全球首次！国产AI开源端侧GPT-4o海外爆火，8B参数iPad就能跑

实时流式视频通话+高级语音理解

原标题：全球首次！国产AI开源端侧GPT-4o海外爆火，8B参数iPad就能跑
文章来源：量子位
内容字数：7417字

国产AI“MiniCPM-o 2.6”惊艳

国产AI模型MiniCPM-o 2.6凭借其强大的多模态能力和仅8B的体量，在海外社交媒体上引发热议。这款模型可以在iPad等端侧设备上运行，其性能甚至可以与GPT-4o相媲美，甚至在某些方面超越后者。文章详细介绍了MiniCPM-o 2.6的各项能力以及背后的技术原理。

1. MiniCPM-o 2.6 的多模态能力

MiniCPM-o 2.6展现出强大的“看、听、说”能力。它能够精准识别各种声音，例如翻书声、咳嗽声等；能够理解视频内容，例如识别游戏《黑神话：悟空》；能够理解图片信息，例如指导用户调整自行车座椅，并具备强大的OCR能力，可以处理高像素图像；还能进行多语言表达，例如用四川话讲解火锅烹饪方法。

2. 技术架构解析：高效的端到端全模态架构

MiniCPM-o 2.6的出色性能源于其端到端全模态架构。该架构将文本、图像、音频等不同类型数据的编码和解码模块连接起来进行训练，使模型能够综合考虑不同模态之间的关联和交互。为了适应流式输入输出，面壁智能团队对离线编解码器模块进行了改造，并设计了时分复用的全模态流式信息处理机制（OTDM），实现了高效的实时交互。

3. 面壁智能的“以小博大”策略

面壁智能专注于面向边端算力场景进行极致优化，致力于开发在手机、iPad等端侧设备上高效运行的大模型。MiniCPM-o 2.6是其“以小博大”策略的最新成果，延续了之前MiniCPM系列模型“小体量、高性能”的特点。其前身MiniCPM系列模型在多个测评中超越了其他大型模型，并以低廉的成本提供了强大的性能。

4. 开源与应用前景

MiniCPM-o 2.6已在GitHub和Hugging Face开源，并提供在线demo。其端侧运行的能力使其能够在弱网或断网环境下正常工作，扩展了应用场景，特别适合部署在智能眼镜等设备上，为视障人士提供便利。

5. 国产开源大模型的崛起

文章最后提到，国产开源大模型发展迅速，DeepSeek、阿里Qwen和面壁智能等厂商表现亮眼，展现了中国在AI领域的竞争力。

总而言之，MiniCPM-o 2.6的出现标志着国产AI在多模态领域取得了显著进展，其开源特性也为AI社区的发展贡献了力量。

联系作者

文章来源：量子位
作者微信：
作者简介：追踪人工智能新趋势，关注科技行业新突破