Ovis2

Ovis2是由阿里巴巴国际团队研发的新型多模态大语言模型，通过结构化嵌入对齐技术有效解决视觉与文本模态之间的差异。该模型在Ovis系列基础上进行了优化，提升了小规模模型的能力密度，并通过指令微调和偏好学习显著增强了思维链（CoT）推理能力。Ovis2具备视频和多图像处理能力，支持多语言环境下的复杂场景OCR任务。其模型版本涵盖1B、2B、4B、8B、16B和34B等多个参数规模，在OpenCompass多模态评测中表现优异，尤其在数学推理和视频理解方面具有突出优势。Ovis2的开源为多模态大模型的研究和应用提供了有力支持。