InternVL 2.5是基於InternVL 2.0的高級多模態大型語言模型系列，它在保持核心模型架構的同時，在訓練和測試策略以及數據質量方面引入了顯著的增強。該模型深入探討了模型擴展與性能之間的關係，系統地探索了視覺編碼器、語言模型、數據集大小和測試時配置的性能趨勢。通過在包括多學科推理、文檔理解、多圖像/視頻理解、現實世界理解、多模態幻覺檢測、視覺定位、多語言能力和純語言處理在內的廣泛基準測試中進行的廣泛評估，InternVL 2.5展現出了與GPT-4o和Claude-3.5-Sonnet等領先商業模型相媲美的競爭力。特別是，該模型是第一個在MMMU基準測試中超過70%的開源MLLM，通過鏈式思考（CoT）推理實現了3.7個百分點的提升，並展示了測試時擴展的強大潛力。