MiniCPM-V 4.6 的 1.3B 模型维度缩减技术重新定义了边缘多模态技术
5月11日,明视智能携手清华大学和OpenBMB开源社区,共同发布了全新的边缘端多模态大模型MiniCPM-V4.6。 尽管该模型规模精简——仅含13亿个参数——但凭借卓越的智能密度和跨平台适应性,这款轻量级模型突破了大型模型的局限,加速了边缘AI在实际场景中的部署。

1. 巅峰性能:13亿参数带来卓越表现
MiniCPM-V4.6 提供“Instruct”和“Thinking”两个版本,与同等规模的模型相比,两者在各类基准测试中均展现出令人印象深刻的推理和理解能力。
全球领先:在人工分析(AA)排行榜上, MiniCPM-V4.6 取得了令人瞩目的13 分,远超同等规模的竞争对手(如阿里巴巴的 Qwen3.5-0.8B 和谷歌的 Gemma4-E2B-it),同时其性能几乎可与 Qwen3.5-2B 等更大规模模型相媲美。 这为10亿参数模型树立了新的标杆。
先进能力:从通用图文理解、复杂的STEM数学推理,到高难度的文档OCR和视频时序理解,该模型均展现出强大的智能。其中,“Thinking”版本在多图推理和幻觉抑制方面尤为出色。
2. 效率突破:边缘端的极致智能密度
为解决边缘部署中的内存限制问题,MiniCPM-V4.6 在推理速度和资源效率方面进行了深度优化。
低内存占用:内存需求降至仅6GB,可在主流智能手机、PC 和智能家居设备上流畅运行。
推理效率:依托 vLLM 技术,推理吞吐量达到竞争对手的 1.5 倍。在边缘端处理 3136² 超高清图像时,首次响应延迟仅为75.7 毫秒——比竞争模型快 2.2 倍。
吞吐量:单张GPU每秒可生成7,013个令牌的文本,并以每秒54.79张的速度处理1,344²张图像,展现出卓越的效率。
3. 核心技术:LLaVA-UHD v4 最大限度降低开销
该模型的轻量级设计得益于明视智能与清华大学联合开发的LLaVA-UHD v4。
编码重构:通过重新设计的ViT图像编码和浅层压缩模块,图像编码开销减少50%,高精度浮点运算开销减少55.8%。
混合压缩:引入了4×/16×混合令牌压缩技术,可在“性能优先”和“速度优先”模式之间灵活切换。该技术已在快手推荐模型OneRec中经过验证,能够处理海量流量。
4. 生态系统部署:从实验室走向产业
MiniCPM-V4.6 的开源发布标志着技术与生态系统双重里程碑。
开发便捷:它与 ms-swift 和 LLaMA-Factory 等微调框架无缝集成,支持在单块 RTX 4090 GPU 上进行全规模微调。
跨平台支持:兼容 vLLM、Ollama 及其他主流框架,并提供适用于 iOS、Android 和 HarmonyOS 的测试版本,将 AI 带入更广泛的硬件领域。
实际应用影响:该模型系列已部署于汽车、PC、智能家居及工业检测等领域,合作伙伴包括联想、吉利、上汽大众、小米和OPPO。
相关文章
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work
Google 测试 Remy AI 代理,以 Gemini 为重点转向用户控制
根据《商业内幕》的报道,谷歌正在测试 Remy,这是 Gemini 的一款全新 AI 个人代理工具。该工具旨在代表用户执行任务,从而简化专业工作流程和日常事务。目前,Remy 正在 Gemini 应用的内部员工专属版本中进行测试。该报告引用了一份内部文件以及对两位熟悉该项目的个人的采访。内部资料将 Remy 描述为“全天候个人代理”,将 Gemini 定位为能够代表用户行事的主动助手。接近该项目的消息人士证实,谷歌员工正在积极测试 Remy。谷歌发言人拒绝提供进一步评论。该报告未提及公开发布
相关专题推荐
评论 (0)
0/500
5月11日,明视智能携手清华大学和OpenBMB开源社区,共同发布了全新的边缘端多模态大模型MiniCPM-V4.6。 尽管该模型规模精简——仅含13亿个参数——但凭借卓越的智能密度和跨平台适应性,这款轻量级模型突破了大型模型的局限,加速了边缘AI在实际场景中的部署。

1. 巅峰性能:13亿参数带来卓越表现
MiniCPM-V4.6 提供“Instruct”和“Thinking”两个版本,与同等规模的模型相比,两者在各类基准测试中均展现出令人印象深刻的推理和理解能力。
全球领先:在人工分析(AA)排行榜上, MiniCPM-V4.6 取得了令人瞩目的13 分,远超同等规模的竞争对手(如阿里巴巴的 Qwen3.5-0.8B 和谷歌的 Gemma4-E2B-it),同时其性能几乎可与 Qwen3.5-2B 等更大规模模型相媲美。 这为10亿参数模型树立了新的标杆。
先进能力:从通用图文理解、复杂的STEM数学推理,到高难度的文档OCR和视频时序理解,该模型均展现出强大的智能。其中,“Thinking”版本在多图推理和幻觉抑制方面尤为出色。
2. 效率突破:边缘端的极致智能密度
为解决边缘部署中的内存限制问题,MiniCPM-V4.6 在推理速度和资源效率方面进行了深度优化。
低内存占用:内存需求降至仅6GB,可在主流智能手机、PC 和智能家居设备上流畅运行。
推理效率:依托 vLLM 技术,推理吞吐量达到竞争对手的 1.5 倍。在边缘端处理 3136² 超高清图像时,首次响应延迟仅为75.7 毫秒——比竞争模型快 2.2 倍。
吞吐量:单张GPU每秒可生成7,013个令牌的文本,并以每秒54.79张的速度处理1,344²张图像,展现出卓越的效率。
3. 核心技术:LLaVA-UHD v4 最大限度降低开销
该模型的轻量级设计得益于明视智能与清华大学联合开发的LLaVA-UHD v4。
编码重构:通过重新设计的ViT图像编码和浅层压缩模块,图像编码开销减少50%,高精度浮点运算开销减少55.8%。
混合压缩:引入了4×/16×混合令牌压缩技术,可在“性能优先”和“速度优先”模式之间灵活切换。该技术已在快手推荐模型OneRec中经过验证,能够处理海量流量。
4. 生态系统部署:从实验室走向产业
MiniCPM-V4.6 的开源发布标志着技术与生态系统双重里程碑。
开发便捷:它与 ms-swift 和 LLaMA-Factory 等微调框架无缝集成,支持在单块 RTX 4090 GPU 上进行全规模微调。
跨平台支持:兼容 vLLM、Ollama 及其他主流框架,并提供适用于 iOS、Android 和 HarmonyOS 的测试版本,将 AI 带入更广泛的硬件领域。
实际应用影响:该模型系列已部署于汽车、PC、智能家居及工业检测等领域,合作伙伴包括联想、吉利、上汽大众、小米和OPPO。
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work





首页






