本文へスキップ

MiniCPM-o-2_6

視覚・音声・多重配信を備えた 8B モデル

公式サイトを見る

MiniCPM-o-2_6 とは

本モデルは視覚、音声、配信の課題に向けた 8B のマルチモーダルモデルと説明されている。

できること

  • 二言語でリアルタイムの音声対話をする
  • 連続する動画と音声を受け取る
  • 高解像の画像から文字を読む

応用場面

  • 多重配信でオンライン授業を行う
  • 会議で音声による遠隔のやり取りをする
  • 画像と動画の理解から説明文を作る

長所と短所

✓ 良い点

  • 資料には遅延と記憶使用の少なさが挙がる
  • CPU 推論、量子化モデル、高処理な推論が挙がる

! 注意したい点

  • 推論にはモデルの読み込みと視覚・音声・読み上げの初期化が必要
  • 資料には OpenCompass の平均 70.2 が挙がる

よくある質問

規模は?

資料には 8B の規模と記載。

OCR の上限は?

資料には 180 万画素までの画像と記載。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法