【导语】9月3日，上海人工智能实验室宣布开源通用多模态大模型书生・万象3.5（InternVL3.5），该模型在推理能力、部署效率与通用性上实现全面升级。InternVL3.5提供9种尺寸模型，满足多样化场景需求，并在多学科推理、多模态感知及文本能力上表现卓越，超越GPT-5等主流模型。此次升级强化了智能体与文本思考能力，尤其在GUI交互、具身空间推理及矢量图形处理上取得显著进步，为机器人、自动化操作等领域带来革新。作为书生大模型体系的关键一环，InternVL3.5的全系列下载量已突破2300万次，展现出强大的应用潜力。

　　9 月 3 日消息，上海人工智能实验室（上海 AI 实验室）宣布开源通用多模态大模型书生・万象 3.5（InternVL3.5），其推理能力、部署效率与通用能力全面升级。

　　InternVL3.5 本次开源有 9 种尺寸的模型，参数涵盖 10 亿-2410 亿，可满足各场景需求。其中，旗(qí)舰(jiàn)模(mó)型(xíng) InternVL3.5-241B-A28B 在(zài)多(duō)学(xué)科(kē)推(tuī)理(lǐ)基(jī)准 MMMU 中获 77.7 分，为开源模型中最高分；多模态通用感知能力超越 GPT-5，文本能力领跑主流开源多模态大模型。

　　与 InternVL3.0 相比，InternVL3.5 在图形用户界面（GUI）智能体、具身空间感知、矢量图像(xiàng)理(lǐ)解(jiě)与(yǔ)生(shēng)成(chéng)等(děng)多(duō)种特色任务上实现显著提升。

　　本次升级，上海 AI 实验室研究团队重点强化了 InternVL3.5 面向实际应用的智能体与文本思考能力，在 GUI 交互、具身空间推理和矢量图形处理等多个关键场景实现从“理解”到“行动”的跨越，并得到多项评测验证。

　　GUI 交互部分，InternVL3.5 在 ScreenSpot-v2 元素定位任务以 92.9 分超越同类模型，同时支持 Windows / Ubuntu 自动化操作，并在 WindowsAgentArena 任务大幅领先 Claude-3.7-Sonnet。

　　在具身智能体测试中，InternVL3.5 表现(xiàn)出(chū)理(lǐ)解(jiě)物(wù)理(lǐ)空(kōng)间(jiān)关系(xì)并(bìng)规(guī)划(huà)导(dǎo)航(háng)路径的(de)能(néng)力(lì)，在(zài) VSI-Bench 以(yǐ) 69.5 分(fēn)超(chāo)过(guò) Gemini-2.5-Pro。

　　在(zài)矢(shǐ)量(liàng)图(tú)形(xíng)理(lǐ)解(jiě)与(yǔ)生(shēng)成(chéng)方(fāng)面(miàn)，InternVL3.5 在(zài) SGP-Bench 以(yǐ) 70.7 分(fēn)刷(shuā)新(xīn)开(kāi)源(yuán)纪(jì)录(lù)，生(shēng)成(chéng)任(rèn)务(wu) FID 值(zhí)也(yě)优于 GPT-4o 和 Claude-3.7-Sonnet。

　　具体来看，InternVL3.5 可跨 Windows、Mac、Ubuntu、Android等多个平台，识别界面元素并自主执行鼠标、键盘操作，实现恢复已删除文件、导出 PDF、邮件添加附件等任务的自动化。

　　InternVL3.5 具备更强的 grounding 能力，可以泛化到全新的复杂大量小样本的具身场景，配合抓取算法，支持可泛化的长程物体抓取操作，助力机器人更高效地完成物品识别、路径规划与物理交互。

　　作为上海 AI 实验室书生大模型体系的重要组成部分，InternVL 聚焦视觉模型技术，InternVL 全系列全网下载量已突破 2300 万次。