MiniCPM-V 在整体性能上超越了 GPT-4V、Gemini Pro、Qwen-VL 和 Claude 3 等专有模型,并支持 30 多种语言的跨模态对话。

视觉

24.8K 拉取 2个月前更新

说明

image.png

注意:首先需要重新构建 ./ollama 二进制文件,有以下三种方式。

1. 下载二进制文件

访问 发布页面 并下载文件。

🔥especially the ./ollama-linux-arm64 file was built on decking os. It can run in the Termux app on android phones.

启动服务器

./ollama-linux-x86_64 serve

运行此模型

ollama run hhao/openbmb-minicpm-llama3-v-2_5

2. 在docker中运行(使用cpu或gpu)

  • 🆕 支持 x86_64 和 arm64 架构操作系统。
  • 支持 CUDA (NVIDIA) 和 ROCm (AMD)。 更多详细信息 >>
# x86_64 arch
docker pull hihao/ollama-amd64

# arm64 arch
# docker pull hihao/ollama-arm64

docker run -d -v ./models:/root/.ollama -p 11434:11434 --name ollama hihao/ollama-amd64

docker exec -it ollama bash

ollama run hhao/openbmb-minicpm-llama3-v-2_5

3. 重新构建 ./ollama 二进制文件说明

安装需求

  • cmake 版本 3.24 或更高
  • go 版本 1.22 或更高
  • gcc 版本 11.4.0 或更高

设置代码

准备我们的llama.cpp分叉和这个Ollama分叉。

git clone -b minicpm-v2.5 https://github.com/OpenBMB/ollama.git
cd ollama/llm
git clone -b minicpm-v2.5 https://github.com/OpenBMB/llama.cpp.git
cd ../

MacOS构建

这里提供了一个MacOS示例。有关更多平台的开发指南

brew install go cmake gcc

可选:启用调试和更详细的日志记录

## At build time
export CGO_CFLAGS="-g"

## At runtime
export OLLAMA_DEBUG=1

获取所需的库并构建本机LLM代码

go generate ./...

构建ollama

go build .

启动服务器

./ollama serve

运行此模型

ollama run hhao/openbmb-minicpm-llama3-v-2_5

Windows构建

注意:Ollama的Windows构建仍在开发中。

安装所需的工具

  • MSVC工具链 - 最低要求是C/C++和cmake
  • Go版本1.22或更高
  • MinGW(选择一个变体)和GCC。
$env:CGO_ENABLED="1"
go generate ./...
go build .

启动服务器

./ollama serve

运行此模型

ollama run hhao/openbmb-minicpm-llama3-v-2_5

Windows CUDA(NVIDIA)构建

除了上面描述的通用Windows开发工具外,在安装MSVC后安装CUDA。

Windows ROCm(AMD Radeon)构建

除了上面描述的通用Windows开发工具外,在安装MSVC后安装AMD的HIP软件包。

最后,将MSVC中包含的ninja.exe添加到系统路径中(例如:C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\Common7\IDE\CommonExtensions\Microsoft\CMake\Ninja)。

Linux构建

有关Linux的详细信息,请参阅开发指南


MiniCPM-V:手机上的GPT-4V级多模态LLM

  • MiniCPM-Llama3-V 2.5:🔥🔥🔥 MiniCPM-V系列中最新且功能最强大的模型。总参数量为8B,该模型在整体性能上超过了GPT-4V-1106、Gemini Pro、Qwen-VL-Max和Claude 3等专有模型。配备增强的OCR和指令遵循能力,该模型还可以支持包括英语、中文、法语、西班牙语、德语等在内的300多种语言的跨模态对话。借助量化、编译优化以及CPU和NPU上的多种高效推理技术,MiniCPM-Llama3-V 2.5可以高效部署在端设备上。

新闻

📌 粘贴

  • [2024.05.28] 🚀🚀🚀 MiniCPM-Llama3-V 2.5现在完全支持在llama.cppollama中的功能!请拉取最新的llama.cpp & ollama代码。我们还发布了不同大小的GGUF此处。ollama使用的FAQ列表将在一天内发布。请保持关注!
  • [2024.05.28] 💫 我们现在支持MiniCPM-Llama3-V 2.5的LoRA微调,只需2个V100 GPU!更多信息在此处
  • [2024.05.23] 🔍 我们发布了Phi-3-vision-128k-instruct和MiniCPM-Llama3-V 2.5的综合比较,包括基准评估、多语言能力和推理效率。点击此处查看更多详情。
  • [2024.05.23] 🔥🔥🔥 MiniCPM-V位居GitHub趋势和Hugging Face趋势首位!我们推荐的Hugging Face Gradio官方账号的演示示例在此处。来试试吧!


  • [2024.05.25] MiniCPM-Llama3-V 2.5现在支持流式输 出和自定义系统提示。试试这里
  • [2024.05.24] 我们发布了MiniCPM-Llama3-V 2.5的gguf,它支持llama.cpp推理,并在手机上提供6~8 token/s的平滑解码。试试现在!
  • [2024.05.20] 我们开源了MiniCPM-Llama3-V 2.5,它具有改进的OCR功能并支持30+种语言,代表了第一个达到GPT-4V级别性能的端侧MLLM!我们提供高效推理简单微调。试试现在!
  • [2024.04.23] MiniCPM-V-2.0现在支持vLLM!点击此处查看更多详情。
  • [2024.04.18] 我们在此处创建了一个 HuggingFace Space 来展示 MiniCPM-V 2.0 的演示!
  • [2024.04.17] MiniCPM-V-2.0 现在支持部署WebUI 演示
  • [2024.04.15] MiniCPM-V-2.0 现在也支持使用 SWIFT 框架进行微调
  • [2024.04.12] 我们开源了 MiniCPM-V 2.0,其在理解场景文本方面的性能与 Gemini Pro 相当,并在OpenCompass(一个包含 11 个流行基准的综合评估)上,超越了 Qwen-VL-Chat 9.6B 和 Yi-VL 34B。点击此处查看 MiniCPM-V 2.0 技术博客。
  • [2024.03.14] MiniCPM-V 现在支持使用 SWIFT 框架进行微调。感谢Jintao 的贡献!
  • [2024.03.01] MiniCPM-V 现在可以在 Mac 上部署了!