InternVL-Chat-V1-5

InternVL-Chat-V1-5 属于 OpenGVLab 的 InternVL 系列，核心用途是接收图像与文本输入并生成文本回复，解决图文理解与对话式交互的基础需求。模型权重以 MIT 许可证开放，便于本地部署和二次开发；官方价格未公开，资料站收录平台数为 0，第三方跑分也未收录。公开资料中该系列采用视觉编码器与大语言模型结合的路线，但具体参数、训练细节与评测表现需结合官方说明和自有数据验证，选型时不宜只凭名称判断。

选型建议需要可本地部署、许可证宽松的开源图文对话模型时可考虑它；若依赖公开跑分、平台报价或明确性能对比，则不宜把它作为唯一选型依据。

• 搭建图文问答原型，验证图像输入与文本回复的基础链路
• 进行截图、照片或文档图像的内容描述与问答实验
• 基于 MIT 许可证做本地部署和多模态应用二次开发
• 在自有数据上定性评估开源多模态模型的对话表现
• 开展图像理解类功能的小规模可行性验证

从公开信息看，该模型延续 InternVL 系列的多模态对接思路，把图像编码与语言模型结合来完成图文对话；更细的层数、参数与训练配比公开资料较少。

• 结构采用视觉编码器连接大语言模型的常见多模态路线，输入图像与文本后由语言侧组织回复；具体参数规模与层数公开资料较少。
• 能力支持图像与文本输入、文本输出，可用于图文问答、图像描述和对话式理解；资料站未标注细分能力，实际表现需按场景验证。
• 披露权重以 MIT 许可证开放，官方价格未公开，资料站收录平台数为 0，且未收录第三方跑分；选型时应以官方文档和自测结果为准。

开源权重

是

模型家族

—

许可证

mit

参数规模

—

资料站未收录该模型的公开跑分，能力项也未标注，因此只能依据开源多模态对话定位做定性判断。

• 强项开源权重与 MIT 许可证便于本地部署、私有化试验和二次开发，适合需要图文输入文本输出的原型验证与定制化探索。
• 短板缺少资料站收录的公开跑分与平台报价，性能上限、稳定性和横向优劣缺少统一口径，不宜直接用于强依赖榜单的选型。
• 适合在自有数据上做图文问答、图像描述和对话式理解验证较合适；对时延、吞吐或权威评测有硬性要求的场景需先自测。

官方价格未公开，资料站收录平台数为 0，当前无法形成按调用量或平台报价的成本判断。

• 定位模型以开源权重和 MIT 许可证提供，成本主要落在自部署算力、工程集成与运维上，而非公开的按量计费价格。
• 横向对比与同厂后续 InternVL 系列版本相比，官方价格信息同样缺失，资料站也没有价差数据，无法判断谁更便宜。
• 平台差价资料站收录平台数为 0，暂无不同平台的输入输出报价可比较，实际价格需向各部署方或服务商单独确认。
• 省钱自行部署可省去按量调用费，但需核算硬件与运维投入；因官方价格未公开，无法给出具体的节省比例。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径资料站未收录公开跑分，能力项未标注，性能只能做定性描述；涉及精度、速度与规模的具体结论需以官方文档和自测为准。
• 边界官方价格未公开且平台收录数为 0，不适合据此做价格对比、榜单排名或采购决策；模型名中的版本信息也不代表实测强弱。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。