InternVL3-1B

InternVL3-1B 属于 OpenGVLab 的 InternVL3 系列，是该系列中参数规模最小的成员之一，定位在轻量图文理解这一档。它解决的问题很具体：在不具备大显存、也负担不起高频调用外部接口的场景里，仍要完成看图问答、图像描述、截图理解一类任务。模型同时接收文本与图像输入，输出为纯文本，不做图像生成，因此更适合做理解侧的工作而非内容创作。权重开放、许可为 Apache-2.0，允许商用与二次改造，适合被嵌进自有流程或作为微调起点。需要说明的是，官方未公开价格，能力项未做标注，本站也没有该模型的第三方跑分与平台接入记录，所以它的实际强度无法用数字横向比较，选型时应以官方仓库说明和自测结果为准。同系列还有 InternVL2-1B、InternVL2-2B、InternVL2-4B、InternVL2-8B 与 InternVL2_5-1B 等前代与邻档型号，同样均为开源权重、无公开报价，可作为纵向迭代与规格取舍的参照。

选型建议需要在受限算力或离线环境做基础图文理解、并看重 Apache-2.0 自由度的场景可以选它；要求复杂推理、精细文字识别或开箱即用托管接口时，应转向更大规格型号或成熟服务。

• 批量对商品图、社交图片生成中文描述与标签，用于素材库检索与归档
• 在本地或边缘设备搭建轻量图文问答，辅助客服与内部知识查询
• 对文档截图、表单图片做基础版面理解与关键信息抽取
• 在隐私敏感的离线环境中处理图文混合输入，避免数据外传
• 作为小型多模态基线模型，用于教学演示或微调实验的起点

沿用 InternVL 系列「视觉编码器 + 语言模型」的组合思路，属稠密架构的轻量多模态模型，视觉侧负责图像表征，语言侧承担理解与文本生成。

• 结构视觉编码器把图像转成特征，再交由语言模型融合文本指令并输出答案，整体是图文输入到文本输出的单向流程，不具备图像生成分支。
• 能力支持文本与图像混合输入，可完成看图问答、图像描述、截图内容理解等任务；本站未标注具体能力项，强度需按官方说明核对。
• 披露权重与许可证公开，但训练数据构成、上下文长度等细节公开资料较少，落地前建议查阅官方仓库与模型卡确认参数口径。

开源权重

是

模型家族

—

许可证

apache-2.0

参数规模

1B

本站未收录该模型的第三方跑分，以下判断基于参数规模与同系列轻量型号的普遍表现，仅作定性参考。

• 强项1B 规模在显存占用与推理延迟上有天然优势，单卡甚至边缘设备即可跑起，适合高并发、低单次成本的图文理解任务。
• 短板小参数在复杂推理、密集文字识别与细粒度图表解读上通常弱于同系列更大规格型号，长链路多步推理容易失分。
• 适合以吞吐和成本为先的批量图像描述、简单视觉问答、内容初筛，以及对离线与隐私有要求的本地部署场景。

官方价格未公开，权重以 Apache-2.0 开放，实际成本主要落在自建推理的算力与运维上，而非按调用计费的接口账单。

• 定位属可自由下载的开源权重，没有官方报价，使用成本取决于自建显卡资源或第三方托管方案，预算需按算力而非按 token 估算。
• 横向对比与 InternVL2-1B、InternVL2-2B、InternVL2-4B、InternVL2-8B、InternVL2_5-1B 同为开源权重，本站均无公开报价，无法做价差对照。
• 平台差价本站暂无该模型的平台接入记录，各家云服务的托管报价无从比对，若要 API 形态使用需自行向服务商询价。
• 省钱Apache-2.0 允许商用与改造，调用量稳定且规模较大时自建推理的单位成本通常比按次计费更可控，还能省去数据外传环节。

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

• 口径本站未收录该模型的第三方跑分与能力标注，任何性能结论都只能作定性参考，不宜直接用于横向排名或采购决策。
• 边界仅支持文本与图像输入、输出纯文本，不能生成图像；上下文长度等关键规格公开资料较少，需以官方模型卡为准。
• 成本官方价格未公开且无平台接入记录，真实调用成本与可用性取决于部署方式，选型前应先做小规模自测。

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。