更新于 8 周前
8 周前
0e0425984b12 · 6.8GB
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 系列中最新且功能最强大的模型。该模型基于 SigLip-400M 和 Qwen2-7B 构建,总参数量为 8B。它比 MiniCPM-Llama3-V 2.5 具有显著的性能提升,并引入了用于多图像和视频理解的新功能。MiniCPM-V 2.6 的主要特点包括
🔥 领先的性能:MiniCPM-V 2.6 在最新版本的 OpenCompass 上取得了 65.2 的平均得分,这是一个涵盖 8 个流行基准的综合评估。凭借仅 8B 的参数量,它在单图像理解方面超越了广泛使用的专有模型,例如 GPT-4o mini、GPT-4V、Gemini 1.5 Pro 和 Claude 3.5 Sonnet。
🖼️ 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。它在流行的多图像基准上实现了最先进的性能,例如 Mantis-Eval、BLINK、Mathverse mv 和 Sciverse mv,并且在上下文学习能力方面也展现出潜力。
💪 强大的 OCR 能力:MiniCPM-V 2.6 可以处理任何纵横比和最多 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。它基于最新的 RLAIF-V 和 VisCPM 技术,具有可靠的行为,在 Object HalBench 上的幻觉率明显低于 GPT-4o 和 GPT-4V,并支持英语、中文、德语、法语、意大利语、韩语等多语言能力。
🚀 卓越的效率:除了友好的大小外,MiniCPM-V 2.6 还展示了最先进的标记密度(即编码到每个视觉标记中的像素数量)。在处理 180 万像素图像时,它只生成 640 个标记,比大多数模型少 75%。这直接提高了推理速度、首标记延迟、内存使用量和功耗。