實時視頻理解首次上端！面壁小鋼炮2.6 攜單圖、多圖、視頻理解3 SOTA，全面對標 GPT-4V 最強多模態(tài)

AIGC動態(tài)歡迎閱讀

原標題：實時視頻理解首次上端！面壁小鋼炮2.6 攜單圖、多圖、視頻理解3 SOTA，全面對標 GPT-4V 最強多模態(tài)
關(guān)鍵字：比亞迪,模型,能力,華為,字節(jié)跳動
文章來源：AI前線
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

整理 | 褚杏娟
8 月 6 日，面壁智能宣布「小鋼炮」 MiniCPM-V 2.6 模型重磅上新！據(jù)悉，該模型僅 8B 參數(shù)，但將實時視頻理解、多圖聯(lián)合理解（還包括多圖 OCR、多圖 ICL 等）能力首次搬上了端側(cè)多模態(tài)模型。
據(jù)介紹，MiniCPM-V 2.6 延續(xù)了小鋼炮系列一貫的以小博大與高效低成本特點：
“三合一”最強端側(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 視覺類比學習、多圖 OCR 等功能，第一次讓端側(cè)模型睜開觀察、理解真實流動世界的「眼睛」，不僅看得清晰，還能有樣學樣、模仿學習。
極致高效，最高多模態(tài)像素密度：類比知識密度，小鋼炮 2.6 取得了兩倍于 GPT-4o 的單 token 編碼像素密度（token density），在端側(cè)方寸之地，一路將大模型「能效比」挖到極限。這一進展，得益于視覺 token 相比上一代下降 30% ，比同類模型低 75%。
端側(cè)友好：量

原文鏈接：實時視頻理解首次上端！面壁小鋼炮2.6 攜單圖、多圖、視頻理解3 SOTA，全面對標 GPT-4V 最強多模態(tài)