IT之家 1 月 16 日消息，面壁智能公眾號今日宣布推出“小鋼炮”MiniCPM-o 2.6 端側全模態(tài)模型，參數(shù)為 8B，號稱性能比肩 GPT-4o、Claude-3.5-Sonnet。
其采用了端到端多模態(tài)架構，可同時處理文本、圖像、音頻和視頻等多種類型的數(shù)據(jù)，生成高質量文本和語音輸出。官方表示，其總參數(shù)量 8B，視覺、語音和多模態(tài)流式能力達到了 GPT-4o-202405 級別，是開源社區(qū)中模態(tài)支持最豐富、性能最佳的模型之一。
MiniCPM-o 2.6 支持可配置聲音的中英雙語語音對話，還具備情感 / 語速 / 風格控制、端到端聲音克隆、角色扮演等進階能力。
據(jù)官方介紹，MiniCPM-o 2.6 也是首個支持在 iPad 等端側設備上進行多模態(tài)實時流式交互的多模態(tài)大模型。其在 OpenCompass 榜單上（綜合 8 個主流多模態(tài)評測基準）平均得分 70.2，以 8B 量級的大小在單圖理解方面超越了 GPT-4o-202405、Gemini 1.5 Pro 和 Claude 3.5 Sonnet 等主流商用閉源多模態(tài)大模型。
IT之家附開源地址：
GitHub：https://github.com/OpenBMB/MiniCPM-o
huggingface：https://huggingface.co/openbmb/MiniCPM-o-2_6
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。