„Zwei Boxen auf einem Tisch“ kann eine richtige Bildbeschreibung sein. Für die Frage nach dem kleinen Kürzel auf der linken Box hilft sie kaum. Eine lokale Bild-KI soll vielleicht nur Motive vorsortieren, vielleicht aber auch genaue Kennzeichnungen übertragen. Wer beides als Bildverständnis zusammenfasst, erwartet schnell die falsche Leistung.
OpenBMB datiert MiniCPM-V 4.7 auf den 12. Oktober 2026. Das Originalprojekt führt die Varianten 1B und 35B-A3B; die größere ist eine Mischung von Experten. Die Veröffentlichung beschreibt lokale multimodale Einsatzwege. Konkrete Laufzeit, Modellartefakt und Gerät müssen trotzdem zusammenpassen.
Warum aktive Parameter nicht den ganzen Rechner beschreiben
Bei einer Mischung von Experten werden für einzelne Verarbeitungsschritte ausgewählte Modellteile genutzt. Diese aktive Teilmenge ist nicht gleichbedeutend mit sämtlichen Dateien und Speicheranteilen, die eine konkrete Laufzeit bereithalten muss. Ebenso kommen Bildaufbereitung und weitere Verarbeitung hinzu.
Das lässt sich mit einer Werkstatt vergleichen: An einem Auftrag arbeiten gerade wenige Fachplätze. Die übrige Ausstattung verschwindet dadurch nicht. Die Analogie erklärt den Unterschied zwischen Auswahl und Gesamtbestand; sie liefert keine Speicherberechnung für ein bestimmtes Gerät.
Für die Praxis sind deshalb genaue Variantenbezeichnungen hilfreicher als ein einzelnes Größenetikett. Halte fest, welche Datei in welcher Laufzeit verwendet wird. Werte aus einem Herstellerbeispiel mit anderer Hardware sind keine erwartete Geschwindigkeit deines eigenen Rechners.
Drei Bilder, drei getrennte Fragen
Erstelle eine eigene kleine Bildreihe mit zwei neutralen Boxen. Auf einer steht ein selbst gewähltes Kürzel, etwa K7. Die erste Aufnahme zeigt beide deutlich. Die zweite verändert ihre Position. Die dritte zeigt dasselbe Motiv mit einem bewusst schwer lesbaren Kürzel. Du kennst die Gegenstände und die tatsächliche Aufschrift selbst.
Formuliere drei Aufgaben: Gegenstände benennen, ihre Beziehung beschreiben und die sichtbare Kennzeichnung exakt wiedergeben. Schreibe für jede Aufnahme auf, was ein Mensch am konkreten Bild wirklich lesen kann. Wenn die letzte Aufnahme unscharf ist, kann „nicht zuverlässig lesbar“ die angemessene Referenz sein, obwohl du die ursprüngliche Aufschrift kennst.
Aufgabe 1: Welche Gegenstände sind sichtbar?
Aufgabe 2: Welche Box liegt links von der anderen?
Aufgabe 3: Welche Kennzeichnung ist tatsächlich lesbar?
Regel: Unlesbare Zeichen nicht aus dem Kontext ergänzen.Verwende für einen späteren Modellversuch dieselben Fragen und bewahre die unveränderten Eingabedateien auf. Eine zusätzliche Vergrößerung oder ein anderer Ausschnitt ist eine neue Bedingung und sollte als eigener Durchgang geführt werden. Sonst bleibt unklar, ob eine Antwort vom Modell oder von einer besser sichtbaren Vorlage profitiert.
Antworten nach Aufgabe auswerten
Prüfe die drei Ebenen getrennt. Erkennt ein Modell beide Boxen, ordnet aber die falsche Kennzeichnung zu, ist das ein anderer Fehler als ein falsch gelesenes Zeichen. Eine Sammelnote „Bild richtig“ würde diese Unterschiede verbergen.
Achte außerdem auf plausible Ergänzungen. Eine Antwort kann das Kürzel aus einer früheren Aufnahme übernehmen, obwohl es im aktuellen Bild nicht mehr lesbar ist. Für einen sauberen Einzelvergleich lohnt deshalb ein neuer Gesprächskontext oder zumindest eine ausdrücklich dokumentierte Reihenfolge. Die gewählte Versuchsanordnung beeinflusst, welche Information überhaupt zur Verfügung steht.
Gib dem Modell keine nachträglich angepasste Lösungshinweiskette und nenne anschließend nur die letzte Antwort als Erfolg. Interessant sind die vollständige Aufgabe, die tatsächlich übergebene Datei und die offene Grenze zwischen Erkennen und Erraten.
Welche lokale Aufgabe sich wirklich lohnt
Für eine grobe Motivsortierung kann eine allgemeine Beschreibung bereits nützlich sein. Eine automatische Übertragung von Kennzeichnungen braucht dagegen eine andere Verlässlichkeit und einen passenden Umgang mit unlesbaren Stellen. Die Einsatzentscheidung beginnt somit bei der geforderten Aussage, nicht bei einer möglichst beeindruckenden Modellgröße.
MiniCPM-V 4.7 macht lokale Bildverarbeitung zu einer konkreten technischen Möglichkeit. Die eigene Auswahl wird greifbarer, wenn du ein paar bekannte Bilder und klar getrennte Fragen vorbereitest. Erst ein tatsächlicher Lauf kann zeigen, welche dieser Aufgaben eine gewählte Zusammenstellung auf deinem Gerät brauchbar erfüllt.
Quellen und Stand
Quellenstand: 25. Oktober 2026. OpenBMB Changelog — MiniCPM-V 4.7 · MiniCPM-V repository.
