“Due scatole su un tavolo” può essere una descrizione corretta di un'immagine. Per una domanda sul breve codice della scatola a sinistra, però, serve a poco. Un'IA locale per le immagini potrebbe dover soltanto preordinare i soggetti, oppure dover anche trascrivere contrassegni esatti. Chi mette insieme le due cose sotto l'etichetta di comprensione delle immagini rischia facilmente di aspettarsi la capacità sbagliata.
OpenBMB data MiniCPM-V 4.7 al 12 ottobre 2026. Il progetto originale elenca le varianti 1B e 35B-A3B; la più grande è una mixture of experts. La release descrive modalità d'uso locali e multimodali. Tuttavia, il runtime specifico, l'artefatto del modello e il dispositivo devono comunque essere compatibili tra loro.
Perché i parametri attivi non descrivono l'intero computer
In una mixture of experts, per le singole fasi di elaborazione vengono usate parti selezionate del modello. Questo sottoinsieme attivo non coincide con tutti i file e la memoria che un determinato runtime deve tenere pronti. A ciò si aggiungono la preelaborazione delle immagini e l'elaborazione successiva.
Si può fare il paragone con un'officina: su un lavoro operano contemporaneamente solo poche postazioni specializzate. Il resto dell'attrezzatura non scompare per questo. L'analogia spiega la differenza tra una selezione e l'inventario complessivo; non fornisce un calcolo della memoria per alcun dispositivo specifico.
In pratica, quindi, i nomi esatti delle varianti sono più utili di un'unica etichetta di dimensione. Annota quale file viene usato in quale runtime. I valori di un esempio del fornitore con hardware diverso non sono una velocità da aspettarsi sul tuo computer.
Tre immagini, tre domande separate
Crea una piccola serie di immagini tue con due scatole neutre. Una di esse reca un codice a tua scelta, ad esempio K7. Il primo scatto le mostra entrambe chiaramente. Il secondo ne cambia la posizione. Il terzo mostra lo stesso soggetto con un codice volutamente difficile da leggere. Gli oggetti e la scritta effettiva li conosci tu stesso.
Formula tre compiti: nominare gli oggetti, descrivere come si rapportano tra loro e riprodurre esattamente il contrassegno visibile. Per ogni scatto, annota ciò che una persona riesce davvero a leggere in quella specifica immagine. Se l'ultimo scatto è sfocato, “non leggibile in modo affidabile” può essere il riferimento appropriato, anche se conosci la scritta originale.
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.Per un successivo test del modello, usa le stesse domande e conserva i file di input non modificati. Un ingrandimento aggiuntivo o un ritaglio diverso costituiscono una nuova condizione e vanno eseguiti come passaggio separato. Altrimenti resta poco chiaro se una risposta tragga vantaggio dal modello o da un'immagine sorgente più chiaramente visibile.
Valuta le risposte compito per compito
Verifica i tre livelli separatamente. Se un modello riconosce entrambe le scatole ma attribuisce il contrassegno sbagliato, si tratta di un errore diverso da un carattere letto male. Un unico giudizio complessivo come “immagine corretta” nasconderebbe queste differenze.
Fai attenzione anche alle aggiunte plausibili. Una risposta potrebbe riprendere il codice da uno scatto precedente anche se nell'immagine attuale non è più leggibile. Per un confronto individuale pulito conviene quindi un nuovo contesto di conversazione, o almeno un ordine documentato esplicitamente. La configurazione di test che scegli influisce su quali informazioni siano disponibili in assoluto.
Non fornire al modello una catena di suggerimenti risolutivi adattati a posteriori per poi presentare come successo solo l'ultima risposta. Ciò che interessa è il compito completo, il file effettivamente inviato e il confine aperto tra riconoscere e indovinare.
Quale compito locale conviene davvero
Per uno smistamento approssimativo per soggetto, una descrizione generica può già essere utile. La trascrizione automatica dei contrassegni, invece, richiede un altro livello di affidabilità e un modo adeguato di gestire i passaggi illeggibili. La decisione su come utilizzarla parte quindi dall'informazione richiesta, non dalla dimensione del modello più impressionante possibile.
MiniCPM-V 4.7 rende l'elaborazione locale delle immagini una possibilità tecnica concreta. La tua scelta diventa più tangibile se prepari alcune immagini che conosci e domande chiaramente separate. Solo un'esecuzione reale può mostrare quali di questi compiti una configurazione scelta svolge in modo utile sul tuo dispositivo.
Fonti e stato
Fonti aggiornate al 25 ottobre 2026. OpenBMB Changelog — MiniCPM-V 4.7 · repository di MiniCPM-V.
