国产「小钢炮」一夜干翻巨无霸GPT-4V、Gemini Pro！稳坐端侧多模态铁王座

文章摘要

【关 键 词】 人工智能、多模态模型、面壁智能、MiniCPM-Llama3-V、端侧AI

在人工智能领域，一款仅用8B参数的端侧多模态模型引发了广泛关注。这款名为MiniCPM-Llama3-V 2.5的模型，以其卓越的性能击败了多模态巨无霸Gemini Pro和GPT-4V。

在OCR能力上，MiniCPM-Llama3-V 2.5的表现尤为突出，以9倍像素的清晰度精准识别难图、长图和长文本，其图像编码速度提升了150倍。

在多模态综合性能方面，MiniCPM-Llama3-V 2.5展现了全面的优势。它通过整合NPU和CPU加速框架，实现了首次端侧系统级的多模态加速，能够深入洞察图像并做出复杂推理，类似“小福尔摩斯”般的能力使其在处理复杂场景时显得游刃有余。

值得注意的是，MiniCPM-Llama3-V 2.5支持包括德语、法语、西班牙语等在内的30多种语言，这一多语言能力不仅拓宽了其应用范围，也使得更多国家的用户能够享受到AI技术带来的便利。

面壁智能选择在520这个特别的日子推出这款模型，将其作为给开源社区的情人节礼物，展现了科技公司的浪漫情怀。MiniCPM-Llama3-V 2.5的问世，不仅是对大模型性能的一次重要验证，也预示着端侧AI技术的发展进入了一个新阶段。

原文和模型

【原文链接】 阅读原文 [ 3213字 | 13分钟 ]
【原文作者】 新智元
【摘要模型】 glm-4
【摘要评分】 ★★★★☆

智谱AI

智谱AI是由清华大学计算机系技术成果转化而来的公司，致力于打造新一代认知智能通用模型。公司合作研发了双语千亿级超大规模预训练模型GLM-130B，并构建了高精度通用知识图谱，形成数据与知识双轮驱动的认知引擎，基于此模型打造了ChatGLM（chatglm.cn）。此外，智谱AI还推出了认知大模型平台Bigmodel.ai，包括CodeGeeX和CogView等产品，提供智能API服务，链接物理世界的亿级用户、赋能元宇宙数字人、成为具身机器人的基座，赋予机器像人一样“思考”的能力。