‘Twee dozen op een tafel’ kan een correcte beschrijving van een afbeelding zijn. Voor een vraag over de korte code op de linkerdoos heb je er weinig aan. Een lokale beeld-AI is misschien alleen bedoeld om onderwerpen voor te sorteren – of misschien ook om exacte markeringen over te nemen. Wie beide op één hoop gooit als beeldbegrip, verwacht al snel de verkeerde vaardigheid.
OpenBMB dateert MiniCPM-V 4.7 op 12 oktober 2026. Het oorspronkelijke project noemt de varianten 1B en 35B-A3B; de grotere is een mixture of experts. De release beschrijft manieren om het lokaal en multimodaal te gebruiken. Toch moeten de specifieke runtime, het modelartefact en het apparaat nog steeds bij elkaar passen.
Waarom actieve parameters niet de hele computer beschrijven
Bij een mixture of experts worden geselecteerde delen van het model gebruikt voor afzonderlijke verwerkingsstappen. Deze actieve deelverzameling is niet hetzelfde als alle bestanden en al het geheugen die een bepaalde runtime gereed moet houden. Daar komen beeldvoorbewerking en verdere verwerking nog bij.
Dit is te vergelijken met een werkplaats: aan een opdracht werken telkens maar een paar gespecialiseerde werkplekken. De rest van de uitrusting verdwijnt daardoor niet. De analogie verklaart het verschil tussen een selectie en de totale inventaris; ze levert geen geheugenberekening voor een bepaald apparaat.
In de praktijk zijn exacte variantnamen daarom nuttiger dan één enkel groottelabel. Noteer welk bestand in welke runtime wordt gebruikt. Cijfers uit een voorbeeld van de leverancier met andere hardware zijn geen te verwachten snelheid voor je eigen computer.
Drie afbeeldingen, drie afzonderlijke vragen
Maak zelf een kleine reeks afbeeldingen met twee neutrale dozen. Op één ervan staat een code naar keuze, zoals K7. De eerste opname toont beide duidelijk. De tweede verandert hun positie. De derde toont hetzelfde onderwerp met een code die bewust moeilijk leesbaar is. Je kent de objecten en het werkelijke opschrift zelf.
Formuleer drie taken: benoem de objecten, beschrijf hoe ze zich tot elkaar verhouden en geef de zichtbare markering exact weer. Noteer per opname wat een persoon in die specifieke afbeelding echt kan lezen. Als de laatste opname wazig is, kan ‘niet betrouwbaar leesbaar’ de passende referentie zijn, ook al ken je het oorspronkelijke opschrift.
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.Gebruik voor een latere modeltest dezelfde vragen en bewaar de ongewijzigde invoerbestanden. Een extra vergroting of een andere uitsnede is een nieuwe voorwaarde en moet als afzonderlijke ronde worden uitgevoerd. Anders blijft onduidelijk of een antwoord profiteert van het model of van een duidelijker zichtbare bronafbeelding.
Beoordeel antwoorden per taak
Controleer de drie niveaus afzonderlijk. Als een model beide dozen herkent maar de verkeerde markering toewijst, is dat een andere fout dan een verkeerd gelezen teken. Eén totaaloordeel als ‘afbeelding correct’ zou deze verschillen verbergen.
Let ook op plausibele toevoegingen. Een antwoord kan de code uit een eerdere opname overnemen, ook al is die in de huidige afbeelding niet meer leesbaar. Voor een zuivere afzonderlijke vergelijking loont een nieuwe gesprekscontext – of ten minste een expliciet gedocumenteerde volgorde – daarom de moeite. De testopzet die je kiest, bepaalt welke informatie überhaupt beschikbaar is.
Geef het model geen reeks achteraf aangepaste oplossingshints om vervolgens alleen het laatste antwoord als succes te presenteren. Interessant zijn de volledige taak, het daadwerkelijk aangeleverde bestand en de open grens tussen herkennen en raden.
Welke lokale taak echt de moeite waard is
Voor grof sorteren op onderwerp kan een algemene beschrijving al nuttig zijn. Het automatisch overnemen van markeringen vraagt daarentegen een ander niveau van betrouwbaarheid en een geschikte manier om met onleesbare passages om te gaan. De beslissing over het gebruik begint daarom bij de vereiste uitspraak, niet bij de meest indrukwekkende modelgrootte die mogelijk is.
MiniCPM-V 4.7 maakt lokale beeldverwerking tot een concrete technische mogelijkheid. Je eigen keuze wordt tastbaarder als je een paar afbeeldingen voorbereidt die je kent, met duidelijk gescheiden vragen. Alleen een daadwerkelijke run kan laten zien welke van deze taken een gekozen opzet op jouw apparaat zinvol uitvoert.
Bronnen en status
Bronnen per 25 oktober 2026. OpenBMB Changelog — MiniCPM-V 4.7 · MiniCPM-V-repository.
