IT之家 1 月 16 日音问，面壁智能公众号本日书记推出“小钢炮”MiniCPM-o 2.6 端侧全模态模子，参数为 8B，堪称性能并列 GPT-4o、Claude-3.5-Sonnet。
其接收了端到端多模态架构，可同期处分文本、图像、音频和视频等多种类型的数据，生成高质料文本和语音输出。官方示意，其总参数目 8B，视觉、语音和多模态流式才智达到了 GPT-4o-202405 级别，是开源社区中模态提拔最丰富、性能最好的模子之一。
MiniCPM-o 2.6 提拔可成就声息的中英双语语音对话，还具备情谊 / 语速 / 格调法律评释、端到端声息克隆、脚色上演等进阶才智。
据官方先容，MiniCPM-o 2.6 亦然首个提拔在 iPad 等端侧建设上进行多模态及时流式交互的多模态大模子。其在 OpenCompass 榜单上（概述 8 个主流多模态评测基准）平均得分 70.2，以 8B 量级的大小在单图意会方面稀奇了 GPT-4o-202405、Gemini 1.5 Pro 和 Claude 3.5 Sonnet 等主流商用闭源多模态大模子。
