Ovis

Ovis 是一个新型多模态大语言模型（MLLM）架构，专注于视觉与文本嵌入的结构性对齐。其核心特点包括原生分辨率视觉感知、支持反思式推理（thinking mode）、强化的高分辨率图像/多图/视频理解能力，以及在STEM、图表分析、视觉定位等任务上的领先性能；模型支持多种基座（如Llama3、Qwen、Gemma2）并提供量化版本。适用于需要精准图文联合理解与复杂视觉推理的场景，如智能客服、教育辅助、工业质检和科研数据分析。