昨日，全球最強端側多模态模型再次重新整理，僅用8B參數，擊敗了OpenAI的GPT-4V和谷歌的Gemini Pro，而且，其OCR長難圖識别重新整理SOTA，圖像編碼速度暴漲150倍，而這個全球最強端側多模态模型不是國外大廠的出品，而是國内大模型研發實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。
據了解，面壁小鋼炮MiniCPM-Llama3-V 2.5僅憑8B量級的端側模型，在評測平台OpenCompass得分65.1，與閉源模型Qwen-VL-Max或可一戰，綜合性能直接力壓重量級選手GPT-4V和Gemini Pro。在OCR綜合基準測試中，又取得了725分的成績，大幅遠超GPT-4V，并在大模型的“頑疾”幻覺能力上也獲得了重大改進，還有各種基準測試，資料都遠超GPT-4V和Gemini Pro。
簡單來說，MiniCPM-Llama3-V 2.5能看、能讀、速度快、更會思考，而且，還用最小的參數撬動了最強性能！那麼，抛開這些基準測試，這個小鋼炮到底能給我們普通人帶來啥？首先，它能支援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，它支援難圖、長圖、長文本的精準識别，比如你在看一個吃瓜長文，總因為“太長不看”而煩惱，丢給它，它就能快速彙總出關鍵内容；如果是一張英文版的圖文資訊，它也能根據你的需求，給出非常精準的彙總；而且，它能夠在一張擁有多種要素資訊的圖檔中，“一眼”看懂圖檔的主題内容，并推理出圖檔的來源資訊，再把“思考”後的資訊整理彙總給我們。當它搭載到手機上，将能直接在裝置端快速、實時運作，減少資料洩露風險，而且，即使沒有網絡連接配接，也能正常工作，還适用于多種裝置，或成為真正的AI“貼身助理”。