”Två lådor på ett bord” kan vara en korrekt beskrivning av en bild. För en fråga om den korta koden på den vänstra lådan är den till liten hjälp. En lokal bild-AI kanske bara är tänkt att försortera motiv – eller så är den kanske också tänkt att transkribera exakta märkningar. Den som klumpar ihop båda som bildförståelse kan lätt förvänta sig fel förmåga.
OpenBMB daterar MiniCPM-V 4.7 till den 12 oktober 2026. Det ursprungliga projektet listar varianterna 1B och 35B-A3B; den större är en mixture of experts-modell. Lanseringen beskriver sätt att använda den lokalt och multimodalt. Ändå måste den specifika körmiljön, modellartefakten och enheten passa ihop.
Varför aktiva parametrar inte beskriver hela datorn
I en mixture of experts-modell används utvalda delar av modellen för enskilda bearbetningssteg. Denna aktiva delmängd är inte detsamma som alla filer och allt minne som en viss körmiljö måste hålla redo. Bildförbehandling och vidare bearbetning tillkommer dessutom.
Detta kan jämföras med en verkstad: bara ett fåtal specialiserade arbetsstationer arbetar med ett uppdrag åt gången. Resten av utrustningen försvinner inte för det. Analogin förklarar skillnaden mellan ett urval och det totala beståndet; den ger ingen minnesberäkning för någon särskild enhet.
I praktiken är exakta variantnamn därför mer hjälpsamma än en enda storleksetikett. Anteckna vilken fil som används i vilken körmiljö. Siffror från ett leverantörsexempel med annan hårdvara är ingen förväntad hastighet för din egen dator.
Tre bilder, tre separata frågor
Skapa en liten egen bildserie med två neutrala lådor. En av dem bär en valfri kod, till exempel K7. Den första bilden visar båda tydligt. Den andra ändrar deras position. Den tredje visar samma motiv med en kod som medvetet är svårläst. Du känner själv till objekten och den faktiska texten.
Formulera tre uppgifter: namnge objekten, beskriv hur de förhåller sig till varandra och återge den synliga märkningen exakt. Skriv för varje bild ned vad en människa verkligen kan läsa i just den bilden. Om den sista bilden är suddig kan ”inte tillförlitligt läsbar” vara den lämpliga referensen, även om du känner till den ursprungliga texten.
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.Använd samma frågor för ett senare modelltest och behåll de oförändrade indatafilerna. En extra förstoring eller en annan beskärning är ett nytt villkor och bör köras som ett separat genomlopp. Annars förblir det oklart om ett svar gynnas av modellen eller av en tydligare synlig källbild.
Utvärdera svaren uppgift för uppgift
Kontrollera de tre nivåerna separat. Om en modell känner igen båda lådorna men tilldelar fel märkning är det ett annat fel än ett felläst tecken. Ett enda samlat omdöme som ”bilden korrekt” skulle dölja dessa skillnader.
Var också uppmärksam på trovärdiga tillägg. Ett svar kan föra över koden från en tidigare bild trots att den inte längre är läsbar i den aktuella bilden. För en ren enskild jämförelse lönar sig därför en ny samtalskontext – eller åtminstone en uttryckligen dokumenterad ordning. Den testuppställning du väljer påverkar vilken information som överhuvudtaget finns tillgänglig.
Ge inte modellen en kedja av lösningsledtrådar som justerats i efterhand för att sedan bara presentera det sista svaret som en framgång. Det intressanta är den fullständiga uppgiften, den fil som faktiskt skickades in och den öppna gränsen mellan att känna igen och att gissa.
Vilken lokal uppgift som verkligen är värd besväret
För grov sortering efter motiv kan en allmän beskrivning redan vara användbar. Att automatiskt transkribera märkningar kräver däremot en annan nivå av tillförlitlighet och ett lämpligt sätt att hantera oläsliga partier. Beslutet om hur den ska användas börjar därför med det påstående som krävs, inte med den mest imponerande modellstorleken som är möjlig.
MiniCPM-V 4.7 gör lokal bildbehandling till en konkret teknisk möjlighet. Ditt eget val blir mer handfast om du förbereder några bilder som du känner till och tydligt åtskilda frågor. Bara en faktisk körning kan visa vilka av dessa uppgifter en vald uppställning utför på ett användbart sätt på din enhet.
Källor och status
Källor per den 25 oktober 2026. Ändringslogg från OpenBMB — MiniCPM-V 4.7 · Arkivet för MiniCPM-V.
