MiniCPM-V 4.7 خدام

MiniCPM-V 4.7 هو نموذج كبير مفتوح المصدر ومتعدد الوسائط للأجهزة الطرفية، طوّراتو شركة面壁智能 بشراكة مع OpenBMB، وكيجي بجوج الإصدارات: 35B-A3B (MoE) و1B. الإصدار الرائد هو أول نموذج MoE متعدد الوسائط مفتوح المصدر فالعالم كيخدم بسلاسة وبلا فقدان للجودة فالتليفونات، وبفضل تقنية جدولة الخبراء الاستباقية كيحتاج تقريباً 3GB من الذاكرة وكيقدر يوصل لـ 13+ tokens/s فـ iPhone، وكيطلع الأول فـ 34 معيار مقارنة مع النماذج من نفس الفئة؛ أما إصدار 1B فموجّه للأجهزة المبتدئة.

الفهم البصري العام: التعرّف على الأشياء فالصور، مقارنة عدة صور، والإجابة على الأسئلة البصرية، مع 91.72 نقطة فـ MMBench، متفوّق على النماذج من نفس الفئة.
تحليل الوثائق وOCR: التعرّف على النصوص والجداول والرسوم البيانية فالتصاور وPDF، مع 91.2 نقطة فـ OCRBench.
الاستدلال فالرياضيات وSTEM: حل المسائل الرياضية والأسئلة العلمية، مع 80.22 فـ MMMU و88 نقطة فـ MathVista.
فهم الفيديوهات الطويلة: فهم محتوى الفيديوهات ذات التسلسل الزمني الطويل والإجابة على الأسئلة المرتبطة بها، مع 68.9 نقطة فـ LongVideoBench.
خدمة سلسة على الأجهزة الطرفية: نموذج 35B كيحتاج غير تقريباً 3GB من الذاكرة فـ iPhone، وكيولّد فالحين بسرعة 13+ tokens/s.
تخصيص وضبط دقيق بتكلفة منخفضة: ضبط دقيق مفتوح المصدر بالاعتماد على إعادة التشغيل، باش يتعلّم مهام جديدة بلا ما ينسا القدرات القديمة.

تابع微信 وردّ بـ“开源” باش تنضم لمجموعة التواصل ديال مشاريع الذكاء الاصطناعي مفتوحة المصدر
جدولة الخبراء الاستباقية (LES): أوزان نموذج MoE بحجم 65.6 GiB ما كتدخلش كاملة فالذاكرة، وكيتم تخزين أغلب الخبراء فـ SSD وقراءتهم غير وقت الحاجة. ولكن حيث التوجيه فكل طبقة كيعتمد على نتيجة الطبقة اللي قبل منها، كل طبقة خاصها توقف وتستنى قراءة القرص. كتستغل LES التشابه الكبير بين مدخلات الطبقات المتجاورة باش تتوقّع مسبقاً الخبراء اللي غتحتاجهم الطبقة الجاية اعتماداً على خصائص التوجيه ديال الطبقة الحالية، وكتحمّلهم فالخلفية، وفنفس الوقت كتعطي الأولوية فالحساب للخبراء اللي تحمّلو واختارهم التوجيه فعلاً. هكا كيولي الحساب والقراءة خدامين بالتوازي، وكتوصل السرعة فالتجارب لـ 5 مرات بلا أي فقدان فالمخرجات.
تحسين تخزين وقراءة الأوزان: عبر استعمال تكميم مختلط الدقة على مستوى كل طبقة، كينقص حجم تخزين الأوزان وكمية نقلها؛ وزيادة على ذلك، كيتعاود تنظيم مكان أوزان الخبراء فالملف، بحيث المعاملات اللي كانت مفرّقة فثلاثة أماكن كتولي مخزّنة بشكل متتابع حسب الرقم، وكيقدر SSD يقرا الخبير كامل فقراءة تسلسلية وحدة، مما كيقلّل بزاف من كلفة التحميل.
ضغط الرموز البصرية: اعتماداً على LLaVA-UHD v4، كيتضغطو الرموز البصرية مسبقاً داخل المشفّر البصري، وبهذا كينقص الحساب اللاحق من الأصل؛ وكيدعم التبديل بين جوج نسب ديال الضغط: 4 مرات و16 مرة. فالنمط ديال 16 مرة، المؤشرات الرئيسية تقريباً ما كتتأثرش، مع الحفاظ على تفاصيل الصورة والتفاعل الفوري.
فك الترميز التخميني DSpark: وحدة خفيفة لإنتاج المسودة كتولّد عدة رموز مرشحة فمرة وحدة، ومن بعد كيتحقق النموذج الرئيسي منها بالتوازي وكيخرجها دفعة وحدة. هاد الرموز كتتقاسم الكلفة الثابتة ديال قراءة الخبراء وجدولتهم فـ MoE، والتجارب بينات أن سرعة التوليد كتزاد فالمتوسط بـ 1.17 مرة بلا تأثير على الجودة.

