模型 / 官方
可在手机端运行的超高效多模态大模型
OpenBMB 在 GitHub 上发布了 MiniCPM-V 项目，这是一款面向移动端设计的多模态大语言模型，能够在手机等边缘设备上高效完成图像和视频理解任务。该模型以极低的参数规模实现了与更大模型相近的多模态理解能力，主打轻量化与高效推理。MiniCPM-V 基于 Python 开发，支持多模态输入，涵盖图文问答、视频内容分析等典型应用场景。与此同时，OpenBMB 还推出了配套的 MiniCPM-o 版本，进一步拓展了模型的能力边界。该项目的发布标志着高性能多模态 AI 能力正在向端侧设备加速下沉，为资源受限环境下的 AI 应用提供了新的可能性。对于希望在移动端或嵌入式场景中集成视觉语言能力的开发者而言，MiniCPM-V 提供了一个兼顾性能与效率的开源选择。
OpenBMB 团队在 GitHub 上正式开源了 MiniCPM-V，这是一款专为移动设备和边缘计算场景设计的多模态大语言模型。该模型的核心目标是在参数量极为有限的前提下，实现对图像和视频内容的高质量理解与推理，使普通智能手机也能流畅运行复杂的视觉语言任务。
MiniCPM-V 采用 Python 开发，支持多模态输入处理，能够完成图文问答、视觉内容描述、视频片段分析等多种任务。其轻量化架构设计使得模型在推理速度和内存占用方面均表现出色，尤其适合算力资源受限的部署环境，如移动终端、IoT 设备以及离线推理场景。
与此同时，OpenBMB 还同步推出了 MiniCPM-o 版本，作为 MiniCPM-V 的扩展变体，进一步增强了模型在特定任务上的表现。两款模型共同构成了 MiniCPM 多模态系列，为开发者提供了灵活的选择空间，可根据实际应用需求在性能与效率之间进行权衡。
从技术趋势来看，MiniCPM-V 的发布契合了当前 AI 模型端侧化的整体方向。随着移动芯片算力的持续提升，将大模型能力下沉至终端设备已成为业界重要课题。MiniCPM-V 通过模型压缩与高效推理优化，在不依赖云端算力的情况下，为用户提供实时的多模态 AI 服务。
对于开发者社区而言，MiniCPM-V 的开源发布提供了一个可直接使用的轻量级多模态基座模型。无论是构建移动端视觉助手、离线文档分析工具，还是嵌入式视频监控应用，该模型都能作为高效的底层能力支撑，降低端侧多模态 AI 应用的开发门槛与部署成本。
要点
- MiniCPM-V 是专为手机等边缘设备设计的多模态大语言模型，支持图像与视频理解任务
- 模型以极低参数规模实现高效多模态推理，适合算力受限的移动端和嵌入式部署场景
- OpenBMB 同步推出 MiniCPM-o 扩展版本，共同构成 MiniCPM 多模态系列
- 项目完全开源，基于 Python 开发，为开发者提供可直接集成的轻量级视觉语言能力基座
原始标题：OpenBMB/MiniCPM-V — A Pocket-Sized MLLM for Ultra-Efficient Image and Video Understanding on Your Phone
本文由 DataHub 基于公开来源整理，用于信息发现与摘要阅读；具体事实、数据和后续更新以原始来源为准。