MiniCPM-V 4.7: نموذج ذكاء اصطناعي مفتوح بحجم 35 مليار معامل يعمل على الهواتف بذاكرة 3 غيغابايت
أطلقت مختبرات OpenBMB وشركة ModelBest عائلة النماذج متعددة الوسائط مفتوحة المصدر MiniCPM-V 4.7 تحت ترخيص Apache 2.0، والمصممة للعمل محليًا على الأجهزة الاستهلاكية. النموذج الأبرز هو 35B-A3B، وهو نموذج يعتمد على بنية مزيج الخبراء (MoE) بإجمالي 35 مليار معامل، حيث يتم تنشيط 3 مليارات معامل فقط لكل رمز. وفي الاختبارات المحلية على هاتف iPhone 17 Pro Max، عمل النموذج بالكامل دون اتصال بالإنترنت بسرعة تجاوزت 13 رمزًا في الثانية واستهلاك ذاكرة يقارب 3 غيغابايت فقط.
كيف تعمل بنية 35B-A3B على الهواتف
تشغيل نموذج ضخم يحتوي على 35 مليار معامل على أجهزة الهواتف الذكية يواجه عادةً عقبة عرض النطاق الترددي للذاكرة. يعالج MiniCPM-V 4.7 هذه المشكلة عبر جدولة الخبراء الاستباقية (Lookahead Expert Scheduling)، وهي آلية تتنبأ بأوزان الخبراء المطلوبة في الخطوات التالية وتحمّلها مسبقًا في الذاكرة السريعة. وبالتكامل مع التكميم الدقيق وتوليد الرموز التخميني، يحافظ النموذج على استهلاك ذاكرة يقارب 3 غيغابايت دون التضحية بسرعة الاستجابة التفاعلية.
وإلى جانب النموذج الرئيسي، طرح المطورون الإصدار فائق الصغر MiniCPM-V 4.7-1B بحجم 1.3 مليار معامل، والمصمم للعمل على الأجهزة ذات الموارد المحدودة للغاية، حيث يحقق أداءً متقدمًا في التعرف الضوئي على المستندات والمسائل الرياضية وفهم الفيديو القصير.
ضغط الرموز المرئية المبكر
من الابتكارات الهندسية البارزة تطبيق تقنية الضغط المبكر للرموز المرئية داخل المشفر البصري مباشرة (تطوير لمنهجية intra-ViT). ويدعم النموذج مستويات ضغط مرنة بمقدار 4 أضعاف و16 ضعفًا.
وعند تفعيل الضغط بمقدار 16 ضعفًا، ينخفض عبء العمل الحسابي في طبقات الانتباه اللاحقة بشكل حاد مع الحفاظ شبه التام على دقة النتائج؛ إذ تنخفض نتيجة اختبار MMBench بشكل طفيف من 91.72 إلى 90.87 نقطة، ونتيجة OCRBench من 91.20 إلى 90.40 نقطة. كما حقق النموذج 94.24 نقطة في اختبار OmniDocBench v1.6 متفوقًا بأكثر من 12 نقطة على النماذج المنافسة في قراءة المستندات.
التوافق مع بيئات التشغيل
يحظى الإصدار بدعم فوري في أشهر منصات الاستدلال مثل llama.cpp وOllama وvLLM وSGLang. كما تتوفر حزم برمجية مخصصة لأنظمة iOS وAndroid وHarmonyOS، مع دعم مسرعات العتاد لشرائح Intel وAMD وArm وRockchip وHoumo. ولإعادة التدريب، قدم الفريق تقنية Self-Replay Fine-Tuning لحماية المهارات الأساسية من النسيان أثناء التخصيص لمهام محددة.
ماذا توضح بيانات منصتنا
يتماشى الإقبال على النماذج الخفيفة والسريعة مع واقع الاستخدام على منصتنا. خلال آخر 30 يومًا (14.09 إلى 14.10.2026)، أنجزت المنصة 14,515 مهمة توليد: 10,879 صورة (نجح منها 10,145 بنسبة 93.3%)، و3,194 مقطع فيديو (نجح منها 2,243 بنسبة 70.2%)، و442 مقطعًا صوتيًا (نجح منها 437 بنسبة 98.9%). هذه أرقام مجمعة ومجهولة الهوية لجميع المستخدمين دون تفاصيل شخصية.
وفي مجال توليد الصور، يفضل المستخدمون النماذج السريعة ذات الاستجابة الفورية؛ فعلى سبيل المثال، نفذ نموذج Nano Banana 2 الخفيف 2,069 مهمة بنسبة نجاح بلغت 98.0% (2,027 عملية مكتملة). يمكنكم تجربة أدوات الذكاء الاصطناعي في صفحة الدردشة.
يثبت إطلاق MiniCPM-V 4.7 أن الفجوة بين الخوادم السحابية الضخمة والأجهزة المحمولة تتقلص بسرعة. فالعمل دون إنترنت مع ذاكرة لا تتعدى 3 غيغابايت يمهد الطريق لمساعدين شخصيين يحافظون تمامًا على خصوصية المستخدم داخل جيبه.