国产AI杀疯了！以小博大对战GPT，或为对抗AI iPhone的最强后援

昨日，全球最强端侧多模态模型再次刷新，仅用 8B 参数，击败了 OpenAI 的 GPT-4V 和谷歌的 Gemini Pro，而且，其 OCR 长难图识别刷新 SOTA，图像编码速度暴涨 150 倍，而这个全球最强端侧多模态模型不是国外大厂的出品，而是国内大模型研发实力最头部的公司面壁智能，最新打造出来的面壁小钢炮 MiniCPM-Llama3-V 2.5。

据了解，面壁小钢炮 MiniCPM-Llama3-V 2.5 仅凭 8B 量级的端侧模型，在评测平台 OpenCompass 得分 65.1，与闭源模型 Qwen-VL-Max 或可一战，综合性能直接力压重量级选手 GPT-4V 和 Gemini Pro。在 OCR 综合基准测试中，又取得了 725 分的成绩，大幅远超 GPT-4V，并在大模型的 " 顽疾 " 幻觉能力上也获得了重大改进，还有各种基准测试，数据都远超 GPT-4V 和 Gemini Pro。

简单来说，MiniCPM-Llama3-V 2.5 能看、能读、速度快、更会思考，而且，还用最小的参数撬动了最强性能！那么，抛开这些基准测试，这个小钢炮到底能给我们普通人带来啥？首先，它能支持 30+ 种语言，包括德语、法语、西班牙语、意大利语、俄语等主流语言；其次，它支持难图、长图、长文本的精准识别，比如你在看一个吃瓜长文，总因为 " 太长不看 " 而烦恼，丢给它，它就能快速汇总出关键内容；如果是一张英文版的图文信息，它也能根据你的需求，给出非常精准的汇总；而且，它能够在一张拥有多种要素信息的图片中，" 一眼 " 看懂图片的主题内容，并推理出图片的来源信息，再把 " 思考 " 后的信息整理汇总给我们。当它搭载到手机上，将能直接在设备端快速、实时运行，减少数据泄露风险，而且，即使没有网络连接，也能正常工作，还适用于多种设备，或成为真正的 AI" 贴身助理 "。