手机也能跑！面壁智能重磅发布 MiniCPM-V4.5:4.1 亿参数碾压 GPT-4.1-mini

技术突破: 更小参数，更强性能

MiniCPM-V4.5 基于 SigLIP2-400M 视觉模块与 MiniCPM4-3B 语言模型构建，总参数量仅为 4.1 亿，却在多项基准测试中展现出惊艳表现。据官方数据，MiniCPM-V4.5 在 OpenCompass 综合评估中取得 69.0 的平均得分，超越了 GPT-4.1-mini（20250414 版本，64.5 分） 以及 Qwen2.5-VL-3B-Instruct(64.5 分)，成为端侧多模态模型的性能标杆。相比前代 MiniCPM-V2.6(8.1 亿参数，65.2 分)，新模型在参数量大幅减少的同时，性能提升显著，充分体现了面壁智能在模型压缩与优化上的深厚技术积累。

多模态能力升级: 视觉、文本、视频全能

MiniCPM-V4.5 支持单图、多图及视频理解，并在高分辨率图像处理、OCR（光学字符识别） 以及多语言支持方面表现出色。

• 视觉能力: 模型可处理高达 180 万像素 （1344x1344）的图像，支持任意宽高比，OCR 性能在 OCRBench 上超越 GPT-4o、Gemini1.5Pro 等主流专有模型。
• 多图与视频理解: 在 Mantis-Eval、BLINK 和 Video-MME 等基准测试中，MiniCPM-V4.5 展现出领先的多图推理和视频时空信息处理能力，适用于复杂场景下的内容分析。
• 多语言支持: 继承 MiniCPM 系列的多语言优势，模型支持英语、中文、德语、法语、意大利语、韩语等 30 多种语言，为全球用户提供无缝的多模态交互体验。

高效部署: 专为边缘设备优化

MiniCPM-V4.5 在效率方面堪称典范。得益于其高 token 密度（处理 180 万像素图像仅需 640 个视觉 token，较多数模型减少 75%），模型在推理速度、首 token 延迟、内存占用和功耗上均有显著优化。测试显示，MiniCPM-V4.5 在 iPhone16ProMax 上实现首 token 延迟低于 2 秒，解码速度超过 17token/s，无明显发热问题。这使得模型能够轻松部署于智能手机、平板电脑等边缘设备，满足移动、离线和隐私保护场景的需求。

此外，MiniCPM-V4.5 支持多种部署方式，包括 llama.cpp、Ollama、vLLM 和 SGLang，并提供 iOS 应用支持，极大降低了开发者的使用门槛。

开放生态: 推动学术与商业创新

面壁智能延续其开放源代码的传统，MiniCPM-V4.5 遵循 Apache2.0 许可证，向学术研究人员完全开源，商业用户通过简单注册即可免费使用。这一举措进一步降低了多模态 AI 的进入壁垒，推动了学术研究与商业应用的双向发展。截至目前，MiniCPM 系列已在 GitHub 和 HuggingFace 上累计获得超百万次下载，成为边缘 AI 领域的标杆模型。

MiniCPM-V4.5 的发布不仅展示了面壁智能在多模态大模型领域的领先地位，也为边缘 AI 的普及化应用指明了方向。从实时视频分析到智能文档处理，再到多语言交互，MiniCPM-V4.5 的广泛适用性为教育、医疗、内容创作等行业带来了新的可能性。

AIbase 认为，随着端侧计算能力的快速提升和模型效率的持续优化，MiniCPM-V4.5 有望成为边缘设备上媲美云端 AI 的 「新常态」。

项目：https://huggingface.co/openbmb/MiniCPM-V-4_5