书生发布了最新的视觉模型 InternVL 3.5 全系列模型，从 1B 到 241B 共 8 个尺寸。

根据评测结果，书生 3.5 最高尺寸 241B 在视觉模型里的表现仅次于商业版的 GPT-5 和 Gemini 2.5 Pro。

所有模型均已发布到 Hugging Face

https://huggingface.co/collections/OpenGVLab/internvl35-68ac87bd52ebe953485927fb

该模型的技术亮点：

• Cascade Reinforcement Learning（Cascade RL）：采用“离线 RL + 在线 RL”两阶段策略，实现更加稳健收敛和精细对齐，从而显著增强模型的推理能力，在 MMMU 和 MathVista 等任务上表现提升明显。

• Visual Resolution Router（ViR）：动态调整视觉 token 的分辨率，兼顾性能与效率，使视觉理解更加灵活高效。

• Decoupled Vision-Language Deployment（DvD）：将视觉编码器与语言模型分开部署至不同 GPU，有效平衡资源负载，提升推理速度。

在推理性能提升高达 16.0%（整体推理任务中），同时相较于 InternVL3，实现了 4.05× 的推理速度加速。