華人團隊迷你GPT-4搶跑看圖聊天：OpenAI有的它都有，服務器已被擠爆
看美食寫菜譜，手繪網頁變代碼
夢晨 發自 凹非寺
量子位 | 公眾號 QbitAI
GPT-4識圖功能遲遲不開放，終于有人忍不住自己動手做了一個。
MiniGPT-4來了，Demo開放在線可玩。
傳一張海鮮大餐照片上去，就能直接獲得菜譜。
傳一張商品效果圖，就可以讓AI寫一篇帶貨文案。
手繪一個網頁，可以給出對應的HTML代碼
除了生產力拉滿，也支持根據常識推理圖上內容是否合理、解釋表情包為什么好笑，以及看截圖找電影等娛樂玩法。
可以說，GPT-4發布時展示過的功能，MiniGPT-4基本也都有了。
這下網友直接把Demo服務器擠爆，開發團隊連開4臺備用服務器，都有幾十人在排隊。
不等OpenAI了，現在就能玩
除了研究團隊給出的示例，網友也用MiniGPT-4玩出了各種花樣
有人上傳自己畫的畫，讓AI評價評價。
有人上傳一張從車道拍攝的飛機墜毀瞬間，讓MiniGPT-4盡可能詳細地描述，并思考自動駕駛AI能不能理解這個場面。
做到這么好的效果，MiniGPT-4實現起來卻并不復雜。
把圖像編碼器與開源語言模型Vicuna（小羊駝）整合起來，并且凍結了兩者的大部分參數，只需要訓練很少一部分。
傳統預訓練階段，使用4張A100在10個小時內就可完成，此時訓練出來的Vicuna已能夠理解圖像，但生成能力受到很大影響。
為解決這個問題，團隊讓MiniGPT-4與ChatGPT合作創建了3500個圖像文本的高質量數據集，也一并開源。
用新的數據集微調可以顯著提高模型的生成可靠性和整體可用性，而且計算效率很高，使用單個A100只需要7分鐘。
并且團隊正在準備一個更輕量級的版本，部署起來只需要23GB顯存。
也就是消費級顯卡中擁有24GB顯存的3090或4090就可以本地運行了。
MiniGPT-4開發團隊來自KAUST（沙特阿卜杜拉國王科技大學），包括4位華人成員和他們的導師 Mohamed Elhoseiny。
兩位正在讀博的共同一作還在GitHub頁面上特別標注正在找工作。
有意向的公司要抓緊搶人了～
在線Demo：
https://minigpt-4.github.io
開源代碼：
https://github.com/Vision-CAIR/MiniGPT-4
論文：
https://github.com/Vision-CAIR/MiniGPT-4/blob/main/MiniGPT_4.pdf
- 英偉達自毀CUDA門檻！15行Python寫GPU內核，性能匹敵200行C++2025-12-08
- GPT-5-Thinking新訓練方法公開：讓AI學會懺悔2025-12-04
- GPT5.5代號“蒜你狠”曝光！OpenAI拉響紅色警報加班趕制新模型，最快下周就發2025-12-03
- 華爾街尬捧TPU學術界懵了：何愷明5年前就是TPU編程高手，多新鮮2025-11-30
相關閱讀
