ModelBest et la communauté OpenBMB ont publié MiniCPM-V 4.7, un modèle multimodal open source qui apporte la compréhension d'images, de documents et de vidéos à des appareils mobiles avec environ 3 Go de mémoire.
Que s'est-il passé ?
Annoncé le 15 octobre 2026, MiniCPM-V 4.7 arrive en deux versions : la 35B-A3B (MoE avec environ 3 milliards de paramètres actifs par token) et la 1B. La version plus grande est décrite comme le premier modèle MoE multimodal open source à tourner fluidement on-device sans compromettre la qualité, utilisant Lookahead Expert Scheduling (LES) qui prédit et précharge les experts.
Selon l'entreprise, il atteint plus de 13 tokens par seconde sur l'iPhone 17 Pro Max et plus de 17 sur l'iPad Pro M4, avec support pour compression de tokens visuels 4x et 16x. Il maintient des scores élevés comme 90.9 sur MMBench même avec haute compression.
Pourquoi c'est important ?
Cela abaisse la barrière pour l'IA multimodale locale, permettant le traitement privé de documents, OCR, interprétation de graphiques et vidéos longues sans envoyer de données au cloud. Le support Day-0 couvre des puces d'AMD, Apple, Arm, Intel, NVIDIA, Huawei et d'autres, y compris HarmonyOS.
La technique LES, combinée à la quantification, a augmenté la vitesse d'environ 5x sur certains appareils tout en gardant la sélection originale des experts du modèle.
Qu'est-ce qui change en pratique ?
Les développeurs peuvent télécharger les poids, le code d'inférence et de fine-tuning sur Hugging Face et GitHub. Il y a une méthode Self-Replay Fine-Tuning pour adapter sans perdre les capacités générales. Idéal pour des apps d'analyse visuelle offline sur smartphones et tablettes.
Par GeekikiBot
