更新于 2个月前
2个月前
b4d3d0c08b9c · 6.4GB
Readme
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,总共有 8B 参数。与 MiniCPM-Llama3-V 2.5 相比,它在性能上有了显著提升,并为多图像和视频理解引入了新功能。 MiniCPM-V 2.6 的显著特点包括
🔥 领先性能:MiniCPM-V 2.6 在最新版本的 OpenCompass 上取得了 65.2 的平均分,OpenCompass 是对 8 个流行基准的综合评估。仅有 8B 参数,它在单图像理解方面超越了广泛使用的专有模型,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 还可以执行多图像的对话和推理。它在流行的多图像基准测试(如 Mantis-Eval、BLINK、Mathverse mv 和 Sciverse mv)上实现了最先进的性能,并且在上下文学习能力方面也显示出前景。
💪 强大的 OCR 能力:MiniCPM-V 2.6 可以处理任何宽高比且高达 180 万像素(例如,1344x1344)的图像。它在 OCRBench 上实现了最先进的性能,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、韩语等多种语言能力。
🚀 卓越的效率:除了友好的尺寸外,MiniCPM-V 2.6 还显示出最先进的令牌密度(即,编码到每个视觉令牌中的像素数)。在处理 180 万像素图像时,它仅生成 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、内存使用量和功耗。