

Minicpm Llama3 V 2.5
简介 :
MiniCPM-Llama3-V 2.5 是 OpenBMB 项目中最新发布的端侧多模态大模型,具备8B参数量,支持超过30种语言的多模态交互,并在多模态综合性能上超越了多个商用闭源模型。该模型通过模型量化、CPU、NPU、编译优化等技术实现了高效的终端设备部署,具有优秀的OCR能力、可信行为以及多语言支持等特点。
需求人群 :
该产品适合需要在端侧设备上进行高效多模态交互的开发者和企业,如智能手机、平板电脑等移动设备,以及需要进行图像识别、语言处理和多语言交互的场景。
使用场景
在智能手机上进行图像和文本的多模态交互。
使用模型进行场景文字识别和信息提取。
跨语言的多模态对话和内容生成。
产品特色
领先的性能:在OpenCompass榜单上平均得分65.1,超越多个商用闭源多模态大模型。
优秀的OCR能力:OCRBench得分达到725,支持高分辨率图像输入和全文OCR信息提取。
可信行为:通过RLAIF-V对齐技术,具有较低的幻觉率和可信的多模态行为。
多语言支持:支持30+种语言的多模态能力,通过少量翻译数据实现跨语言泛化。
高效部署:通过模型量化和编译优化技术,实现终端设备上的快速推理和图像编码。
简易微调和本地WebUI Demo部署:支持通过Huggingface Transformers库和SWIFT框架进行微调。
使用教程
克隆OpenBMB/MiniCPM-V的代码仓库到本地。
创建conda环境并安装所需的依赖。
根据设备类型(如NVIDIA GPU、Mac MPS等)运行本地WebUI Demo。
使用Huggingface Transformers库或SWIFT框架对模型进行微调以适应特定任务。
精选AI产品推荐

Deepmind Gemini
Gemini是谷歌DeepMind推出的新一代人工智能系统。它能够进行多模态推理,支持文本、图像、视频、音频和代码之间的无缝交互。Gemini在语言理解、推理、数学、编程等多个领域都超越了之前的状态,成为迄今为止最强大的AI系统之一。它有三个不同规模的版本,可满足从边缘计算到云计算的各种需求。Gemini可以广泛应用于创意设计、写作辅助、问题解答、代码生成等领域。
AI模型
11.4M
中文精选

Liblibai
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。平台提供海量免费AI创作模型,用户可以搜索使用模型进行图像、文字、音频等创作。平台还支持用户训练自己的AI模型。平台定位于广大创作者用户,致力于创造条件普惠,服务创意产业,让每个人都享有创作的乐趣。
AI模型
8.0M