Ovis

Ovis 是一个面向视觉-语言对齐的多模态大语言模型（MLLM）架构，核心目标是实现图像与文本嵌入在结构层面的深度对齐。其技术特点包括原生分辨率视觉感知、支持反思式推理（thinking mode）、增强的图表理解与空间定位能力，以及对高分辨率图像、多图输入和短视频的统一建模；模型已推出2B/9B/34B等多种参数规模，并提供GPTQ量化版本。适用于需要精准图文理解与推理的场景，如智能文档分析、科学图表解读、工业质检报告生成及教育类视觉问答系统。