近日，阿里國際正式發佈了其新一代多模態大模型 Ovis2.5，並對外開源。這款模型專注於原生分辨率視覺感知、深度推理以及高性價比的場景設計，旨在進一步提升人工智能的應用能力。Ovis2.5在主流多模態評測套件 OpenCompass 上的綜合得分相比前一版本 Ovis2有了顯著提升，繼續在同類開源模型中保持 SOTA（最先進技術）水平。

image.png

此次發佈的 Ovis2.5包含兩個不同參數規模的版本。首先是 Ovis2.5-9B，這一版本在 OpenCompass 評測中獲得了78.3的高分，超越了許多參數量更大的模型，並在40B 以下參數規模的開源模型中名列第一。其次，Ovis2.5-2B 的綜合得分爲73.9，延續了 Ovis 系列 “小身板、大能量” 的理念，特別適合端側及資源受限的應用場景。

在 Ovis2.5的整體架構上，官方表示進行了系統性創新，主要體現在模型架構、訓練策略與數據工程三個方面。模型架構方面，Ovis2.5延續了系列創新的結構化嵌入對齊設計，由三大核心組件構成:動態分辨率的視覺特徵提取、視覺詞表模塊實現視覺與文本的結構對齊，以及以 Qwen3爲基礎的強大語言處理能力。

在訓練策略上，Ovis2.5採用了更精細的五階段訓練方案，包括基礎的視覺預訓練、多模態預訓練以及大規模的指令微調等多個步驟。同時，通過 DPO 和 GRPO 等算法加強偏好對齊和推理能力，有效提升了模型的性能。此外，模型的訓練速度實現了3到4倍的端到端加速。

數據工程方面，Ovis2.5的數據量相比 Ovis2增加了50%，重點聚焦於視覺推理、圖表、OCR（光學字符識別）和 Grounding 等關鍵領域。特別是合成了大量與 Qwen3深度適配的 “思考” 數據，極大地激發了模型的反思與推理潛能。

Ovis2.5的代碼和模型均已在 GitHub 和 Hugging Face 等平臺上線，用戶可以通過這些平臺獲取相關資源，進一步探索其應用潛力。

代碼:https://github.com/AIDC-AI/Ovis

模型: https://huggingface.co/AIDC-AI/

劃重點:

🌟 Ovis2.5在 OpenCompass 評測中取得78.3的綜合得分，繼續保持 SOTA 水平。  

🔧 包含兩個版本，Ovis2.5-9B 適合大規模應用，Ovis2.5-2B 則專注於資源受限場景。  

📊 採用創新架構和訓練策略，數據量增加50%，聚焦視覺推理等關鍵領域。