JawabanDipublikasikan24 sumber
MiniCPM-V 4.7 Bawa Model Multimodal 35B ke Perangkat Lokal
MiniCPM V 4.7 memiliki varian 35B A3B dan 1B. Varian 35B A3B adalah model MoE pertama di seri ini, dengan sekitar 3 miliar parameter aktif untuk tiap token.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- MiniCPM V 4.7 memiliki varian 35B A3B dan 1B. Varian 35B A3B adalah model MoE pertama di seri ini, dengan sekitar 3 miliar parameter aktif untuk tiap token.
- OpenBMB melaporkan kecepatan dekode lebih dari 13 token per detik dengan penggunaan memori sekitar 3 GB di iPhone 17 Pro Max; angka ini adalah klaim pengembang, bukan hasil uji independen lintas perangkat.
- Catatan perubahan OpenBMB mencatat rilis sumber terbuka pada 12 Oktober 2026, bukan 14 Oktober, dan menyebut kode serta bobot model menggunakan lisensi Apache 2.0.
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: What did ModelBest’s October 14, 2026 open-source release of MiniCPM-V 4.7 introduce, including its 35B-A3B and 1B variants, the series’ fir. Article summary: MiniCPM-V 4.7 introduced a two-model, on-device multimodal family, led by the series’ first mixture-of-experts (MoE) model, with an emphasis on local image, document and video understanding.[1][2][10] One date correction. Topic tags: general, education, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, cha
MiniCPM-V 4.7 adalah keluarga model multimodal sumber terbuka yang dirancang untuk penggunaan lokal di perangkat. Pilihannya mencakup model 35B-A3B berbasis mixture-of-experts (MoE) dan versi lebih kecil 1B. Varian 35B-A3B menjadi model MoE pertama dalam seri MiniCPM-V. OpenBMB mengklaim model tersebut dapat menghasilkan lebih dari 13 token per detik dengan penggunaan memori sekitar 3 GB di iPhone 17 Pro Max. Namun, angka ini merupakan hasil yang dilaporkan perusahaan, bukan pengujian independen di berbagai perangkat.9
13
Apa yang ditawarkan MiniCPM-V 4.7
Varian 35B-A3B memiliki sekitar 35 miliar parameter secara keseluruhan, dengan sekitar 3 miliar parameter aktif untuk setiap token. Sementara itu, versi 1B menjadi pilihan yang lebih kecil. Keduanya melanjutkan kemampuan keluarga MiniCPM-V dalam memahami gambar dan video.2
31
32
Materi proyek OpenBMB menyebut kode dan bobot model dirilis dengan lisensi Apache-2.0. Kode serta dokumentasinya tersedia melalui repositori MiniCPM-V di GitHub.9
14
Memahami klaim kecepatan di ponsel
OpenBMB mengaitkan performa yang dilaporkan di ponsel dengan Lookahead Expert Scheduling (LES), yang digunakan bersama kuantisasi per lapisan dan DSpark speculative sampling. LES memperkirakan expert—bagian khusus dalam arsitektur MoE—yang mungkin diperlukan oleh lapisan berikutnya, lalu memuatnya lebih awal.1
13
Angka utama yang disebut adalah kecepatan dekode, yakni laju model menghasilkan keluaran. Itu bukan ukuran waktu total sejak aplikasi dibuka atau gambar dikirim hingga jawaban lengkap diterima. Hasil yang dilaporkan juga khusus untuk iPhone 17 Pro Max; angka kecepatan dan penggunaan memori yang sama tidak otomatis berlaku di setiap perangkat yang kompatibel.13
Apa yang ditunjukkan oleh perbandingan yang dipublikasikan
Dokumentasi OpenBMB melaporkan bahwa dalam mode Instruct, 35B-A3B memperoleh skor keseluruhan lebih tinggi dalam waktu inferensi lebih singkat dibanding Qwen3.6 35B-A3B. OpenBMB juga menyebut versi 1B meningkat dibanding MiniCPM-V 4.6 dan mengungguli Qwen3.5 0.8B dalam skor keseluruhan serta efisiensi inferensi.10
14
Untuk pengenalan teks atau OCR, OpenBMB melaporkan skor 90,4 di OCRBench dengan kompresi token visual 16×.12 Skor benchmark dipengaruhi oleh pengaturan pengujian, sehingga hasil dari tingkat kompresi berbeda belum tentu bisa dibandingkan langsung. Evaluasi tersebut dilaporkan pengembang dan bukan konfirmasi independen atas performa di semua tugas atau perangkat.
12
Platform dan alat untuk pengembang
Proyek ini menyatakan dukungan untuk iOS, Android, dan HarmonyOS, serta platform chip dari Intel, AMD, Arm, Rockchip, dan Houmo. Daftar kompatibilitas tersebut menunjukkan cakupan yang dinyatakan proyek, bukan jaminan bahwa performanya akan sama di semua perangkat keras.30
37
Untuk pengembang, materi rilis mencantumkan SGLang, vLLM, llama.cpp, dan Ollama sebagai opsi inferensi; SWIFT dan LLaMA-Factory disebut sebagai alat untuk fine-tuning. OpenBMB juga menjelaskan Self-Replay Fine-Tuning (SRFT) sebagai metode untuk menambahkan kemampuan model dengan biaya rendah sekaligus mengurangi risiko kemampuan sebelumnya terlupakan.20
Tanggal rilis: 12 Oktober, bukan 14 Oktober
Sejumlah pemberitaan bertanggal 14 Oktober 2026, tetapi catatan perubahan proyek OpenBMB mencatat rilis sumber terbuka MiniCPM-V 4.7 pada 12 Oktober 2026.8
19 Untuk memastikan tanggal rilis, catatan perubahan tersebut merupakan sumber yang lebih langsung.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "MiniCPM-V 4.7 Bawa Model Multimodal 35B ke Perangkat Lokal"?
MiniCPM V 4.7 memiliki varian 35B A3B dan 1B. Varian 35B A3B adalah model MoE pertama di seri ini, dengan sekitar 3 miliar parameter aktif untuk tiap token.
Apa poin penting yang harus divalidasi terlebih dahulu?
MiniCPM V 4.7 memiliki varian 35B A3B dan 1B. Varian 35B A3B adalah model MoE pertama di seri ini, dengan sekitar 3 miliar parameter aktif untuk tiap token. OpenBMB melaporkan kecepatan dekode lebih dari 13 token per detik dengan penggunaan memori sekitar 3 GB di iPhone 17 Pro Max; angka ini adalah klaim pengembang, bukan hasil uji independen lintas perangkat.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Catatan perubahan OpenBMB mencatat rilis sumber terbuka pada 12 Oktober 2026, bukan 14 Oktober, dan menyebut kode serta bobot model menggunakan lisensi Apache 2.0.