InternVL3-2B

InternVL3-2B 属于 OpenGVLab 的 InternVL 系列，是该系列中体量较小的版本。模型接受文本与图像输入、只输出文本，适合完成图文问答、图像描述、文档与截图理解一类任务。它的意义在于把多模态能力压缩到 2B 级别的参数规模上，同时以 Apache-2.0 开源权重发布，允许商用与二次修改，降低了自己搭建视觉语言能力的门槛。相比同系列更早的 InternVL2 与 InternVL2_5 各尺寸版本，InternVL3-2B 属于新一代小模型，但本站未收录其公开跑分，官方价格也未公开，实际能力需结合官方资料与自测判断。由于目前没有平台收录，使用方式以自行下载权重、本地推理为主。

选型建议需要低成本、可私有化部署的轻量图文理解能力时可选它；若任务依赖复杂推理、精确文字识别或成熟托管服务，则应考虑更大参数版本或其他方案。

• 在本机或单卡环境部署图文问答服务，处理产品图片、截图的简单提问
• 为内容团队批量生成图像描述与标签，辅助素材归档和检索
• 在文档、表单截图场景中做基础的字段抽取与要点摘录
• 作为多模态应用的原型模型，快速验证交互流程后再升级到更大参数版本
• 在离线或数据不外传的环境中搭建读图能力，借助开源权重做私有化改造

官方未在本站数据中披露结构细节，以下为对 InternVL 系列公开设计思路的定性描述，具体配置需以官方权重说明为准。

• 结构延续 InternVL 系列「视觉编码器 + 语言模型」的组合思路，由视觉侧负责图像特征提取，语言侧完成理解与文本生成。
• 能力只做图文输入到文本输出的单向生成，不涉及图像生成或语音，适合问答、描述、读图类任务。
• 规模2B 参数属于该系列的小尺寸档位，权重以 Apache-2.0 开放，便于在单卡或消费级显卡上尝试部署。
• 披露本站未记录层数、上下文长度、视觉分辨率等具体规格，公开资料较少的部分建议直接查阅官方模型卡。

开源权重

是

模型家族

—

许可证

apache-2.0

参数规模

2B

本站未收录 InternVL3-2B 的任何第三方跑分，以下只做定性判断，不涉及分数与榜单。

• 强项小体量带来的部署便利是主要优势，显存占用和推理成本相对同系列更大参数版本更低，适合做原型验证。
• 短板2B 规模在复杂推理、细粒度文字识别、多图关系理解上通常弱于同系列更大参数的版本，需按任务难度预期。
• 适合对响应速度和资源占用敏感、任务相对明确的图文问答与描述场景，比追求全能型表现更契合它的定位。
• 验证由于缺少公开跑分，落地前应使用自己的业务样本做小规模对比测试，再决定是否替换现有方案。

官方价格未公开，模型以 Apache-2.0 开源权重形式发布，成本主要来自自行部署的算力，而非按量调用费用。

• 定位属于开源免费权重路线，没有官方标价，也不存在按 token 计费的公开价目，预算需按硬件与运维折算。
• 横向对比同系列 InternVL2-1B、2B、4B、8B 与 InternVL2_5-1B 均无公开价格，价差无法计算，选择更多取决于规模而非价格。
• 平台差价本站收录平台数为 0 家，暂无托管平台报价可供比较，也就谈不上不同渠道之间的价格差异。
• 省钱自行部署时成本随硬件配置浮动，小模型可用较低显存运行，适合以自建方式摊薄长期调用开销。

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公开跑分与官方定价，任何性能排名或性价比结论都缺乏数据支撑，不宜直接引用。
• 边界模型仅支持文本与图像输入、文本输出，不覆盖图像生成、语音等模态；复杂推理任务建议先用实际样本验证。
• 生态目前没有平台收录，工具链与部署文档的完善程度需自行确认，社区支持规模也可能小于更成熟的模型。

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。