OpenBMB y la Universidad de Tsinghua presentaron MiniCPM-V 2.6, un modelo multimodal de código abierto de 8.000 millones de parámetros que redefine los límites de rendimiento para la inteligencia artificial en el borde (edge computing). Diseñado para operar directamente en teléfonos inteligentes, tabletas y ordenadores portátiles sin conexión a la nube, MiniCPM-V 2.6 iguala o supera a modelos comerciales de frontera como GPT-4o mini, Gemini 1.5 Flash y Claude 3.5 Sonnet en tareas críticas de comprensión de imágenes de alta resolución, reconocimiento óptico de caracteres (OCR) denso y análisis de video continuo. Su arquitectura basada en mosaicos adaptativos permite decodificar imágenes de hasta 1,8 millones de píxeles con una compresión extrema de tokens visuales, consumiendo hasta un 75% menos de memoria en inferencia.
Capítulo 01
La noticia en una frase
OpenBMB lanza MiniCPM-V 2.6, modelo abierto de 8B con comprensión de video continuo y densidad OCR superior a GPT-4o para inferencia en dispositivos.
El modelo procesa secuencias de video en tiempo real y documentos complejos directamente en hardware de consumo con apenas 6 GB de memoria de video.
Capítulo 02
