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

视觉

24.8K pull 更新于2个月前

README

image.png

注意: 您首先需要重新构建 ./ollama 二进制文件,有以下3种方式。

1. 下载二进制文件

前往 发布页面 并下载文件。

🔥 特别地,./ollama-linux-arm64 文件在 Debian 操作系统上构建。它可以在安卓手机的 Termux 应用程序中运行。

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)。 更多详情 >>
# 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

安装要求

  • 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 分支和这个 Ollama 分支。

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 的示例。有关更多平台的信息,请参阅 开发者指南

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地 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 构建仍处于开发中。

安装所需的工具

  • MSVC 工具链 - 至少需要 C/C++ 和 cmake
  • Go 版本 1.22 或更高
  • MinGW(选择一个变体)与 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 包。

最后,将 MSVC 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 的信息,请参阅 开发者指南


MiniCPM-V:手机上的 GPT-4V 级多模态 LLM

  • MiniCPM-Llama3-V 2.5:🔥🔥🔥MiniCPM-V 系列中最先进、功能最强大的模型。总计 8B 个参数,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,模型还可支持 30 多种语言(包括英语、中文、法语、西班牙语、德语等)的多模态对话。借助量化、编译优化以及 CPU 和 NPU 上的几种高效推理技术,MiniCPM-Llama3-V 2.5 可在端侧设备上高效部署。

新闻

📌 粘贴

  • [2024.05.28] 🚀🚀🚀MiniCPM-Llama3-V 2.5 现已完全支持其在 llama.cppollama 中的功能!请拉取 llama.cpp & ollama 的最新代码。我们还发布了各种大小的 GGUF 此处。ollama 使用的常见问题列表将于一天内推出。请继续关注!
  • [2024.05.28] 💫 我们现在支持 MiniCPM-Llama3-V 2.5 的 LoRA 精调,只需 2 个 V100 GPU!更多统计信息 此处
  • [2024.05.23] 🔍 我们发布了 Phi-3-vision-128k-instruct 与 MiniCPM-Llama3-V 2.5 的全面比较,包括基准评估、多语言功能和研究效率 🌟📊🌍🚀。有关更多详细信息,请点击 此处
  • [2024.05.23] 🔥🔥🔥 MiniCPM-V 位居 GitHub Trending 和 Hugging Face Trending 前列!Hugging Face Gradio 官方账号推荐的我们的演示可在 此处 查看并体验!


  • [2024.05.25] MiniCPM-Llama3-V 2.5 现支持流式输出和自定义系统提示。试一试 此处
  • [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 的顺滑解码。试试看吧!
  • [2024.05.20] 我们开源了 MiniCPM-Llama3-V 2.5,它改进了 OCR 功能并支持 30 多种语言,代表了首个达到 GPT-4V 级别性能的端侧 MLLM!我们提供了 高效的推理简单的微调。试试吧!
  • [2024.04.23] MiniCPM-V-2.0 现在支持 vLLM!有关更多详细信息,请点击 此处
  • [2024.04.18] 我们在这里创建了一个HuggingFace Space来展示MiniCPM-V 2.0的演示!
  • [2024.04.17] MiniCPM-V-2.0现在支持WebUI演示部署!
  • [2024.04.15] MiniCPM-V-2.0现在也支持通过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与Gemini Pro的表现相当,并在OpenCompass(一个涵盖11个流行基准的综合评估)上优于强大的Qwen-VL-Chat 9.6B和Yi-VL 34B。点击这里查看MiniCPM-V 2.0的技术博客。
  • [2024.03.14] MiniCPM-V现在支持通过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!