🥇端侧多模态强大：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，单图理解比肩多模态王者Gemini 1.5 Pro和GPT-4o。该模型具备多项首次上端的功能，如实时视频理解、多图联合理解等。

💪高像素密度：取得了两倍于GPT-4o的单token编码像素密度，类比知识密度。

🚀端侧性能优越：量化后端侧6G内存可用，端侧推理速度达18 tokens / s，相比上代模型快33%。发布即支持llama.cpp、ollama、vllm推理，且支持多种语言。

🎯统一高清框架：延续传统优势OCR能力的SOTA性能水平，并进一步覆盖单图、多图、视频理解。

IT之家 8 月 7 日消息，面壁智能昨日开源了 MiniCPM-V 2.6 模型，官方表示将端侧 AI 多模态能力拉升至全面对标 GPT-4V 水平。

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，有以下特点：

“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、多图联合理解、多图 ICL 视觉类比学习、多图 OCR 等功能

最高多模态像素密度：类比知识密度，小钢炮 2.6 取得了两倍于 GPT-4o 的单 token 编码像素密度（token density）

端侧友好：量化后端侧 6G 内存可用；端侧推理速度达 18 tokens / s，相比上代模型快 33%。发布即支持 llama.cpp、ollama、vllm 推理；且支持多种语言

统一高清框架：小钢炮的传统优势 OCR 能力延续了其 SOTA 性能水平，并进一步覆盖单图、多图、视频理解

IT之家附开源地址：

GitHub:  https://github.com/OpenBMB/MiniCPM-V

HuggingFace：https://huggingface.co/openbmb/MiniCPM-V-2_6