Ovis2.6-30B-A3B模型使用入口，阿里国际Ovis系列多模态大语言模型

Ovis2.6-30B-A3B是阿里国际推出的Ovis系列最新迭代多模态大语言模型，在Ovis2.5基础上全面升级主干架构与多模态能力。核心将大语言模型主干升级为混合专家（MoE）架构，实现“300亿总参数+仅激活30亿推理参数”的极致平衡——既承载更丰富的知识与语义信息，又显著降低算力消耗、提升吞吐效率，以更低推理成本实现更强的长上下文、高分辨率图像、复杂文档与视觉推理表现，为电商、跨境、企业服务等企业级多模态理解场景提供高效、经济的解决方案。

Ovis2.6-30B-A3B核心架构升级：

1、大模型容量：

总参数达300亿，可承载更丰富的世界知识、语言细节与多模态语义信息，保障理解与生成的深度和稳定性；

2、小模型推理成本：

推理阶段仅激活约30亿参数，在维持高质量输出的前提下，大幅降低算力消耗、提升吞吐效率，让大规模部署、高频调用更具成本优势；

3、场景适配性：

完美兼顾“大模型能力”与“小模型部署成本”，适配电商、跨境、企业服务、文档自动化等实际业务落地需求。

Ovis2.6-30B-A3B核心功能特点：

1、MoE架构：

– 300亿总参数保障知识覆盖广度、语义理解精度、生成结果稳定性；

– 仅30亿激活参数让推理速度更快、显存占用更低、部署成本更亲民；

– 在多轮对话、复杂图文理解、长文档处理等场景下性能提升显著。

2、长上下文+高分辨率：

– 文本处理：上下文长度扩展至64K tokens，可直接处理超长报告、多页合同、长篇说明书等大篇幅文本；

– 图像处理：支持最高2880×2880超高分辨率图像输入，精准捕捉图像中精细结构、文字、细节与元素关系；

– 核心适配场景：多页文档问答、跨页信息整合、复杂图表分析、高清商品图理解等。

3、图像思考：

– 推理过程中可主动调用裁剪、放大、旋转、局部重审视等视觉工具；

– 对图像关键区域进行多轮、聚焦式分析，贴合人类视觉理解逻辑；

– 在复杂场景图、推理类图文题、工业图纸、医学影像、复杂界面等任务上准确率显著提升。

4、OCR/文档/图表：

– 高精度OCR：支持复杂版式、手写、印章、水印、倾斜、模糊等场景的文字识别；

– 深度文档理解：提取标题、段落、表格、目录、注释并完成逻辑整合；

– 专业图表分析：读懂折线图、柱状图、流程图、架构图，完成归纳、对比、推理与总结；

– 核心价值：不只提取文字，更能对内容进行理解、计算、对比、推断、总结，真正实现文档智能化。

Ovis2.6-30B-A3B场景价值总结：

1、低成本规模化部署：

MoE架构降低推理门槛，适配高频、高并发、长时运行的企业级场景；

2、复杂信息处理：

64K长上下文+2880×2880高清图像，覆盖长文档、多页报表、工业图纸等场景；

3、主动视觉推理：

“图像思考”能力提升复杂视觉任务的准确性与可靠性；

4、结构化信息理解：

满足跨境电商、企业办公、金融报表、教育、法律、政务等领域的文档/图表智能处理需求。

进入Hugging Face模型库官网入口