evolvinglmms-lab/llava-onevision-2

多模式培训的完全开放框架

[!重要] 🌟 本项目的核心工作由Glint Lab领导。 想要互动的在线体验，请访问ve2s.ai。

👉 小红树集团 👈

🤗 2 型号 ·数据集 ·技术报告 ·主页 ·编解码 器游乐场 ·虚拟语言语言管理系统（vLLM） ·Discord

🤗 1.5 型号 ·数据集 ·技术报告 ·NeMo ·Discord

---

新闻

• 2026-04-30：发布LLaVA-OneVision-2——下一代多模态模型，新增LLaVA-OneVision-2-VideoCaption和LLaVA-OneVision-2-空间数据集。
• 2026-02-10：发布OneVision-Encoder——与编解码器对齐的视觉编码器，附有技术报告。
• 2025-12-11：发布LLaVA-OneVision-1.5的强化学习配方，包含项目、代码、数据和模型。
• 2025-09-30：发布LLaVA-OneVision-1.5技术报告。

目录

• 引言
• 结果
• 评估：复制
• 方法
• 模型
• 数据集
• 快速启动（4B，单节点）
• 引用
• 致谢
• LLaVA-OneVision-1.5

引言

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