阿里国际数字贸易集团 AI 团队发布 Ovis2.5: 经济型视觉推理模型新突破

Ovis2.5 的核心特性

1.**原生分辨率感知**:Ovis2.5 采用 NaViT 视觉编码器，无需损耗平铺即可保留图像的精细细节和全局结构，确保高质量的视觉处理能力。

2.**深度推理能力**: 模型支持可选的 「思考模式」，可能部分复用了阿里 Qwen3 的技术特性。除了线性思维链 （CoT） 推理外，Ovis2.5 还能进行自我检查和修订，并支持可配置的思考预算，提升问题解决的精准度。

3.**图表与文档 OCR 领先**: 在 9B 和 2B 规模上，Ovis2.5 在复杂图表分析、文档理解 （包括表格和表单） 以及光学字符识别 (OCR) 领域达到业内领先水平，为实际应用场景提供强大支持。

4.**广泛任务覆盖**: 该模型在图像推理、视频理解和视觉定位基准测试中表现出色，展现了强大的通用多模态能力。

Ovis2.5 的发布彰显了 AIDC-AI 在多模态 AI 技术领域的持续创新。通过在紧凑模型规模内实现高性能，Ovis2.5 为开发者和企业提供了一种高效且易于部署的解决方案，尤其适用于需要视觉与文本推理结合的场景。模型已在 GitHub 和 HuggingFace 等平台开源，进一步推动全球 AI 社区的协作与创新。

此次发布是 AIDC-AI 在 Ovis 系列模型基础上取得的又一重要进展，为多模态大语言模型的发展注入了新的活力。