与其他模型的比较：
- 在ImageNet上表现强劲
- 在线性探测的分割任务上达到SOTA（最先进技术）
- LLaVa1.5 在GQA和VQAv2上表现最佳
- 接近SAM的结果
- InternViT6B 速度慢11倍，体积大8.5倍，但仅在文本相关任务上表现更好。