InternLM-XComposer2是一款領先的視覺語言模型，擅長自由形式文本圖像合成與理解。該模型不僅能夠理解傳統的視覺語言，還能熟練地從各種輸入中構建交織的文本圖像內容，如輪廓、詳細的文本規範和參考圖像，實現高度可定製的內容創作。InternLM-XComposer2提出了一種部分LoRA（PLoRA）方法，專門將額外的LoRA參數應用於圖像標記，以保留預訓練語言知識的完整性，實現精確的視覺理解和具有文學才能的文本構成之間的平衡。實驗結果表明，基於InternLM2-7B的InternLM-XComposer2在生成高質量長文本多模態內容方面優越，以及在各種基準測試中其出色的視覺語言理解性能，不僅明顯優於現有的多模態模型，還在某些評估中與甚至超過GPT-4V和Gemini Pro。這凸顯了它在多模態理解領域的卓越能力。InternLM-XComposer2系列模型具有7B參數，可在https://github.com/InternLM/InternLM-XComposer 上公開獲取。