手機(jī)上能跑的「GPT-4V」來啦！多圖、視頻理解首次上端！面壁小鋼炮開源史上最強(qiáng)端側(cè)多模態(tài)

AIGC動態(tài)歡迎閱讀

原標(biāo)題：手機(jī)上能跑的「GPT-4V」來啦！多圖、視頻理解首次上端！面壁小鋼炮開源史上最強(qiáng)端側(cè)多模態(tài)
關(guān)鍵字：模型,能力,小鋼炮,視頻,高效
文章來源：新智元
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

新智元報道編輯：編輯部
【新智元導(dǎo)讀】面壁小鋼炮MiniCPM-V 2.6重磅出擊，再次刷新端側(cè)多模態(tài)天花板！憑借8B參數(shù)，已經(jīng)取得單圖、多圖、視頻理解三項SOTA ，性能全面對標(biāo)GPT-4V。再次刷新端側(cè)多模態(tài)天花板，面壁「小鋼炮」 MiniCPM-V 2.6 模型重磅上新！
僅8B參數(shù)，取得 20B 以下單圖、多圖、視頻理解 3 SOTA 成績，一舉將端側(cè)AI多模態(tài)能力拉升至全面對標(biāo)超越 GPT-4V 水平。
更有多項功能首次上「端」：小鋼炮一口氣將實時視頻理解、多圖聯(lián)合理解（還包括多圖OCR、多圖ICL等）能力首次搬上端側(cè)多模態(tài)模型，更接近充斥著復(fù)雜、模糊、連續(xù)實時視覺信息的多模態(tài)真實世界，更能充分發(fā)揮端側(cè) AI 傳感器富集、貼近用戶的優(yōu)勢。亮點眾多，延續(xù)了「小鋼炮」系列一貫的以小博大與高效低成本，劃重點如下：
「三合一」最強(qiáng)端側(cè)多模態(tài)：首次在端側(cè)實現(xiàn)單圖、多圖、視頻理解等多模態(tài)核心能力全面超越 GPT-4V，單圖理解越級比肩多模態(tài)王者 Gemini 1.5 Pro 和新晉頂流 GPT-4o mini 。
多項功能首次上端：實時視頻理解、多圖聯(lián)合理解、多圖 ICL 視覺類比學(xué)習(xí)

原文鏈接：手機(jī)上能跑的「GPT-4V」來啦！多圖、視頻理解首次上端！面壁小鋼炮開源史上最強(qiáng)端側(cè)多模態(tài)