OpenBMB 團隊近日宣佈，新一代多模態大模型 MiniCPM-V4.0 正式開源發佈。該模型憑藉其輕量級架構和卓越性能，被譽爲“手機上的 GPT-4V”，有望爲移動設備上的 AI 應用帶來革命性的突破。

MiniCPM-V4.0的核心在於其精巧的設計。它基於 SigLIP2-400M 和 MiniCPM4-3B 構建，參數量僅爲 4.1B，卻在圖像、多圖像和視頻理解方面展現出強大的能力。這使得它不僅能輕鬆處理單張圖片，還能理解複雜的多圖關聯內容和視頻片段，爲用戶帶來更智能的交互體驗。

儘管參數量小，MiniCPM-V4.0的性能表現卻令人驚歎。在權威的 OpenCompass 八大主流評測基準上，該模型平均得分高達 69.0，超越了 GPT-4.1-mini 和 Qwen2.5-VL-3B 等一衆競爭對手。這一成績證明了其在視覺理解方面的強大實力，尤其是在處理複雜場景時，其準確性和深度分析能力令人印象深刻。

MiniCPM-V4.0的另一大亮點是其專爲移動設備進行的高度優化。在最新的 iPhone16Pro Max 上的實測顯示，該模型首次響應延遲不到 2秒，解碼速度超過 17token/秒，並且在運行時能有效控制設備發熱，確保了流暢穩定的用戶體驗。此外，它還能處理高併發請求，非常適合在手機、平板電腦等邊緣設備上的實際應用。

爲了降低開發者的使用門檻，OpenBMB 團隊提供了豐富的生態支持。MiniCPM-V4.0兼容 llama.cpp、Ollama 和 vllm_project 等主流框架，爲開發者提供了靈活多樣的部署選擇。團隊還專門開發了 iOS 應用，支持在 iPhone 和 iPad 上直接運行，併發布了詳細的 Cookbook，提供完整的教程和代碼示例。

MiniCPM-V4.0的發佈，爲多模態技術的應用開闢了新天地。其主要應用場景廣泛，包括:

  • 圖像分析與多輪對話: 用戶可以上傳圖片，讓模型進行內容分析，並在此基礎上進行連續對話。

  • 視頻理解: 能夠分析視頻內容，爲需要處理視頻信息的場景提供解決方案。

  • OCR 與數學推理: 模型具備識別圖片中文字和解決數學問題的能力，大大提升了其在實際工作和學習中的實用性。

MiniCPM-V4.0的開源，不僅展示了國內 AI 團隊在輕量級模型研發上的卓越實力，也爲全球開發者提供了探索移動端多模態技術的強大工具，爲 AI 普惠化邁出了堅實的一步。

Github：https://github.com/OpenBMB/MiniCPM-o

Hugging Face：https://huggingface.co/openbmb/MiniCPM-V-4

ModelScope：https://modelscope.cn/models/OpenBMB/MiniCPM-V-4

CookBook：https://github.com/OpenSQZ/MiniCPM-V-CookBook