InternVL3

InternVL3 是 OpenGVLab 发布的原生多模态大语言模型，在同一个预训练阶段里联合学习视觉和语言。LibreYOLO 把它包装成一个开放词汇目标检测器：任意一组文本标签都能当作类别集合，没有固定的 head，也不需要微调。

任务: detection
尺寸: 1b, 2b, 8b at 448 px
安装: pip install libreyolo
支持层级: 兄弟层级，自 v 起。一个独立的产品面，有自己的工厂和契约。
上游: InternVL3，由 Shanghai AI Laboratory (OpenGVLab) 发布，采用 MIT (code); Qwen License (weights) 许可。论文、源码
许可: 代码采用 MIT，权重采用 MIT (code); Qwen License (weights)。商用

安装

InternVL3 需要 vlm extra，它会装上 chat 模板骨干所用到的 transformers。

bash

pip install "libreyolo[vlm]"

预测

LibreInternVL3 是一个 Python 类，不是一个 .pt 检查点（checkpoint）：它不通过 LibreYOLO() 工厂加载，libreyolo CLI 也解析不到它。LibreVLM(...) 工厂（from libreyolo import LibreVLM）也能通过别名找到这个家族，例如 LibreVLM("internvl3-2b")；下面用的类就是它构造出来的那个。权重来自 OpenGVLab 自己的 -hf Hugging Face 仓库，不是 LibreYOLO 镜像；首次调用会把它们下载并缓存到本地，并在下载之前为受限（gated）的 Qwen 权重记录一次性的许可证提示。

Python

from libreyolo import LibreInternVL3, SAMPLE_IMAGE model = LibreInternVL3(size="2b") # 开放词汇：任何词都可以，不是一个固定的类别 head。设置之后会一直# 沿用到后面每一次 predict()/track() 调用，直到再设置一次model.set_classes(["person", "bicycle", "dog"])result = model(SAMPLE_IMAGE, save=True) for box in result.boxes:    print(box.cls, box.conf, box.xyxy)

原始对话

from libreyolo import LibreInternVL3, SAMPLE_IMAGE model = LibreInternVL3(size="2b") # 检测这层便利封装底下的逃生口：自由形式的提问、计数，或者任何# 检测框封装覆盖不到的提示词text = model.chat(SAMPLE_IMAGE, "Describe the scene in one sentence.")print(text)

result.boxes 和其他家族一样承载解析出来的检测结果。置信度是一个占位值： InternVL3 不输出逐框的分数，所以每个检测拿到的都是同一个常数置信度，conf= 只会丢掉低于这个常数的行，它不会给它们排序。iou 会丢掉同一类别里重叠超过给定值的近重复检测框，那是贪心解码把同一个物体重复输出的副作用；它不是一次按类别的 NMS。不调用 set_classes() 时，词汇表默认就是 COCO-80 的类别名。数据源、流式处理和结果处理见预测。

变体

三种尺寸：1b、2b 和 8b，全部是 OpenGVLab 原生的 -hf 检查点（一个 Qwen LLM 骨干，不是最初那篇 InternVL 论文描述的双塔架构）。LibreYOLO 的基准测试工具没有测过这个家族，所以没有已发布的精度数字可以拿来比较它们；按你自己的算力预算挑一个尺寸。

LibreYOLO 只把这个家族开放给预测。train()、val() 和 export() 都会抛出 NotImplementedError：微调请在上游做，然后把结果加载进来，数据集验证被跳过是因为占位的置信度会让 COCO mAP 产生误导，而导出对一个没有 state dict 可追踪的生成式模型来说超出了范围。

许可证

请检查你所下载的具体权重在 Hugging Face 仓库中的许可。LibreYOLO 组织里的每个检查点都附有许可，同一家族内也不一定相同。该仓库是权威来源；以下摘要说明本页上次验证时适用的情况。

这里只说明涉及的许可证，不构成法律意见。如果答案对商用很重要，请自行阅读许可证并咨询法律顾问。

原始工作: InternVL3, Shanghai AI Laboratory (OpenGVLab)
上游许可: MIT (code); Qwen License (weights)
上游来源: github.com/OpenGVLab/InternVL
LibreYOLO 代码: MIT
权重: 采用 MIT (code); Qwen License (weights) 许可，由作者分发。LibreYOLO 不托管或镜像这些权重。
解读: InternVL3's own code is MIT, permissive and usable in commercial and closed-source products. The `-hf` checkpoints this family loads carry a Qwen LLM backbone and are licensed separately, under Alibaba Cloud's Qwen License: free to use, modify and redistribute with a "Built with Qwen" or "Improved using Qwen" attribution requirement, and a 100 million monthly-active-user ceiling on commercial use above which Alibaba's own authorization is required. LibreYOLO does not host or redistribute these weights: LibreInternVL3 downloads the matching size directly from OpenGVLab/InternVL3-<size>-hf on Hugging Face the first time it runs, and logs a one-time notice for the Qwen License before that download.

InternVL3 自己的代码是 MIT，宽松许可，可以用在商业和闭源产品里。这个家族加载的 -hf 检查点带着一个 Qwen LLM 骨干，它们单独采用阿里云的 Qwen License：可以免费使用、修改和再分发，但要求标注「Built with Qwen」或「Improved using Qwen」，并且商用有每月一亿活跃用户的上限，超过之后需要阿里巴巴另行授权。LibreYOLO 不托管也不再分发这些权重：LibreInternVL3 在首次运行时直接从 Hugging Face 上的 OpenGVLab/InternVL3-<size>-hf 下载对应的尺寸，并在那次下载之前为 Qwen License 记录一次性提示。

引用

@article{zhu2025internvl3,
  title={Internvl3: Exploring advanced training and test-time recipes for open-source multimodal models},
  author={Zhu, Jinguo and Wang, Weiyun and Chen, Zhe and Liu, Zhaoyang and Ye, Shenglong and Gu, Lixin and Tian, Hao and Duan, Yuchen and Su, Weijie and Shao, Jie and others},
  journal={arXiv preprint arXiv:2504.10479},
  year={2025}
}

复制自作者在 github.com/OpenGVLab/InternVL#citation 上提供的引用块。