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,并支持超过 30 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,共有3种方法。

1. 下载二进制文件

访问 发行页面 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Termux应用中在安卓手机上运行。

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

安装依赖

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

设置代码

准备我们的 llama.cpp 分支版本和这个 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

在此,我们提供了一个 MacOS 的示例。有关更多平台的信息,请参阅 开发者指南更多平台

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 - 至少需要 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

除了上述通用 Windows 开发工具外,安装 CUDA 后再安装 MSVC。

Windows ROCm(AMD Radeon)构建

除了上述通用 Windows 开发工具外,安装 MSVC 后再安装 AMD 的 HIP 软件包。

最后,将 MSVC 内置的 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 系列中最新且功能最强大的模型。总共 8B 个参数,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。配备了增强的 OCR 和指令跟随能力,该模型还支持包括英语、中文、法语、西班牙语、德语等在内的 30 多种语言的多模态对话。借助量化、编译优化和 CPU 及 NPU 上的多种高效推理技术,MiniCPM-Llama3-V 2.5 可以高效地部署在终端设备上。

新闻

📌 粘贴

  • [2024.05.28] 🚀🚀🚀 MiniCPM-Llama3-V 2.5 现已完全支持其功能在 llama.cppollama 中!请拉取最新代码 llama.cpp & ollama。我们还在这里发布了各种尺寸的 GGUF here。ollama 使用的常见问题解答列表将在一天内发布。请继续关注!
  • [2024.05.28] 💫 我们现在支持 MiniCPM-Llama3-V 2.5 的 LoRA 微调,只需 2 V100 GPU!更多统计信息 here
  • [2024.05.23] 🔍 我们发布了 Phi-3-vision-128k-instruct 和 MiniCPM-Llama3-V 2.5 之间的全面比较,包括基准评测、多语言能力和推理效率 🌟📊🌍🚀。点击 here 查看更多细节。
  • [2024.05.23] 🔥🔥🔥 MiniCPM-V 排名 GitHub 趋势和 Hugging Face 趋势第一!我们由 Hugging Face Gradio 官方账号推荐的演示可用 here。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 here
  • [2024.05.24] 我们发布了 MiniCPM-Llama3-V 2.5 的 gguf,支持 llama.cpp 推理,在手机上提供 6~8 token/s 的流畅解码。试试看现在!
  • [2024.05.20] 我们开源了 MiniCPM-Llama3-V 2.5,它改善了 OCR 功能,支持 30 多种语言,代表着首个达到 GPT-4V 级别性能的边缘 MLLM!我们提供了 高效推理简单微调。试试看现在!
  • [2024.04.23] MiniCPM-V-2.0 现在支持 vLLM!点击 here 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可与Gemini Pro相媲美,并在OpenCompass(对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现在支持使用SWIFT框架微调。感谢Jintao的贡献!
  • [2024.03.01] MiniCPM-V现在可以在Mac上部署!