evolvinglmms-lab/llava-onevision-2

民主化されたマルチモーダルトレーニングのための完全オープンフレームワーク

[!重要] 🌟 このプロジェクトの中核となる作業はGlint Labが主導しています。 インタラクティブなオンライン体験を楽しみたい方は、ve2s.aiをご覧ください。

👉 小洪樹グループ 👈

🤗 2モデル ·データセット ·技術報告 ·ホームページ ·コーデック プレイグラウンド ·vLLM ·Discord

🤗 1.5 モデル ·データセット ·技術報告 ·NeMo ·Discord

---

ニュース

• 2026年4月30日:LLaVA-OneVision-2をリリース — 次世代マルチモーダルモデルで、新しいLLaVA-OneVision-2-VideoCaptionおよびLLaVA-OneVision-2-Spaceial データセットを搭載。
• 2026年2月10日:OneVision-Encoder — コーデックに整合したビジョンエンコーダをリリース、技術レポートを搭載。
• 2025年12月11日:LLaVA-OneVision-1.5のRLレシピをリリース。プロジェクト、コード、データ、モデルを含む。
• 2025年9月30日:LLaVA-OneVision-1.5技術報告書を公開。

内容

• はじめに
• 結果
• 評価再現
• 方法
• モデル
• データセット
• クイックスタート(4B、シングルノード)
• 引用
• 謝辞
• LLaVA-OneVision-1.5

はじめに

Fully Open Framework for Democratized Multimodal Training

👉 <a href=“asset/xiaohongshu_group.jpeg”>Xiaohongshu Group 👈

🤗 2 Models · Datasets · <a href=“https://arxiv.org/pdf/2605.25979”>Technical Report · <a href=“https://evolvinglmms-lab.github.io/LLaVA-OneVision-2/”>HomePage · <a href=“https://huggingface.co/spaces/FeilongTang/OneVision-Encoder-Codec-View”>Codec Playground · <a href=“https://docs.vllm.ai/en/latest/api/vllm/model_executor/models/llava_onevision2/”>vLLM · <a href=“https://discord.gg/PmdGHMFNP”>Discord

🤗 1.5 Models · Datasets · Technical Report · NeMo · Discord

---

NEWS

• 2026-04-30: Released LLaVA-OneVision-2 — next-generation multimodal model, with new LLaVA-OneVision-2-VideoCaption and LLaVA-OneVision-2-Spatial datasets.
• 2026-02-10: Released OneVision-Encoder — codec-aligned vision encoders, with Technical Report.
• 2025-12-11: Released RL recipe for LLaVA-OneVision-1.5, with Project, Code, Data, and Model.
• 2025-09-30: Released the LLaVA-OneVision-1.5 Technical Report.

Contents

• Introduction
• Results
• Evaluation Reproduction