MiniCPM-V-4.7-1B

Hva er MiniCPM-V-4.7-1B

MiniCPM-V-4.7-1B er en åpen kildekode multimodal visjon-språk-modell utgitt av OpenBMB, med kun 1B parametere. Den støtter bildeforståelse og multimodal dialog.

Viktige funksjoner

• Støtter bildeforståelse og multimodal dialog
• Bruker intra-ViT early compression-teknologi for å komprimere visuelle tokens tidlig i visjonsenkoderen
• Støtter hybrid 4x/16x komprimering av visuelle tokens, som balanserer visuell detaljrikdom med inferenskostnad
• Støtter on-device-deployering på iOS, Android og HarmonyOS
• Gir out-of-the-box-støtte for brikkplattformer inkludert Rockchip, Houmo, Intel, AMD og Arm

Hvem det er for

Passer for utviklere som trenger bildeforståelse og multimodal dialog på mobile eller edge-enheter, og for multimodale applikasjoner som søker høy ytelsestetthet og effektiv inferens.

Hvordan komme i gang

1. Besøk https://huggingface.co/openbmb/MiniCPM-V-4.7-1B for å laste ned modellvektene
2. Se Usage-delen i model card for inferens og deployering
3. Bruk den medfølgende åpen kildekode on-device-deployeringsstøtten for å kjøre på iOS, Android eller HarmonyOS

Sammensatt fra offentlige beskrivelser på verktøyets offisielle nettsted / README / lanseringsside. Priser og brukertall er ikke verifisert; vennligst sjekk det offisielle nettstedet. Noen seksjoner ble utarbeidet med hjelp fra AI. Skrevet på kinesisk og engelsk; andre språk er maskinoversatt.