2周前更新
2周前
950a671abea6 · 5.7GB
自述文件
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、功能最强大的模型。该模型基于SigLip-400M和Qwen2-7B构建,共有80亿个参数。与MiniCPM-Llama3-V 2.5相比,它的性能有了显著提高,并引入了用于多图像和视频理解的新功能。MiniCPM-V 2.6 的显著特点包括:
🔥 领先的性能:MiniCPM-V 2.6在最新版本的OpenCompass(一个涵盖8个流行基准的综合评估)上取得了65.2的平均分。它仅用80亿个参数就超越了GPT-4o mini、GPT-4V、Gemini 1.5 Pro和Claude 3.5 Sonnet等广泛使用的专有模型的单图像理解能力。
🖼️ 多图像理解和上下文学习:MiniCPM-V 2.6还可以对多张图像进行对话和推理。它在Mantis-Eval、BLINK、Mathverse mv和Sciverse mv等流行的多图像基准测试中取得了最先进的性能,并在上下文学习能力方面也显示出良好的前景。
💪 强大的OCR能力:MiniCPM-V 2.6可以处理任何长宽比、最多180万像素的图像(例如,1344x1344)。它在OCRBench上取得了最先进的性能,超越了GPT-4o、GPT-4V和Gemini 1.5 Pro等专有模型。基于最新的RLAIF-V和VisCPM技术,它具有值得信赖的行为,在Object HalBench上的幻觉率比GPT-4o和GPT-4V显著降低,并支持英语、中文、德语、法语、意大利语、韩语等多种语言。
🚀 卓越的效率:除了其友好的规模外,MiniCPM-V 2.6还在令牌密度(即编码到每个视觉令牌中的像素数量)方面表现出最先进的水平。处理180万像素图像时,它只产生640个令牌,比大多数模型少75%。这直接提高了推理速度、首个令牌延迟、内存使用率和功耗。