कंपनी ModelBest ने उपकरणों पर चलने के लिए अपनी मल्टीमॉडल मॉडल श्रृंखला का एक नया संस्करण - MiniCPM-V 4.7 - पेश किया है। यह मॉडल दो आकारों में उपलब्ध है: 35B-A3B और 1B। यह ध्यान रखना महत्वपूर्ण है कि 35B-A3B संस्करण MiniCPM-V श्रृंखला में Mixture-of-Experts (MoE) आर्किटेक्चर वाला पहला मॉडल है।
इस मॉडल के वज़न, कोड और दस्तावेज़ीकरण को Apache-2.0 लाइसेंस के तहत GitHub पर OpenBMB रिपॉजिटरी में प्रकाशित किया गया है।
मोबाइल उपकरणों पर दक्षता
मुख्य घोषित लाभ स्मार्टफोन पर काम करते समय उच्च दक्षता है। ModelBest का दावा है कि 35B-A3B मॉडल, जो प्रति टोकन लगभग 3 बिलियन पैरामीटर सक्रिय करता है, केवल लगभग 3 जीबी रैम का उपयोग करके iPhone 17 Pro Max पर चल सकता है। इस बीच, डिकोडिंग गति 13 टोकन प्रति सेकंड से अधिक है।
कंपनी इस परिणाम को LES (लुकअहेड एक्सपर्ट शेड्यूलिंग) नामक एक नई इन्फेरेंस त्वरण तकनीक के कारण बताती है, और मॉडल को पहले ओपन-सोर्स MoE मॉडल के रूप में वर्णित करती है जो सीधे डिवाइस पर बिना किसी नुकसान के निर्बाध रूप से कार्य कर सकता है।
परीक्षण परिणाम और तुलना
टीम द्वारा प्रस्तुत बेंचमार्क के अनुसार, 35B-A3B मॉडल निम्नलिखित परिणाम प्रदर्शित करता है: MMBench पर 91.72, OCRBench पर 91.2, और CMMLU पर 90.21। निर्देश मोड में, ModelBest का दावा है कि यह समग्र स्कोर में Qwen3.6 35B-A3B से बेहतर प्रदर्शन करता है, जबकि तर्क करने में लगने वाला समय कम होता है।
1B संस्करण ने MiniCPM-V 4.6 की तुलना में मूल क्षमताओं में सुधार किया है। इसके अलावा, कंपनी बताती है कि यह संस्करण समग्र स्कोर और इन्फेरेंस दक्षता दोनों में Qwen3.5 0.8B से आगे निकल जाता है।
QbitAI द्वारा किए गए परीक्षणों से पता चला है कि मॉडल ग्राफ़ पर तर्क और अकादमिक लेखों को मार्कडाउन प्रारूप में बदलने के कार्यों को सफलतापूर्वक संभालता है, और यह सब फोन पर ऑफ़लाइन होता है, जो दस्तावेजों के साथ गोपनीय स्थानीय कार्य के लिए लक्षित है।
प्लेटफ़ॉर्म समर्थन और अतिरिक्त उपकरण
MiniCPM-V 4.7 iOS, Android और HarmonyOS ऑपरेटिंग सिस्टम का समर्थन करता है। मॉडल को Intel, AMD, Arm, Rockchip और Houmo AI से चिपसेट प्लेटफॉर्म के साथ काम करने के लिए अनुकूलित किया गया है, जिससे इसे मोबाइल गैजेट्स और स्थानीय पीसी दोनों पर उपयोग किया जा सकता है।
मॉडल के साथ-साथ, ModelBest ने सेल्फ-रिप्ले फाइन-ट्यूनिंग (SRFT) विधि का ओपन-सोर्स कोड भी प्रदान किया है। यह फाइन-ट्यूनिंग विधि डेवलपर्स को न्यूनतम लागत पर नई सुविधाएँ जोड़ने में मदद करने के लिए डिज़ाइन की गई है, साथ ही पहले से प्राप्त कौशल को भूलने से भी रोकती है।
यह रिलीज़ MiniCPM श्रृंखला में मॉडलों की स्थिर रिलीज को जारी रखती है, जिसमें मई में MiniCPM-V 4.6 और सितंबर में टेक्स्ट मॉडल MiniCPM5-2B का अनुसरण किया गया था।