上海人工智能实验室近期宣布了一项重大进展，其自主研发的通用多模态大模型“书生・万象”迎来了3.5版本的开源发布。此次升级，不仅强化了模型的推理能力、部署效率，还极大地提升了其通用性能。

在模型规格上，InternVL3.5提供了多达9种不同尺寸的模型供用户选择，参数范围从10亿至2410亿不等，旨在满足不同场景下的多样化需求。尤为旗舰模型InternVL3.5-241B-A28B在多学科推理基准MMMU测试中取得了77.7分的高分，这一成绩在开源模型中独占鳌头。同时，该模型在多模态通用感知能力上超越了GPT-5，其文本处理能力也领先于其他主流开源多模态大模型。

与上一代产品InternVL3.0相比，InternVL3.5在多个特色任务上实现了显著提升。特别是在图形用户界面（GUI）智能体、具身空间感知以及矢量图像理解与生成等方面，其性能有了质的飞跃。上海AI实验室的研究团队在此次升级中，特别注重强化了模型的实际应用能力，使其在GUI交互、具身空间推理和矢量图形处理等多个关键场景中，实现了从“理解”到“行动”的跨越。

在GUI交互方面，InternVL3.5在ScreenSpot-v2元素定位任务中获得了92.9分的高分，超越了同类模型。同时，它还支持Windows和Ubuntu系统的自动化操作，并在WindowsAgentArena任务中大幅领先于Claude-3.7-Sonnet。在具身智能体测试中，InternVL3.5展现出了对物理空间关系的深刻理解，并具备规划导航路径的能力，在VSI-Bench测试中取得了69.5分的好成绩，超过了Gemini-2.5-Pro。在矢量图形理解与生成方面，InternVL3.5在SGP-Bench测试中刷新了开源纪录，其生成任务的FID值也优于GPT-4o和Claude-3.7-Sonnet。

InternVL3.5的跨平台能力同样令人瞩目。它能够跨Windows、Mac、Ubuntu、Android等多个平台，识别界面元素并自主执行鼠标、键盘操作，实现诸如恢复已删除文件、导出PDF、邮件添加附件等任务的自动化。这一特性使其在办公自动化、智能家居等领域具有广泛的应用前景。

InternVL3.5还具备更强的grounding能力，能够泛化到全新的复杂且小样本的具身场景中。配合抓取算法，它支持可泛化的长程物体抓取操作，为机器人的物品识别、路径规划与物理交互提供了强有力的支持。这一特性使得InternVL3.5在智能制造、仓储物流等领域具有巨大的应用潜力。

作为上海AI实验室书生大模型体系的重要组成部分，InternVL系列一直备受关注。自推出以来，其全系列模型的全网下载量已突破2300万次。此次InternVL3.5的发布，不仅进一步巩固了上海AI实验室在人工智能领域的领先地位，也为推动人工智能技术的普及和应用注入了新的动力。