面壁智能发布了MiniCPM-o 4.5，这是首个全双工全模态大模型，支持视频、音频和文本流输入，能够在个人电脑上运行，具备实时感知和主动交互能力，提升用户体验。该模型在多项评测中表现优异，适用于智能助手和无障碍服务，但在稳定性和复杂场景处理上仍有不足。
OpenBMB推出的MiniCPM-o-4.5模型仅用9B参数实现全模态能力，强调跨模态对齐与推理效率，适合主流GPU部署，具备高性能与轻量化优势。
面壁智能推出的全模态模型MiniCPM-o4.5，具备边看边听和主动应答能力，能够实时识别环境变化并进行对话。与传统AI不同，它支持全双工交互，提升了用户体验，适用于多种场景，标志着端侧AI的新发展方向。
清华大学与面壁智能推出的MiniCPM-V 4.0模型，参数减少至4.1B，提升了移动端图像理解能力，并支持iOS应用，推动了端侧部署的广泛应用。
清华大学与面壁智能推出的MiniCPM-V 4.0端侧大模型，具备强大的图像理解能力，参数减少至4.1B，适用于移动设备，提升用户体验，推动AI在边缘设备的应用。
MiniCPM-o2.6是一个多模态大语言模型，具备视觉、语音和文本处理能力，基于80亿参数，支持实时语音对话和光学字符识别。本文介绍了在本地安装和运行该模型的步骤，包括创建GPU节点和环境配置，帮助用户轻松集成其高级功能。
MiniCPM-o 2.6 是 OpenBMB 发布的多模态人工智能模型，拥有 80 亿参数，支持视觉、语音和语言处理，能够高效运行于边缘设备。其性能优于 GPT-4V，适用于实时语音和视频处理等多种应用，推动人工智能在各行业的应用普及。
清华、厦大等提出的LLMxMapReduce技术突破了大模型的记忆限制，实现了“无限长”上下文。该技术通过将长文本切分为片段并并行处理，提取关键信息并汇总答案。实验表明，结合此框架的模型在处理超长文本时表现优异且速度较快，具有广泛的应用潜力。
这篇文章讨论了MiniCPM-Llama3-V 2.5和Llama3-V之间的剽窃争议。有人认为Llama3-V从MiniCPM-Llama3-V 2.5中窃取了大量作品，但也有人认为这只是版本升级。一些人对Llama3-V的作者的行为表示质疑，并公布了证据。参与推广者向MiniCPM的原作者道歉，并删除了对Llama3V的引用。网友对此事持不同意见，有人认为道歉不够，有人认为这只是程序员的习惯。还有人指出中国的大模型被忽视了。
面壁智能发布了2B旗舰端侧大模型面壁MiniCPM，超越了欧洲版OpenAI的性能标杆，整体领先于Google Gemma 2B量级，还比肩7B、13B量级模型。MiniCPM-V2.0多模态模型在OCR能力上显著增强，通用能力超越Qwen-VL-Chat-10B、CogVLM-Chat-17B、Yi-VL-34B等更大的模型。MiniCPM-V2.0与清华大学合作，能识别高清大图和长文本。MiniCPM-MoE-8x2B MoE性能超越全系7B量级模型，推理成本仅为Gemma-7B的69.7%。MiniCPM-1.2B模型保持上一代2.4B模型87%的综合性能，在多个测试榜单上表现优异。MiniCPM-1.2B模型在iPhone 15手机上推理速度提升38%。面壁智能选择研发体积更小、性能更强的模型。
这篇文章介绍了如何在本地运行Mini CPM 2B SFT / DPO版本的模型。首先，准备模型的运行环境和下载CPM模型。然后，编写推理程序并启动Docker容器来体验模型。文章还展示了一些简单的测试结果。
面壁智能发布了2B旗舰端侧大模型MiniCPM，性能超越Mistral-7B和Phi-2，能识别野外危险生物。MiniCPM的推理成本仅为Mistral的1%。面壁智能计划开源MiniCPM，推动大模型普及。AI Agent是大模型的关键应用方向，面壁智能推出了XAgent、AgentVerse和ChatDev。AI Agent在企业内部和消费级应用中有广泛应用前景。面壁智能的愿景是实现「智周万物」，将AI Agents连接起来形成群体智能。
完成下面两步后，将自动完成登录并继续当前操作。
