有感而发说几句。已经比较确信Llama3-V是对我们MiniCPM-Llama3-V 2.5套壳，比较有意思的证据是MiniCPM-Llama3-V 2.5研发时内置了一个彩蛋，就是对清华简的识别能力。这是我们从清华简逐字扫描并标注的数据集，并未公开，而Llama3-V展现出了一模一样的清华简识别能力，连做错的样例都一样。
人工智能的飞速发展离不开全球算法、数据与模型的开源共享，让人们始终可以站在SOTA的肩上持续前进。我们这次开源的 MiniCPM-Llama3-V 2.5 就用到了最新的Llama3 作为语言模型基座。而开源共享的基石是对开源协议的遵守，对其他贡献者的信任，对前人成果的尊重和致敬，Llama3-V团队无疑严重破坏了这一点。他们在受到质疑后已在Huggingface删库，该团队三人中的两位也只是斯坦福大学本科生，未来还有很长的路，如果知错能改，善莫大焉。
OpenBMB团队是开源社区的受益者，也一直是积极的贡献者，从最初的CPM模型、BM Infra系列，到后来的Ultra对齐技术、ChatDev等Agent项目系列，再到今年的MiniCPM。这次看到大家在twitter、github和pyq上对我们的支持和声援，让我们倍感欣慰，给我们更大的动力和信心继续拥抱开源共享。
这次事件还让我感慨的是过去十几年科研经历的斗转星移。回想2006年我读博时，大家的主要目标还是能不能在国际顶级会议上发篇论文；到2014年我开始做老师时，就只有获得国际著名会议的最佳论文等重要成果，才有机会登上系里的新闻主页；2018年BERT出来时，我们马上看到了它的变革意义，做出了知识增强的预训练模型ERNIE发在ACL 2019上，当时以为已经站到国际前沿了；2020年OpenAI发布了1700+亿参数GPT-3，让我们清醒认识到与国际顶尖成果的差距，知耻而后勇开始了「大模型」的探索；2022年底OpenAI推出的ChatGPT，让大众真切感受到AI领域国内外的差距，特别是2023年Llama等国际开源模型发布后，开始有「国外一开源、国内就自研」说法；而到了2024年的今天，我们也应该看到国内大模型团队如智谱-清华GLM、阿里Qwen、DeepSeek和面壁-清华OpenBMB正在通过持续的开源共享，在国际上受到了广泛的关注和认可，这次事件也算侧面反映我们创新成果受到的国际关注。
所以，从横向来看，我们显然仍与国际顶尖工作如Sora和GPT-4o有显著差距；同时，从纵向来看，我们已经从十几年的nobody，快速成长为人工智能科技创新的关键推动者。面向即将到来的AGI时代，我们应该更加自信积极地投身其中。
前段时间OpenBMB周年纪念，写过一段寄语，与大家共勉：「通用人工智能，是人类文明的共同梦想；人人为我、我为人人的开源精神，正是人类文明之光，迈向通用人工智能之路必须也必将由全人类智慧的开源共享而铸就。OpenBMB正是抱着这样的使命和愿景一路走来。星星之火，可以燎原，希望未来OpenBMB不断壮大，与全球AI从业者携手，加速迈向通用人工智能的星辰大海。」
欢迎关注点赞我们的MiniCPM-V项目：
github：https:// github.com/OpenBMB/Mini CPM-V
huggingface：openbmb/MiniCPM-Llama3-V-2_5 · Hugging Face
