更新於 2 個月前
2 個月前
c92bfad01205 · 5.5GB
說明文件
注意：此模型需要 Ollama 0.3.10 或更高版本。
MiniCPM-V 2.6 是 MiniCPM-V 系列中最新且功能最強大的模型。這個模型基於 SigLip-400M 和 Qwen2-7B 构建，總共有 80 億個參數。相較於 MiniCPM-Llama3-V 2.5，它的性能顯著提升，並引入了多圖像和影片理解的新功能。MiniCPM-V 2.6 的顯著功能包括
🔥 領先的性能：MiniCPM-V 2.6 在最新版本的 OpenCompass 上取得了平均 65.2 分的成績，OpenCompass 是對 8 個熱門基準的綜合評估。僅僅使用 80 億個參數，它在單圖像理解方面超越了廣泛使用的專有模型，如 GPT-4o mini、GPT-4V、Gemini 1.5 Pro 和 Claude 3.5 Sonnet。
🖼️ 多圖像理解與上下文學習。MiniCPM-V 2.6 也可以執行基於多張圖像的對話和推理。它在熱門的多圖像基準測試（如 Mantis-Eval、BLINK、Mathverse mv 和 Sciverse mv）上取得了最先進的性能，並在上下文學習能力方面也展現出前景。
💪 強大的 OCR 功能：MiniCPM-V 2.6 可以處理任何長寬比且高達 180 萬像素的圖像（例如 1344x1344）。它在 OCRBench 上取得了最先進的性能，超越了 GPT-4o、GPT-4V 和 Gemini 1.5 Pro 等專有模型。基於最新的 RLAIF-V 和 VisCPM 技術，它具有值得信賴的行為，在 Object HalBench 上的幻覺率顯著低於 GPT-4o 和 GPT-4V，並支持英語、中文、德語、法語、意大利語、韓語等多語言能力。
🚀 優越的效率：除了友好的模型大小之外，MiniCPM-V 2.6 還展現了最先進的 Token 密度（即編碼到每個視覺 Token 中的像素數量）。在處理 180 萬像素的圖像時，它僅生成 640 個 Token，比大多數模型少 75%。這直接提高了推理速度、首個 Token 的延遲、記憶體使用量和功耗。