面壁智能（FaceWall Intelligence）携手清华大学NLP实验室，正式发布其最新端侧多模态大模型 MiniCPM-V4.5，标志着边缘AI技术迈向全新高度。
作为MiniCPM系列的最新力作，该模型以卓越的性能、高效的部署能力和广泛的应用场景，再次刷新了业界对端侧多模态模型的期待。以下，AIbase为您详细解析这一突破性技术。
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（1344×1344） 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 iPhone16Pro Max 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
声名：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。
