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,支持超过30种语言的多模态对话。

视觉

24.8K 拉取 更新于2个月前

说明文档

image.png

注意: 首先需要重新构建 ./ollama 二进制文件,有以下3种方法。

1. 下载二进制文件

访问 发布页面 并下载文件。

🔥 特别地 ./ollama-linux-arm64 文件是在 debian 操作系统上构建的。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 二进制文件的说明

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。请参阅 开发者指南 以获取更多平台的信息。

brew install go cmake gcc

可选地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 构建过程

注意:Ollama 的 Windows 构建仍在开发中。

安装所需的工具

  • MSVC 工具链 - 最低需求包括 C/C++ 和 cmake
  • Go 版本 1.22 或更高版本
  • 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

除了上述常见 Windows 开发工具外,安装 CUDA 之前请安装 MSVC。

Windows ROCm(AMD Radeon)构建

除了上述常见 Windows 开发工具外,安装 MSVC 后请安装 AMD 的 HIP 包。

最后,将包含在 MSVC 中的 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 构建过程

请参阅 Linux 开发者指南


MiniCPM-V:GPT-4V 级别的多模态 LLM 放在您的手机上

  • MiniCPM-Llama3-V 2.5:🔥🔥🔥MiniCPM-V 系列中最新且功能最强大的模型。总共有 8B 个参数,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,模型还可以支持包括英语、中文、法语、西班牙语、德语等在内的超过 30 种语言的跨模态对话。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 可以在末端设备上高效部署。

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!请拉取最新的 llama.cpp & ollama 代码。我们还发布了不同大小的 GGUF 此处。ollama 的常见问题解答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,仅需 2 V100 GPU!请参阅更多统计信息 此处
  • [2024.05.23] 🔍 我们发布了 Phi-3-vision-128k-instruct 和 MiniCPM-Llama3-V 2.5 的全面比较,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 登上了 GitHub Trending 和 Hugging Face Trending!我们推荐的示例,由 Hugging Face Gradio 的官方账户推荐,可在 此处 体验。快来试试吧!


  • [2024.05.25] MiniCPM-Llama3-V 2.5 现在 支持 流式输出和自定义系统提示。试试看 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+ 种语言,代表着第一个达到 GPT-4V 级别性能的末端 MLLM!我们提供了高效的推理和简单的微调。试试看吧!
  • [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 HuggingFace Space 以托管 MiniCPM-V 2.0 的示例!
  • [2024.04.17] MiniCPM-V-2.0 现在支持部署 WebUI 示例
  • [2024.04.15] MiniCPM-V-2.0 现已支持与 SWIFT 框架进行 微调
  • [2024.04.12] 我们开源了 MiniCPM-V 2.0,在理解场景文本方面与 Gemini Pro 性能相当,在 OpenCompass(一个包含 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 此处 查看MiniCPM-V 2.0 技术博客。
  • [2024.03.14] MiniCPM-V 现在支持与 SWIFT 框架进行 微调。感谢Jintao 的贡献!
  • [2024.03.01] MiniCPM-V 现可部署到 Mac 上!