虛擬人再升級，企業可以解放雙手了？
來源：伯虎財經今天想跟大家來嘮嘮AI，其實聊到這個話題很多人都不陌生了。在ChatGPT和AIGC大熱背后，還有一位低調的“大佬”——虛擬人。比如咱們熟知的虛
5 月 21 日消息，面壁智能昨晚推出并開源 MiniCPM 系列最新的端側多模態模型 MiniCPM-Llama3-V 2.5，支持 30+ 種語言，宣稱可實現：
最強端側多模態綜合性能：超越 Gemini Pro 、GPT-4V
OCR 能力 SOTA（注：State-of-the-Art）：9 倍像素更清晰，難圖長圖長文本精準識別
圖像編碼快 150 倍：首次端側系統級多模態加速
MiniCPM-Llama3-V 2.5 總參數量為 8B，多模態綜合性能超越 GPT-4V-1106、Gemini Pro、Claude 3、Qwen-VL-Max 等商用閉源模型，OCR 能力及指令跟隨能力得到進一步提升，可精準識別難圖、長圖、長文本，并支持超過 30 種語言的多模態交互。
在 OpenCompass 測試中，MiniCPM-Llama3-V 2.5綜合性能超越多模態“巨無霸”GPT-4V 和 Gemini Pro；在 OCRBench 上，超越了 GPT-4o、GPT-4V、Claude 3V Opus、Gemini Pro 等標桿模型。
此外，在圖像編碼方面，MiniCPM-Llama3-V 2.5 首次整合 NPU 和 CPU 加速框架，并結合顯存管理、編譯優化技術，實現了 150 倍加速提升。
在語言模型推理方面，經過 CPU、編譯優化、顯存管理等優化方式，MiniCPM-Llama3-V 2.5 在手機端的語言解碼速度由 Llama 3 的 0.5 token / s 上下提升到 3-4 token / s，并可支持 30 多種語言，包括德語、法語、西班牙語、意大利語、俄語等主流語言，基本覆蓋一帶一路國家。
OCR 技術方面，MiniCPM-Llama3-V 2.5 實現高效編碼及無損識別 180 萬高清像素圖片，并且支持任意長寬比、甚至 1:9 極限比例圖像。
本文鏈接：http://www.tebozhan.com/showinfo-45-4381-0.html面壁智能推出 MiniCPM-Llama3-V 2.5 開源端側多模態模型：8B 參數、高效部署手機
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： 谷歌 DeepMind 推出 AI 安全框架 Frontier Safety Framework，可檢測優化降低大模型風險性
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號