小米正式开源多模态大模型Xiaomi MiMo-VL-7B，凭借仅7B参数量，在各类多模态任务（包括图片、视频和语言推理）上实现出色表现，甚至超越阿里Qwen-2.5-VL-72B等参数体量达其十倍的闭源大模型。MiMo-VL-7B通过高质量预训练数据和混合在线强化学习算法，强大视觉感知能力与通用性使其成为开源社区中的新佼佼者。

核心亮点

  • 小参数，大能力
    • 仅7B参数，性能远超规模更大的闭源模型，如Qwen-2.5-VL-72B。
  • 多任务通用性
    • 在图片、视频、语言等多模态推理任务中均有卓越表现。
  • 创新训练方法
    • 采用高质量预训练数据和混合在线强化学习算法，进一步提升模型泛化与推理能力。
  • 优异应用与赛事成绩
    • 学术竞赛斩获佳绩，落地于复杂图片推理、GUI操作等实际应用，显著优化用户体验。
  • 完全开源
    • 全量模型、权重及训练资源已在 HuggingFace 平台上线，助力AI社区加速创新。

 详情与体验
MiMo-VL-7B（HuggingFace）

小米MiMo-VL-7B，以小博大，领跑多模态AI开源新时代，推动视觉推理与人机交互创新升级！