将模型扩展至2B参数，使用新数据集VisionMix

我们将模型扩展到2B参数，并在新数据集VisionMix 163M上进行训练，该数据集涵盖更多样化的图像和更动态的视频，在密集和全局理解任务上均获得了一致的改进。