本文へスキップ

InternLM-XComposer-2.5

長い文脈を扱う視覚言語モデル

公式サイトを見る

InternLM-XComposer-2.5 とは

本モデルは長い文脈の入出力を持つ多機能な大規模視覚言語モデルと紹介され、7B の LLM を土台にする。

できること

  • 縦横比を問わぬ超高解像度の画像を理解する
  • 数十から数百フレームの動画を細かく理解する
  • 複数画像を含む複数回の対話を行う

創作の作業

  • HTML、CSS、JavaScript でウェブページのコードを書く
  • 品質の高い図入り記事をしたためる
  • RoPE の外挿で文脈を 96K まで広げる

長所と短所

✓ 良い点

  • HTML、CSS、JavaScript のコードでウェブページを書く
  • 複数回の対話と複数画像のやり取りに対応

! 注意したい点

  • 7B 規模の LLM を土台に用いる
  • 稼働には環境と依存ライブラリの導入が要る

よくある質問

文脈はどの程度?

資料は学習に 24K の交差文脈、拡張で 96K までと説明。

何を書ける?

機能一覧はウェブページのコードと品質の高い図入り記事を挙げる。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法