“To kasser på et bord” kan være en korrekt beskrivelse af et billede. Til et spørgsmål om den korte kode på den venstre kasse er det til ringe hjælp. En lokal billed-AI skal måske kun forhåndssortere motiver – eller den skal måske også transskribere nøjagtige mærkninger. Den, der slår begge dele sammen som billedforståelse, kan let komme til at forvente den forkerte evne.
OpenBMB daterer MiniCPM-V 4.7 til den 12 oktober 2026. Det oprindelige projekt angiver varianterne 1B og 35B-A3B; den største er en mixture of experts. Udgivelsen beskriver måder at bruge den lokalt og multimodalt på. Alligevel skal den konkrete runtime, modelartefakt og enhed stadig passe sammen.
Hvorfor aktive parametre ikke beskriver hele computeren
I en mixture of experts bruges udvalgte dele af modellen til de enkelte behandlingstrin. Denne aktive delmængde er ikke det samme som alle de filer og al den hukommelse, en bestemt runtime skal holde klar. Billedforbehandling og videre behandling kommer oven i.
Det kan sammenlignes med et værksted: Kun nogle få specialiserede arbejdspladser arbejder på en opgave ad gangen. Resten af udstyret forsvinder ikke af den grund. Analogien forklarer forskellen mellem et udvalg og den samlede beholdning; den giver ikke en hukommelsesberegning for nogen bestemt enhed.
I praksis er nøjagtige variantnavne derfor mere nyttige end en enkelt størrelsesbetegnelse. Notér, hvilken fil der bruges i hvilken runtime. Tal fra et leverandøreksempel med anden hardware er ikke en forventet hastighed for din egen computer.
Tre billeder, tre separate spørgsmål
Lav en lille serie egne billeder med to neutrale kasser. Den ene bærer en kode efter eget valg, f.eks. K7. Det første billede viser begge tydeligt. Det andet ændrer deres placering. Det tredje viser det samme motiv med en kode, der bevidst er svær at læse. Du kender selv objekterne og den faktiske påskrift.
Formulér tre opgaver: navngiv objekterne, beskriv, hvordan de forholder sig til hinanden, og gengiv den synlige mærkning nøjagtigt. Skriv for hvert billede ned, hvad et menneske reelt kan læse på netop det billede. Hvis det sidste billede er sløret, kan “ikke pålideligt læseligt” være den passende reference, selv om du kender den oprindelige påskrift.
Task 1: Which objects are visible?
Task 2: Which box is to the left of the other?
Task 3: Which marking is actually legible?
Rule: Do not fill in illegible characters from context.Brug de samme spørgsmål til en senere modeltest, og behold de uændrede inputfiler. En ekstra forstørrelse eller en anden beskæring er en ny betingelse og bør køres som et separat gennemløb. Ellers forbliver det uklart, om et svar har fordel af modellen eller af et tydeligere synligt kildebillede.
Vurdér svarene opgave for opgave
Kontrollér de tre niveauer hver for sig. Hvis en model genkender begge kasser, men tildeler den forkerte mærkning, er det en anden fejl end et fejllæst tegn. En enkelt samlet vurdering som “billede korrekt” ville skjule disse forskelle.
Vær også opmærksom på plausible tilføjelser. Et svar kan overføre koden fra et tidligere billede, selv om den ikke længere er læselig på det aktuelle billede. Til en ren enkeltsammenligning er en frisk samtalekontekst – eller i det mindste en eksplicit dokumenteret rækkefølge – derfor umagen værd. Den testopstilling, du vælger, påvirker, hvilke oplysninger der overhovedet er tilgængelige.
Giv ikke modellen en kæde af løsningshint, der er justeret i bagklogskabens lys, for derefter kun at præsentere det sidste svar som en succes. Det interessante er den komplette opgave, den fil, der faktisk blev indsendt, og den åbne grænse mellem at genkende og at gætte.
Hvilken lokal opgave der virkelig er umagen værd
Til grov sortering efter motiv kan en generel beskrivelse allerede være nyttig. Automatisk transskription af mærkninger kræver derimod et andet niveau af pålidelighed og en passende måde at håndtere ulæselige passager på. Beslutningen om, hvordan den skal bruges, begynder derfor med det påkrævede udsagn, ikke med den mest imponerende mulige modelstørrelse.
MiniCPM-V 4.7 gør lokal billedbehandling til en konkret teknisk mulighed. Dit eget valg bliver mere håndgribeligt, hvis du forbereder nogle få billeder, du kender, og tydeligt adskilte spørgsmål. Kun et faktisk gennemløb kan vise, hvilke af disse opgaver en valgt opstilling udfører brugbart på din enhed.
Kilder og status
Kilder pr. 25 oktober 2026. OpenBMB Changelog — MiniCPM-V 4.7 · MiniCPM-V-repository.
