项目地址
https://github.com/OpenBMB/MiniCPM-V
-
「三合一」最强端侧多模 态:首次在端侧实现单图、多图、视频理解等多模态核心能力全面超越 GPT-4V****,单图理解越级比肩多模态王者 Gemini 1.5 Pro 和新晋顶流 GPT-4o mini 。
-
多项功能首次上 **端:**实时视频理解、多图联合理解、多图 ICL 视觉类比学习、多图 OCR 等功能,第一次让端侧模型睁开观察、理解真实流动世界的「眼睛」,不仅看得清晰,还能有样学样、模仿学习。
-
极致高效,最高多模态像素密 度:类比知识密度,小钢炮2.6 取得了两倍于 GPT-4o 的单 token 编码像素密度(token density),在端侧方寸之地,一路将**大模型「能效比」**挖到极限。这一进展,得益于视觉 token相比上一代下降 30% ,比同类模型低 75%。
-
端侧友 好:量化后端侧 6G 内存即可使用;端侧推理速度高达 18 tokens/s ,相比上代模型快 33% 。并且发布即支持 llama.cpp、ollama、vllm 推理;且支持多种语言。
-
**统一高清框架,高效能力一拖三:**小钢炮的传统优势 OCR 能力延续了其 SOTA 性能水平,并进一步覆盖单图、多图、视频理解。
废话不多说了,直接上docker一键部署(镜像拉取不到的话就是还在上传)
docker run -it -p 8885:8885 --gpus=all --rm registry.cn-hangzhou.aliyuncs.com/guoshiyin/minicpm:v2.6.2
原神启动
ip+端口