2024 年 8 月 6 日，面壁智能发布了其最新的多模态模型 MiniCPM-V 2.6。这一消息迅速引起了广泛关注，因为该模型在单图、多图和视频理解性能上超越了 GPT-4V。MiniCPM-V 2.6 总参数量为 8B，能够运行在 iPad 上，并在单图理解方面表现优于 GPT-4o mini、Gemini 1.5 Pro 和 Claude 3.5 Sonnet 等商用闭源模型。此外，该模型支持包括英语、中文、德语、法语、意大利语和韩语在内的多种语言。
MiniCPM-V 2.6 在多个应用场景中展现出了强大的能力，特别是在图像识别、视频理解和多语言处理方面。例如：
- 在医疗影像分析中，MiniCPM-V 2.6 可以帮助医生快速识别病变区域，提高诊断的准确性和效率。
- 在零售行业，MiniCPM-V 2.6 可以用于商品识别和库存管理，提升运营效率。
- 在安防监控中，MiniCPM-V 2.6 可以帮助识别异常行为，提高安全性。
- 在娱乐行业，MiniCPM-V 2.6 可以用于视频内容的自动标签和推荐。
- 在跨国企业中，MiniCPM-V 2.6 可以用于多语言文档的自动翻译和处理，提高工作效率。
- 在教育领域，MiniCPM-V 2.6 可以用于多语言教学和学习。
实际案例方面，MiniCPM-V 2.6 已经在多个行业中得到了应用和验证。例如：
- 在医疗影像分析中，某医院使用 MiniCPM-V 2.6 进行病变区域的自动识别。
- 在零售行业，某大型超市使用 MiniCPM-V 2.6 进行商品识别和库存管理。