مدل مینی سی‌پی‌ام وی ۴.۷ معرفی شد؛ فهم تصویر و ویدیو با تمرکز بر اجرای محلی
MiniCPM-V 4.7 در دو نسخه معرفی شده است؛ قابلیت فهم تصویر و ویدیو، وضعیت دریافت وزن‌ها و محدودیت تفسیر ادعای سرعت و حافظه موبایلی را بخوانید.
در این مقاله می‌خوانید ۲ بخش
دو نسخه برای فهم محتوای دیداری
OpenBMB در مخزن رسمی خود مدل مینی سی‌پی‌ام وی ۴.۷ را در دو نسخه MiniCPM-V-4.7-1B و MiniCPM-V-4.7-35B-A3B معرفی کرده است. تاریخ نخستین عرضه عمومی در منابع ارائه‌شده مشخص نیست.
کارت نسخه 35B-A3B دریافت تصویر و متن و تولید پاسخ متنی را توضیح می‌دهد و نمونه پردازش ویدیو هم دارد؛ بنابراین موضوع این مدل فهم محتوای دیداری است، نه ساخت تصویر یا ویدیو. وزن‌های این نسخه با برچسب مجوز Apache-2.0 قابل دریافت‌اند و نسخه‌های کم‌دقت، از جمله GGUF و int4، نیز معرفی شده‌اند.
این دسترسی برای توسعه‌دهندگان را نباید معادل وجود یک برنامه مصرف‌کننده یکسان روی همه دستگاه‌ها دانست. کیفیت پاسخ‌های فارسی نیز در شواهد موجود تأیید نشده است.
ادعای اجرای موبایلی چه معنایی دارد؟
سازنده نسخه 35B-A3B را نخستین مدل این خانواده با معماری «ترکیب متخصصان» معرفی می‌کند. روش Lookahead Expert Scheduling بخش‌های احتمالاً موردنیاز در لایه بعد را زودتر بارگذاری می‌کند تا وقفه میان خواندن وزن‌ها و محاسبه کاهش یابد.
OpenBMB برای iPhone 17 Pro Max سرعت بیش از ۱۳ توکن در ثانیه با سه گیگابایت حافظه گزارش کرده است. این عدد گزارش سازنده روی دستگاه مشخص است، نه آزمون مستقل یا تضمین عملکرد روی گوشی‌های دیگر.
همچنین کم‌بودن تعداد پارامترهای فعال، نیاز به ذخیره‌سازی همه وزن‌ها را حذف نمی‌کند؛ در نتیجه عدد حافظه گزارش‌شده را نباید اندازه فایل‌های مدل تلقی کرد.
هنوز دیدگاهی منتشر نشده است. اولین نفر باشید.