做到這麼好的效果，MiniGPT-4實現起來卻並不複雜。

把圖像編碼器與開來源語言模型Vicuna整合起來，並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個圖像文本的高品質資料集，也一併開源。

用新的資料集微調可以顯著提高模型的生成可靠性和整體可用性，而且運算效率很高，使用單個A100只需要7分鐘。

並且團隊正在準備一個更羽量級的版本，部署起來只需要23GB的VRAM。 也就是消費級顯示卡中擁有24GB VRAM的3090或4090就可以在本地端執行了。

MiniGPT-4開發團隊來自KAUST（沙烏地阿拉伯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。