OpenBMB 团队近日传来振奋人心的消息，宣布新一代多模态大模型 MiniCPM-V4.0 正式开源发布。这款模型凭借其轻量级架构与卓越性能，被业界誉为”手机上的 GPT-4V”，有望为移动设备上的 AI 应用带来革命性的突破，开启智能交互体验的新纪元。
MiniCPM-V4.0的核心魅力在于其精巧的设计理念。该模型基于 SigLIP2-400M 和 MiniCPM4-3B 融合构建，参数量仅为 4.1B，却在图像、多图像和视频理解方面展现出惊人的能力。它不仅能轻松处理单张图片，更能理解复杂的多图关联内容和视频片段，为用户带来前所未有的智能交互体验。
尽管参数量相对较小，MiniCPM-V4.0 的性能表现却令人叹为观止。在权威的 OpenCompass 八大主流评测基准上，该模型平均得分高达 69.0，不仅超越了 GPT-4.1-mini 和 Qwen2.5-VL-3B 等强劲对手，更在视觉理解方面展现出超凡实力。特别是在处理复杂场景时，其准确性和深度分析能力令人印象深刻，充分证明了其在多模态领域的领先地位。
MiniCPM-V4.0 的另一大突破性优势是专为移动设备进行的高度优化。在最新的 iPhone16Pro Max 上的实测显示，该模型首次响应延迟不到 2秒，解码速度超过 17token/秒，同时在运行时能有效控制设备发热，确保了极致流畅稳定的用户体验。此外，它还能处理高并发请求，非常适合在手机、平板电脑等边缘设备上的实际应用场景。
为了降低开发者的使用门槛，OpenBMB 团队提供了全方位的生态支持。MiniCPM-V4.0 兼容 llama.cpp、Ollama 和 vllm_project 等主流框架，为开发者提供了灵活多样的部署选择。团队还特别开发了 iOS 应用，支持在 iPhone 和 iPad 上直接运行，并发布了详细的 Cookbook，提供完整的教程和代码示例，让开发者能够轻松上手。
MiniCPM-V4.0 的应用场景极为广泛，主要包括：图像分析与多轮对话——用户可上传图片，让模型进行内容分析，并在此基础上进行连续对话；视频理解——能够深度分析视频内容，为需要处理视频信息的场景提供专业解决方案；OCR 与数学推理——模型具备识别图片中文字和解决数学问题的能力，极大提升了其实际工作和学习中的实用性。
MiniCPM-V4.0 的开源发布，不仅彰显了国内 AI 团队在轻量级模型研发上的卓越实力，更为全球开发者提供了探索移动端多模态技术的强大工具，为 AI 普惠化迈出了坚实的一步。这一突破性成果将推动多模态技术在移动设备上的广泛应用，开启智能生活的新篇章。
Github：https://github.com/OpenBMB/MiniCPM-oHugging Face：https://huggingface.co/openbmb/MiniCPM-V-4ModelScope：https://modelscope.cn/models/OpenBMB/MiniCPM-V-4CookBook：https://github.com/OpenSQZ/MiniCPM-V-CookBook