الحصول على النموذج: حمّل أوزان النموذج والكود من GitHub وHugging Face.
تجربة محلية سريعة: دخل لـ Web Demo الرسمي فـ Hugging Face Spaces (MiniCPM-V-4.7-Demo) باش تجرّبو أونلاين بلا تثبيت.
تثبيت التطبيق: سير لمستودع MiniCPM-V-Apps فـ GitHub وحمّل تطبيق iOS/Android، ومن بعد ثبّتو مباشرة فالتليفون أو الطابليت.
اختيار إطار الاستدلال والنشر: حسب منصة العتاد، اختار واحد من llama.cpp أو Ollama أو MLX أو vLLM/SGLang لتحميل النموذج ونشر خدمة الاستدلال محلياً.
تفعيل تسريع LES (اختياري): ملي كتخدم بنموذج 35B-A3B على جهاز طرفي، فعّل جدولة الخبراء الاستباقية حسب الوثائق مفتوحة المصدر، باش يخدم بسلاسة بذاكرة 3GB.
اختيار نمط الضغط البصري: بدّل حسب الحاجة بين ضغط 4 مرات أو ضغط 16 مرة.

مستودع GitHub: https://github.com/OpenBMB/MiniCPM-V
مستودع النماذج فـ HuggingFace: https://huggingface.co/collections/openbmb/minicpm-v-47

أول MoE طرفي فالعالم: أول نموذج كبير مفتوح المصدر ومتعدد الوسائط فالعالم كيخدم على الأجهزة الطرفية بسلاسة وبلا فقدان للجودة.
كفاءة قصوى فالذاكرة: نموذج 35B بأوزان حجمها 65.6 GiB كيحتاج غير تقريباً 3GB من الذاكرة، يعني ربع ذاكرة جهاز بسعة 16GB.
سرعة استدلال متفوّقة: التجارب على iPhone 17 Pro Max سجّلات 13+ tokens/s، وعلى iPad Pro M4 وصلات لـ 17+ tokens/s، وتقنية LES كتزيد السرعة 5 مرات.
أداء متفوّق بشكل شامل على النماذج من نفس الفئة: متقدّم فـ 34 معيار موثوق على Qwen3.6-35B-A3B، وحتى متفوّق على Qwen 27B وGemma-4 31B الأكبر حجماً.
أفضل توازن بين الأداء والكفاءة: وقت استدلال أقصر مع نتيجة إجمالية أعلى، وتجديد للحدود المتقدمة ديال “الأداء والكفاءة” فالنماذج متعددة الوسائط الطرفية.
إتاحة شاملة بجوج إصدارات: إصدار 35B الرائد كيرفع سقف القدرات، وإصدار 1B الصغير والقوي كيخلي حتى الأجهزة المبتدئة تشغّل تعدد وسائط بجودة عالية.

العمل المتنقل ومعالجة الوثائق: صوّر مباشرة بالتليفون أو الطابليت أو دخل ملفات PDF، وكمّل فالحين التعرّف على النصوص، واستخراج الجداول، وفهم الرسوم البيانية، والإجابة على أسئلة الوثائق، بلا حاجة لرفع البيانات للسحابة، مما كيحمي الخصوصية وكيحسّن مردودية العمل المتنقل.
الدعم التعليمي بلا إنترنت: يقدرو التلاميذ يستعملو أجهزة بلا شبكة باش يصوّرو المسائل ويقلبو على الحل، ويديرو الاستدلال الرياضي ويطرحو أسئلة علمية. وتشغيل نموذج 35B على الجهاز الطرفي كيخلّي التعليم بالذكاء الاصطناعي بجودة عالية يوصل حتى للمناطق اللي فيها تغطية ضعيفة.
الرؤية فالعربات والروبوتات: بفضل التوافق مع الشرائح من Day-0، يقدر النموذج يخدم فأنظمة السيارات ونهايات الروبوتات، باش يدير التعرّف الفوري على المحيط، وفهم العوائق، والتفاعل البصري بين الإنسان والآلة.
فهم ومراجعة محتوى الفيديو: القدرة على فهم الفيديوهات الطويلة كتدعم تلخيص الفيديوهات الطويلة المسجّلة على الأجهزة الطرفية، والإجابة على أسئلة اللقطات الرئيسية، ومراجعة المطابقة، وكتناسب مجالات بحال التفتيش الأمني وصناعة المحتوى.