面壁智能宣布开源 MiniCPM-V 2.6 模型，端侧AI多模态能力增强

<article><section data-type=“rtext”><p>【环球网科技综合报道】8月7日消息，人工智能公司面壁智能宣布正式开源其最新的端侧AI多模态模型——MiniCPM-V 2.6。官方称 MiniCPM-V 2.6 模型仅 8B 参数，取得 20B 以下单图、多图、视频理解 3 SOTA 成绩。</p><p><img data-alt="" src="//img.huanqiucdn.cn/dp/api/files/imageDir/cf85fa0a0710a3994aa2a473e745adb2u5.jpg?imageView2/2/w/750" /></p><p>据面壁智能官方介绍，MiniCPM-V 2.6 模型在多项功能上实现了首次在端侧的部署，包括实时视频理解、多图联合理解、多图ICL（上下文少样本学习）视觉类比学习、多图OCR等。这些功能的加入，使得端侧模型能够更贴近复杂的真实世界场景，充分发挥其传感器富集、贴近用户的优势。</p><p>据介绍，在模型效率与性能方面，MiniCPM-V 2.6模型具有极高的像素密度（Token Density），比GPT-4o的单token编码像素密度高两倍，从而在端侧设备上实现了极高的运行效率。量化后的模型仅需6GB内存，端侧推理速度高达每秒18个token，比上代模型快33%。此外，该模型还支持多种语言和推理框架，进一步提升了其应用的广泛性和灵活性。</p><p>值得一提的是，MiniCPM-V 2.6 模型在OCR能力上也延续了其一贯的SOTA性能水平，并进一步覆盖到单图、多图、视频理解等多个场景。通过统一的高清视觉架构，该模型将OCR能力进行迁移和知识共享，实现了从单图到多图及视频的流畅拓展，显著节省了视觉token的数量和资源消耗。</p><p>目前，MiniCPM-V 2.6 模型的开源地址已经公布在GitHub和HuggingFace平台上。</p></section></article>