1 月 16 日消息，面壁智能公眾號宣布推出“小鋼炮”MiniCPM-o 2.6 端側(cè)全模態(tài)模型，參數(shù)為 8B，號稱性能比肩 GPT-4o、Claude-3.5-Sonnet。

　　其采用了端到端多模態(tài)架構(gòu)，可同時處理文本、圖像、音頻和視頻等多種類型的數(shù)據(jù)，生成高質(zhì)量文本和語音輸出。官方表示，其總參數(shù)量 8B，視覺、語音和多模態(tài)流式能力達(dá)到了 GPT-4o-202405 級別，是開源社區(qū)中模態(tài)支持最豐富、性能最佳的模型之一。

　　MiniCPM-o 2.6 支持可配置聲音的中英雙語語音對話，還具備情感 / 語速 / 風(fēng)格控制、端到端聲音克隆、角色扮演等進(jìn)階能力。

　　據(jù)官方介紹，MiniCPM-o 2.6 也是首個支持在iPad等端側(cè)設(shè)備上進(jìn)行多模態(tài)實(shí)時流式交互的多模態(tài)大模型。其在 OpenCompass 榜單上（綜合 8 個主流多模態(tài)評測基準(zhǔn)）平均得分 70.2，以 8B 量級的大小在單圖理解方面超越了 GPT-4o-202405、Gemini 1.5 Pro 和 Claude 3.5 Sonnet 等主流商用閉源多模態(tài)大模型。