昨日，全球最強(qiáng)端側(cè)多模態(tài)模型再次刷新，僅用8B參數(shù)，擊敗了OpenAI的GPT-4V和谷歌的Gemini Pro，而且，其OCR長難圖識(shí)別刷新SOTA，圖像編碼速度暴漲150倍，而這個(gè)全球最強(qiáng)端側(cè)多模態(tài)模型不是國外大廠的出品，而是國內(nèi)大模型研發(fā)實(shí)力最頭部的公司面壁智能，最新打造出來的面壁小鋼炮MiniCPM-Llama3-V 2.5。
據(jù)了解，面壁小鋼炮MiniCPM-Llama3-V 2.5僅憑8B量級(jí)的端側(cè)模型，在評(píng)測平臺(tái)OpenCompass得分65.1，與閉源模型Qwen-VL-Max或可一戰(zhàn)，綜合性能直接力壓重量級(jí)選手GPT-4V和Gemini Pro。在OCR綜合基準(zhǔn)測試中，又取得了725分的成績，大幅遠(yuǎn)超GPT-4V，并在大模型的“頑疾”幻覺能力上也獲得了重大改進(jìn)，還有各種基準(zhǔn)測試，數(shù)據(jù)都遠(yuǎn)超GPT-4V和Gemini Pro。
簡單來說，MiniCPM-Llama3-V 2.5能看、能讀、速度快、更會(huì)思考，而且，還用最小的參數(shù)撬動(dòng)了最強(qiáng)性能！那么，拋開這些基準(zhǔn)測試，這個(gè)小鋼炮到底能給我們普通人帶來啥？首先，它能支持30+種語言，包括德語、法語、西班牙語、意大利語、俄語等主流語言；其次，它支持難圖、長圖、長文本的精準(zhǔn)識(shí)別，比如你在看一個(gè)吃瓜長文，總因?yàn)椤疤L不看”而煩惱，丟給它，它就能快速匯總出關(guān)鍵內(nèi)容；如果是一張英文版的圖文信息，它也能根據(jù)你的需求，給出非常精準(zhǔn)的匯總；而且，它能夠在一張擁有多種要素信息的圖片中，“一眼”看懂圖片的主題內(nèi)容，并推理出圖片的來源信息，再把“思考”后的信息整理匯總給我們。當(dāng)它搭載到手機(jī)上，將能直接在設(shè)備端快速、實(shí)時(shí)運(yùn)行，減少數(shù)據(jù)泄露風(fēng)險(xiǎn)，而且，即使沒有網(wǎng)絡(luò)連接，也能正常工作，還適用于多種設(shè)備，或成為真正的AI“貼身助理”。
