5 月 11 日，面壁智能联合清华大学、OpenBMB 开源社区正式发布并开源了新一代端侧多模态大模型：MiniCPM-V 4.6。

这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模，实现了性能与效率的双重突破，在全球同尺寸模型中登顶，全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。

尤其在内存价格飞涨的当下，MiniCPM-V 4.6 只需 6G 内存即可在端侧流畅运行，真正实现了「低内存、极速跑」。这不仅极大降低了多模态大模型在各类智能终端上的落地门槛，也让面壁智能「智周万物」（AGI for Lives）的愿景离我们更近了一步。

MiniCPM-V 4.6 已同步上线魔乐社区，欢迎广大开发者下载体验！

🔗 模型链接：

https://modelers.cn/models/OpenBMB/MiniCPM-V-4.6

https://modelers.cn/models/OpenBMB/MiniCPM-V-4.6-Thinking

性能拔群，1.3B 实现同尺寸最佳

根据多个权威基准评测，MiniCPM-V 4.6 的两个版本（Instruct 与 Thinking）多模态综合能力均表现卓越，实现了全维度领跑。

• Instruct 版本：在通用图文理解、STEM 数理推理、文档 OCR、视频时序理解及目标定位等任务上，全面超越 Qwen3.5-0.8B、Gemma4-E2B-it 等模型。

• Thinking 版本：在多图像关联推理、幻觉抑制等高阶任务中，同样几乎全面领先。

在最新的 Artificial Analysis（AA）榜单评测中，MiniCPM-V 4.6 更是以 13 分的优异成绩跻身前列，超越了包括 Mistral 3-3B、Qwen 3.5-0.8B 在内的一众模型，成绩逼近 Qwen 3.5-2B，成为 1B 级开源模型中当之无愧的性能标杆。

效率反超，重新定义「智能密度」

除了性能惊艳，MiniCPM-V 4.6 在效率上也取得了堪称「反常识」的突破。

尽管参数规模比 Qwen3.5-0.8B 更大，但 MiniCPM-V 4.6 的运行效率却更快，实现了惊人的反超：

• 推理吞吐量：基于 vLLM 的 token 吞吐量是 Qwen3.5-0.8B 的 1.5 倍。

• 计算成本：在 AA 评测中，仅用 2.5% 的 token 消耗（5.4M vs 233M）就超越了 Qwen3.5-0.8B。

这意味着 MiniCPM-V 4.6 以极小的计算成本，撬动了极高的智能水平，是面壁智能「密度定律」的又一实践。

由此，用同样的硬件，开发者可以承载数倍的线上流量，或在端侧实现更极致的响应速度。

这一飞跃，让市面上几乎所有的个人设备（手机、电脑）都可以将 MiniCPM-V 4.6 高效地跑起来。

极致背后的硬核创新

惊人的性能与效率背后，是两大底层技术的硬核创新。

ViT 架构重构：图像编码计算量锐减 50%

视觉编码器（ViT）是多模态模型处理图像信息的核心组件，也是计算开销最集中的环节之一。 

MiniCPM-V 4.6 采用了面壁智能与清华大学联合研发的最新 LLaVA-UHD v4 技术，通过创新的 「ViT 内部视觉 token 早压缩」，在保证性能不掉点的前提下，大幅降低了视觉 token 的数量和计算量，相比传统 ViT 将图像编码开销锐减了 50%。

针对模型在处理高分辨率图像时的视觉编码效率问题，LLaVA-UHD v4 提出了一种高效的编码范式，可以在超越原有性能的同时，将视觉编码阶段的浮点运算量降低 55.8%。

• LLaVA-UHD v4 论文链接：https://huggingface.co/papers/2605.08985

LLaVA-UHD v4 主要包含两个核心设计：

• 高效切片编码：替代传统的全局编码，将高分辨率图像切分为多个区块处理，结构性地避免了注意力计算量随分辨率二次方增长的瓶颈。

• ViT 内早期压缩：在 ViT 的浅层就引入压缩模块，让后续绝大部分 ViT 层只需处理极少量 Token，从根源上降低了计算量。

这一改造，与 16倍 token 压缩协同工作，协同实现了极致的轻量化推理——用更少的计算资源，完成同等质量的图像理解任务。这也造就了 MiniCPM-V 4.6「参数更大，但跑得更快」的效率奇迹。

