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 OpenCompass 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 iPhone16ProMax 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 帧视频内容，实现
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 OCRBench 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。
创新机制与技术架构
MiniCPM-V4.5 引入了可控混合思维机制，用户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。
开源生态与部署支持
MiniCPM-V4.5 采用 Apache-2.0 许可证发布，支持学术研究免费使用，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 HuggingFace 和 GitHub 获取模型代码和文档，支持通过 Gradio 搭建本地 Web 界面，也可在 NVIDIAGPU 上进行推理加速。
应用前景与局限性
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。
行业影响
MiniCPM-V4.5 的发布体现了开源 AI 社区在端侧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，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
