再也不吹GPT-4V了！手机能跑的国产模型刷爆多模态SOTA，实时端上视频理解!

文章预览

夕小瑶科技说 分享 再次刷新端侧多模态天花板， 面壁「小钢炮」 MiniCPM-V 2.6 模型重磅上新 ！ 仅8B参数，取得 20B 以下单图、多图、视频理解 3 SOTA 成绩，一举将端侧AI多模态能力拉升至全面对标超越 GPT-4V 水平 。 更有 多项功能首次上「端」 ：小钢炮一口气将 实时视频理解、多图联合理解（还包括多图OCR、多图ICL等）能力首次搬上端侧多模态模型 ，更接近充斥着复杂、模糊、连续实时视觉信息的多模态真实世界，更能充分发挥端侧 AI 传感器富集、贴近用户的优势。 亮点众多，延续了「小钢炮」系列一贯的以小博大与高效低成本，划重点如下： 「三合一」最强端侧多模态 ：首次在端侧实现单图、多图、视频理解等多模态核心能力全面超越GPT-4V，单图理解越级比肩多模态王者 Gemini 1.5 Pro 和新晋顶流 GPT-4o mini 。 多项功能首次上端 ：实时视频理解 ………………………………