«Duas caixas em cima de uma mesa» pode ser uma descrição correta de uma imagem. Para uma pergunta sobre o código curto na caixa da esquerda, pouco ajuda. Uma IA de imagem local pode destinar-se apenas a pré-ordenar motivos – ou também a transcrever marcações exatas. Quem mete as duas coisas no mesmo saco como compreensão de imagens pode facilmente esperar a capacidade errada.
A OpenBMB data o MiniCPM-V 4.7 de 12 de outubro de 2026. O projeto original lista as variantes 1B e 35B-A3B; a maior é uma mistura de especialistas. O lançamento descreve formas de o usar localmente e de forma multimodal. Mesmo assim, o ambiente de execução concreto, o artefacto do modelo e o dispositivo têm de ser compatíveis entre si.
Porque é que os parâmetros ativos não descrevem o computador inteiro
Numa mistura de especialistas, são usadas partes selecionadas do modelo para passos de processamento individuais. Este subconjunto ativo não é o mesmo que todos os ficheiros e toda a memória que um determinado ambiente de execução tem de manter disponíveis. A isso somam-se o pré-processamento de imagem e o processamento posterior.
Pode comparar-se isto a uma oficina: apenas alguns postos de trabalho especializados trabalham numa encomenda de cada vez. O resto do equipamento não desaparece por isso. A analogia explica a diferença entre uma seleção e o inventário total; não fornece um cálculo de memória para nenhum dispositivo em particular.
Na prática, nomes exatos das variantes são, por isso, mais úteis do que um único rótulo de tamanho. Regista que ficheiro é usado em que ambiente de execução. Valores de um exemplo do fornecedor com hardware diferente não são uma velocidade esperada para o teu próprio computador.
Três imagens, três perguntas separadas
Cria uma pequena série de imagens tuas com duas caixas neutras. Uma delas tem um código à tua escolha, como K7. A primeira fotografia mostra ambas com nitidez. A segunda muda a posição delas. A terceira mostra o mesmo motivo com um código deliberadamente difícil de ler. Tu próprio conheces os objetos e a inscrição real.
Formula três tarefas: nomear os objetos, descrever como se relacionam entre si e reproduzir exatamente a marcação visível. Para cada fotografia, anota o que uma pessoa consegue realmente ler naquela imagem concreta. Se a última fotografia estiver desfocada, «não legível com fiabilidade» pode ser a referência adequada, mesmo que conheças a inscrição original.
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.Para um teste posterior do modelo, usa as mesmas perguntas e guarda os ficheiros de entrada inalterados. Uma ampliação adicional ou um recorte diferente é uma nova condição e deve ser executado como uma passagem separada. Caso contrário, fica por esclarecer se uma resposta beneficia do modelo ou de uma imagem de origem mais nítida.
Avalia as respostas tarefa a tarefa
Verifica os três níveis separadamente. Se um modelo reconhece as duas caixas mas atribui a marcação errada, trata-se de um erro diferente de um carácter mal lido. Um único veredicto global de «imagem correta» esconderia estas diferenças.
Atenção também a acrescentos plausíveis. Uma resposta pode transportar o código de uma fotografia anterior, mesmo que já não seja legível na imagem atual. Para uma comparação individual limpa, vale por isso a pena um contexto de conversa novo – ou, pelo menos, uma ordem explicitamente documentada. A configuração de teste que escolhes influencia que informação está sequer disponível.
Não dês ao modelo uma cadeia de pistas de solução ajustadas a posteriori para depois apresentares apenas a última resposta como um sucesso. O que interessa é a tarefa completa, o ficheiro efetivamente submetido e a fronteira em aberto entre reconhecer e adivinhar.
Que tarefa local vale realmente a pena
Para uma triagem grosseira por motivo, uma descrição geral já pode ser útil. Transcrever marcações automaticamente, pelo contrário, exige outro nível de fiabilidade e uma forma adequada de lidar com passagens ilegíveis. A decisão sobre como o usar começa, por isso, pela afirmação necessária e não pelo tamanho de modelo mais impressionante possível.
O MiniCPM-V 4.7 torna o processamento local de imagens uma possibilidade técnica concreta. A tua própria escolha torna-se mais palpável se preparares algumas imagens que conheces e perguntas claramente separadas. Só uma execução real pode mostrar quais destas tarefas uma configuração escolhida desempenha de forma útil no teu dispositivo.
Fontes e estado
Fontes à data de 25 de outubro de 2026. Changelog da OpenBMB — MiniCPM-V 4.7 · Repositório MiniCPM-V.