4倍/16倍混合 Token 压缩：性能与速度，按需切换

业界多模态基座模型普遍采用固定的 4 倍视觉 token 压缩率，而 MiniCPM-V 4.6 则打破常规，提供了业界领先的双模式切换：

• 4 倍压缩模式（性能优先）：适合高要求的文档解析、密集文字识别等细节敏感型任务；

• 16 倍压缩模式（速度优先）：适合实时交互、低算力环境、高并发部署等场景。

同一个模型，两种选择，开发者无需在性能和速度之间艰难取舍。

视觉 token 压缩率会影响到显存占用、首响延迟、推理吞吐、功耗等众多关键效率指标，压缩率越高、响应速度越快。MiniCPM-V 多模态大模型从 2024 年就推出了 16 倍压缩率，在行业内领先。

值得一提的是，面壁智能开创性的 16 倍压缩技术早已在产业界得到验证，例如快手在 2025 年发布的推荐大模型 OneRec，在处理海量视频多模态特征时便应用了 MiniCPM-V 系列模型，成功支撑了主场景 25% 的巨大流量请求。

得益于 16 倍视觉 Token 压缩这一核心技术，MiniCPM-V 4.6 在推理效率的两大关键维度上同时建立起显著优势：

1）在单并发首响延迟（TTFT）上，它把“分辨率—延迟”曲线压得几乎平坦，3136² 高清大图的 TTFT 仅 75.7 ms，较同基座规模的 Qwen3.5-0.8B 快 2.2 倍；

2）在高并发吞吐上，单卡可达 7013 token/s、54.79 张/s 的 1344² 图片处理能力，是 Qwen3.5-0.8B 的 1.5 倍，意味着同样的硬件可以承载数倍的线上流量。

这两个维度的数值指标，共同指向同一结论：

MiniCPM-V 4.6 用更短的视觉序列、更小的 KV-Cache，把多模态推理的端侧体感与云侧 ROI 同时推到了新的高度。

根据 AA 榜单评测，MiniCPM-V 4.6 1.3B（非推理版本）的运行仅消耗 5.4M token 量，仅为 Qwen3.5-0.8B（非推理版本，101M）的 1/19 与 Qwen 3.5-0.8B（推理版本，233M）的 1/43，模型智能密度为同尺寸模型范围内最高：

为开发者而生：一键部署，全链打通

MiniCPM-V 4.6 坚持开源，并为社区开发者准备了一套从微调到部署的「保姆级」开箱即用指南。

• 消费级显卡即可开跑，打破算力壁垒

大模型的微调往往让人对昂贵的算力集群望而却步，但 MiniCPM-V 4.6 将这个门槛降到了目前业内最低。

得益于极致精简的 1.3B 黄金参数量，开发者仅需一张 RTX 4090 等常见的消费级显卡，即可全量跑通整个微调流程。

这意味着，无论是个人开发者、高校研究团队还是初创公司，都能以极低成本快速验证 idea，实现多模态模型能力的本地化闭环定制。 

• 拥抱主流生态，微调与推理全链路打通

为了让开发者告别繁琐的环境配置，MiniCPM-V 4.6 实现了与主流开源生态的全面无缝对接：

1）微调框架全面支持：官方原生支持 ms-swift 与 LLaMA-Factory 等业内最受欢迎的微调框架。开发者只需准备好场景数据，修改几行配置，一键即可拉起专属模型的训练。 

2）推理框架全家桶兼容：在部署端，MiniCPM-V 4.6团队同步适配了 vLLM、SGLang、llama.cpp、Ollama 等顶级高性能推理框架。无论是追求极致并发的云端服务，还是苛求资源占用的端侧设备，MiniCPM-V 4.6 都能游刃有余地完成高效部署。 

• 垂直场景改造的最佳基座

极低的显存占用、极高的并发吞吐量、完备的上下游工具链——MiniCPM-V 4.6 天生就是为了被「爆改」而生，是开发者用于构建高并发计算、极速响应的垂直应用的高性价比多模态底座。

无论是云端高并发服务，还是端侧苛刻的资源占用，MiniCPM-V 4.6 都能游刃有余。

• 保姆级教程与部署指南

MiniCPM团队提供了详尽的端侧部署指南，助你轻松上手：

https://github.com/OpenBMB/MiniCPM-V-Apps/blob/main/README_zh.md 

始于开源，成于生态：让 AGI 走进千家万户

从 8B 到 4B，再到今天的 1.3B，MiniCPM-V 系列的每一次迭代，都不是能力的妥协，而是效率的跃升，是对端侧多模态能力边界的又一次实质性扩张。

目前，MiniCPM-V 系列模型已在汽车、PC、手机、智能家居等多个终端场景规模化落地，合作伙伴涵盖联想、吉利、上汽大众等数十家行业头部企业。

让 AI 的智能真正触达每一块屏幕、每一个终端，是我们的愿景，也是我们的使命。欢迎每一位开发者，与我们共同探索端侧 AI 的无限可能！