'images.