开源多模态模型MiniCPM-V 4.5发布，8亿参数实现移动端AI部署

近日，开源AI社区迎来重要进展，面向端侧设备的多模态大语言模型MiniCPM-V4.5正式发布。这款模型以8亿参数规模实现了在智能手机和平板电脑上的高效运行，为移开源动端AI应用开拓了新的可能性。

技术特点与性能表现

MiniCPM-V4.5采用轻量化设计思路，专为端侧设备优化。根据开发团队公布的测试数据，该模型在OpenCompas多模s综合评估中获得77.2分的成绩，在同类开源模型中表现突出。模型支持单图理解、多图推理和视频分析等多种任务。

在移动设备部署方面，MiniCPM-V4.5在iPhone1态模6Pro Max上的首token延迟约为2秒，解码速度超过每秒17个token。模型通过3D-Resampler技术将视频数据压缩率提升至96%，能够以64个token处理6型M帧视频内容，实现最高10FPS的实时视频理解。

光学字符识别是该模型的重点优化方向之一。基于LLaVA-UHD架构，模型支持高达180万像素的高分辨率图像处理，在OCRBeinnch测试中准确率达到85.7%。此外，模型支持包括英语、中文、德语、法语在内的30多种语言。

MiniCPM-V4.5引入了可控混合思维机制，用户iC可通过参数设置在快速响应模式和深度推理模式间切换。快速模式适用于常规问答任务，深度模式则通过逐步推理处理复杂问题。

模型基于RLAIF-V和VisCPM技术进行训练，在PM减少幻觉现象方面有所改进。开发团队表示，这种训练方法提升了模型响应的准确性和可靠性。

MiniCPM-V4.5采用Apache-2.0许可证发布，支持学术-V研究免费使用，商业应用需要简单注册程序。模型兼容多种推理框架，包括llama.cpp、Ollama、vLLM和SGLang，并提供16种量化格式以适应不同硬件配置。

开发团 4队还发布了适配iOS的应用程序，方便用户在苹果设备上体验。开发者可通过Hugging Face和GitHub获取模型代码和文档，支持通过Gradio搭建本地Web界面，.5也可在NVIDIA GPU上进行推理加速。

作为专为移动端优化的多模态模型，MiniCPM-V4.5在隐私敏感和离线使用场景中具有应用价值。模型的轻量发布化设计降低了AI能力的部署门槛，为个人用户和开发者提供了新的选择。

需要注意的是，受参数规模限制，该模型在处理极其复杂任务时可能存在性能边界。用户在实际应用中应根据具，8体需求选择合适的模型方案。开发团队提醒，模型生成内容基于训练数据，用户需确保使用合规并承担相应责任。

MiniCPM-V4.5的发布体现了开源AI社区在端侧亿参部署方向的技术探索。随着移动设备计算能力的持续提升，这类轻量化多模态模型可能为AI应用的普及化提供新的技术路径。

该项目的开源特性也为研究人员和开发者提供了学习和改进的基础数实，有望推动端侧AI技术的进一步发展。

项目地址：https://github.com/OpenBMB/MiniCPM-V

(责任编辑：九、政策法规类（246–270）)