Lar
A MingTang Intelligent apresenta o MiniCPM-V 4.7 para Dispositivos de Borda, oferecendo mais de 13 tokens/s em 3GB de memória
A Mingshi Intelligence apresentou seu mais recente modelo de grande linguagem multimodal de borda, o MiniCPM-V 4.7, disponível em duas configurações: 35B-A3B e 1B. A variante 35B-A3B marca o primeiro modelo de Mistura de Especialistas (MoE) na série MiniCPM-V, aproveitando uma tecnologia proprietária de "agendamento de especialistas prospectivo" para oferecer inferência suave e sem perdas em dispositivos de borda, tornando-se o primeiro MoE de código aberto capaz de funcionar de forma eficiente sem dependência da nuvem.

A métrica mais destacada é seu desempenho: em um iPhone 17 Pro Max, o modelo consome apenas 3 GB de memória, enquanto alcança uma velocidade de decodificação superior a 13 tokens por segundo. Essa eficiência permite o raciocínio multimodal local em smartphones de alta gama, eliminando a necessidade de transmitir dados para a nuvem e garantindo maior privacidade e latência reduzida.
Suporte multiplataforma e soluções de ajuste fino de código aberto
Quanto à compatibilidade, a versão 4.7 suporta iOS, Android e HarmonyOS, sendo otimizada para arquiteturas de chip que incluem Intel, AMD, Arm, Rockchip e Huanmo, abrangendo tanto ambientes móveis quanto de computação local. A Mingshi também lançou a solução de Ajuste Fino por Replay Automático (SRFT), capacitando os desenvolvedores a expandir as capacidades do modelo com custos mais baixos e mitigar o esquecimento catastrófico, simplificando assim o desenvolvimento secundário.
Os benchmarks de desempenho são igualmente impressionantes: no modo Instrução, a variante 35B-A3B supera o Qwen3.6 35B-A3B com tempos de inferência mais rápidos e pontuações gerais mais altas, enquanto a versão 1B se baseia na versão anterior 4.6, demonstrando vantagens significativas na pontuação geral e na eficiência da inferência em comparação com o Qwen3.5 0.8B. À medida que os modelos de borda se tornam cada vez mais compactos e competitivos, a mais recente iteração da Mingshi reduz ainda mais a barreira para implantar modelos MoE diretamente em smartphones.
Artigo relacionado
O chip Vera da Nvidia: a aposta de US$ 200 bilhões que Jensen Huang quer que você note
O chip Nvidia Vera raramente ocupa as manchetes quando os lucros superam as expectativas, mas merece o destaque. Com a receita do primeiro trimestre atingindo US$ 81,62 bilhões — superando as estimativas dos analistas de US$ 78,86 bilhões — e uma ori
A Gamma adquire a Lica, apoiada pela Accel, para fortalecer suas capacidades de design
Gamma, uma plataforma de apresentações líder, adquiriu a Lica, uma startup de design apoiada pela Accel, para estabelecer um laboratório dedicado à pesquisa em design, segundo relatórios exclusivos do TechCrunch. Os cofundadores da Lica liderarão ess
A Zhipu MaaS apresentará um mecanismo de não preservação de dados, com conteúdo destruído após o uso
Em 21 de setembro, a plataforma MaaS da Zhipu anunciou o lançamento iminente de um recurso de “não armazenamento de conteúdo de dados”, oferecendo às empresas e desenvolvedores salvaguardas aprimoradas de privacidade de dados. Esse mecanismo garante
Recomendações de tópicos especiais relacionados
Comentários (0)
A Mingshi Intelligence apresentou seu mais recente modelo de grande linguagem multimodal de borda, o MiniCPM-V 4.7, disponível em duas configurações: 35B-A3B e 1B. A variante 35B-A3B marca o primeiro modelo de Mistura de Especialistas (MoE) na série MiniCPM-V, aproveitando uma tecnologia proprietária de "agendamento de especialistas prospectivo" para oferecer inferência suave e sem perdas em dispositivos de borda, tornando-se o primeiro MoE de código aberto capaz de funcionar de forma eficiente sem dependência da nuvem.

A métrica mais destacada é seu desempenho: em um iPhone 17 Pro Max, o modelo consome apenas 3 GB de memória, enquanto alcança uma velocidade de decodificação superior a 13 tokens por segundo. Essa eficiência permite o raciocínio multimodal local em smartphones de alta gama, eliminando a necessidade de transmitir dados para a nuvem e garantindo maior privacidade e latência reduzida.
Suporte multiplataforma e soluções de ajuste fino de código aberto
Quanto à compatibilidade, a versão 4.7 suporta iOS, Android e HarmonyOS, sendo otimizada para arquiteturas de chip que incluem Intel, AMD, Arm, Rockchip e Huanmo, abrangendo tanto ambientes móveis quanto de computação local. A Mingshi também lançou a solução de Ajuste Fino por Replay Automático (SRFT), capacitando os desenvolvedores a expandir as capacidades do modelo com custos mais baixos e mitigar o esquecimento catastrófico, simplificando assim o desenvolvimento secundário.
Os benchmarks de desempenho são igualmente impressionantes: no modo Instrução, a variante 35B-A3B supera o Qwen3.6 35B-A3B com tempos de inferência mais rápidos e pontuações gerais mais altas, enquanto a versão 1B se baseia na versão anterior 4.6, demonstrando vantagens significativas na pontuação geral e na eficiência da inferência em comparação com o Qwen3.5 0.8B. À medida que os modelos de borda se tornam cada vez mais compactos e competitivos, a mais recente iteração da Mingshi reduz ainda mais a barreira para implantar modelos MoE diretamente em smartphones.
O chip Vera da Nvidia: a aposta de US$ 200 bilhões que Jensen Huang quer que você note
O chip Nvidia Vera raramente ocupa as manchetes quando os lucros superam as expectativas, mas merece o destaque. Com a receita do primeiro trimestre atingindo US$ 81,62 bilhões — superando as estimativas dos analistas de US$ 78,86 bilhões — e uma ori
A Gamma adquire a Lica, apoiada pela Accel, para fortalecer suas capacidades de design
Gamma, uma plataforma de apresentações líder, adquiriu a Lica, uma startup de design apoiada pela Accel, para estabelecer um laboratório dedicado à pesquisa em design, segundo relatórios exclusivos do TechCrunch. Os cofundadores da Lica liderarão ess
A Zhipu MaaS apresentará um mecanismo de não preservação de dados, com conteúdo destruído após o uso
Em 21 de setembro, a plataforma MaaS da Zhipu anunciou o lançamento iminente de um recurso de “não armazenamento de conteúdo de dados”, oferecendo às empresas e desenvolvedores salvaguardas aprimoradas de privacidade de dados. Esse mecanismo garante











