Ovis2-1B是多模态大语言模型（MLLM）Ovis系列的最新成员，专注于视觉与文本嵌入的结构对齐，具有小模型高性能、强化推理能力、视频与多图处理以及多语言OCR增强等特性。

InternViT-300M-448px-V2_5是基于InternViT-300M-448px的重大升级版本，通过ViT增量学习和NTP损失提升了视觉特征提取能力，特别擅长处理多语言OCR数据和数学图表等复杂场景。