面壁智能發布最強端側多模態模型：超越Gemini Pro 、GPT-4V，圖像編碼快150倍！

AIGC動態歡迎閱讀

原標題：面壁智能發布最強端側多模態模型：超越Gemini Pro 、GPT-4V，圖像編碼快150倍！
關鍵字：華為,報告,字節跳動,模型,能力
文章來源：AI前線
內容字數：4836字

內容摘要：

整理 | 褚杏娟
5 月 20 日，面壁智能小鋼炮 MiniCPM 系列推出端側多模態模型 MiniCPM-Llama3-V 2.5 并開源。據悉，該模型且支持 30+ 多種語言，并且具有以下特性：
最強端側多模態綜合性能：超越多模態巨無霸 Gemini Pro 、GPT-4V；
OCR 能力 SOTA！9 倍像素更清晰，難圖長圖長文本精準識別；
圖像編碼快 150 倍！首次端側系統級多模態加速。
MiniCPM-Llama3-V 2.5 開源地址：
https://github.com/OpenBMB/MiniCPM-V
MiniCPM 系列開源地址：
https://github.com/OpenBMB/MiniCPM
Hugging Face 下載地址：
https://huggingface.co/openbmb/MiniCPM-Llama3-V-2_58 B 端側模型，
超越 GPT-4V、Gemini Pro
MiniCPM-Llama3-V 2.5 以 8B 端側模型參數量級，貢獻了驚艷的 OCR（光學字符識別）SOTA 成績，以及端側模型中的最佳多模態綜合成績與幻覺能

原文鏈接：面壁智能發布最強端側多模態模型：超越Gemini Pro 、GPT-4V，圖像編碼快150倍！

聯系作者

文章來源：AI前線
作者微信：ai-front
作者簡介：面向AI愛好者、開發者和科學家，提供大模型最新資訊、AI技術分享干貨、一線業界實踐案例，助你全面擁抱AIGC。