清华系团队出手！一张 4090 即可「爆改」，1.3B小钢炮震撼开源

端侧多模态，卷出新天花板。仅1.3B，性能反超，效率翻倍，一张4090就能「爆改」。刚刚，清华系团队面壁智能开源了新一代「小钢炮」MiniCPM-V 4.6，再次证明了在端侧AI领域，中国团队已然站在世界前沿。

想象一下：你将一支笔放进装满水的玻璃杯，用手机拍下照片，然后问它：「这个现象的原因是什么」？

几秒钟后，手机屏幕上出现了「光的折射」的准确回答和原理解释，视觉问答表现惊人：

还有机票识别，文字提取精准：

整个过程丝滑流畅，没有联网，没有等待云端服务器的响应，不产生天价token账单。

而实现这一切的，不是云端某个需要排队等API的千亿参数模型，而是一个刚刚开源、仅有1.3B的「小钢炮」——MiniCPM-V 4.6。

5月11日，「国产端侧大模型担当」面壁智能联合清华大学、OpenBMB开源社区正式开源了新一代端侧多模态大模型MiniCPM-V 4.6。

MiniCPM-V 4.6一经发布，立即给1B量级多模态模型重新划定了起跑线，给日趋白热化的端侧AI赛道投下了一枚重磅炸弹！

它不仅在性能上全面超越了阿里 Qwen3.5-0.8B和谷歌Gemma4-E2B-it等同级对手，更在效率上实现了惊人的「反超」——参数更大，跑得却更快。

这波操作，直接打破了行业里「小尺寸=阉割版」的常规认知。

MiniCPM-V 4.6用扎实硬核的数据向行业证明：1B级模型，也可以是性能强悍、足以在端云两栖部署的工业级武器。

此外，在尺寸上，MiniCPM-V 4.6是MiniCPM-V系列模型上有史以来参数规模最小的模型，只有1B左右，但智能密度却为同尺寸模型范围内最高，这再次验证了面壁智能在2024年提出并登上Nature子刊的「密度定律」。

根据Artificial Analysis（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、Qwen 3.5-0.8B（推理版本，233M）的1/43：

Hugging Face：

https://huggingface.co/openbmb/MiniCPM-V-4.6

GitHub：

https://github.com/OpenBMB/MiniCPM-V

Modelscope：

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

Web Demo：

https://huggingface.co/spaces/openbmb/MiniCPM-V-4.6-Demo

APP Demo：

https://github.com/OpenBMB/MiniCPM-V-Apps

性能越级，效率反超

体感是最终标准

Talk is cheap，直接上数据。

在多个主流Benchmark上，MiniCPM-V 4.6的表现突出一个「反常识」。

无论是做通用图文理解、解数学题，还是搞文档OCR，它的Instruct版和Thinking版基本都是乱杀局，全面碾压Qwen3.5-0.8B与Gemma4-E2B-it。

在更看综合实力的Artificial Analysis（AA）榜单上，MiniCPM-V 4.6的得分也表现出色，领先Mistral 3 3B、Qwen 3.5-0.8B等在内的一众模型一个身位，成为了1B多模态大模型赛道的「新科状元」！

但真正让技术圈高潮的，是它的效率！

• 推理吞吐量：直接干到1.5倍

拿一张4090跑高并发，MiniCPM-V 4.6处理高清图的吞吐量是Qwen3.5-0.8B 的 1.5倍。

什么概念？一样的服务器成本，你能扛住过去1.5倍的用户流量。对于SaaS服务来说，这就是赤裸裸的利润。

• 首响延迟（TTFT）：延迟曲线被拉直了！

处理3136²的超高清大图，它的首响延迟比对手快了2.2倍。更惊人的是，当图片分辨率暴涨49倍，它的延迟增长居然不到2.5倍。

这条几乎被「拉直」的延迟曲线，意味着你的4090无论加载多大的图，用户体感都差不多——一个字，稳！

这两个维度共同指向同一个结论：MiniCPM-V 4.6用更短的视觉序列和更小的 KV-Cache，把端侧体感与云侧ROI同时推到了新的高度。

对端侧产品而言，这意味着流畅；对云端工业场景而言，这意味着同等成本下的吞吐翻倍。

参数更大，跑得更快，这听起来就像是物理学不存在了。但这背后，是两个非常硬核的架构创新。

技术深扒：这效率「外挂」是怎么开的？

为什么一个比Qwen3.5-0.8B参数更大的模型，反而跑得更快？

答案藏在MiniCPM-V 4.6的两项核心架构创新里：一个是ViT架构创新，另一个是4倍/16倍混合视觉token压缩率。

ViT架构重构

LLaVA-UHD v4开路

传统ViT（视觉编码器） 在编码图像时，会让大量冗余视觉token一路跑完全程，造成显著的算力浪费。

就像个耿直的打工人，收到一堆视觉Token（图像信息块），不管有用没用、全部拉通处理一遍，计算量巨大。

而MiniCPM-V 4.6不当「老实人」，采用了面壁智能联合清华大学自研的LLaVA-UHD v4技术，在 ViT 内部很早就把没用的Token给优化掉了，提前完成视觉token的压缩，算力直接节省约50%！

也就是说，仅在图像编码这一环节，MiniCPM-V 4.6就比传统ViT路线少跑了一半的开销，且性能不掉点。

这也是为什么 MiniCPM-V 4.6虽然参数比Qwen3.5-0.8B略大，却在推理效率上实现反超的根本原因。

具体是怎么做到的？

主要是LLaVA-UHD v4围绕两个方向做了优化：如何更高效地看高清大图，以及如何更早地减少视觉Token带来的计算负担。

一是「切片大法」：不傻乎乎地处理整张高清大图，而是先切成小块，分而治之。这样Attention计算量就不会随分辨率指数爆炸。MiniCPM-V 4.6的研究团队做了不同尺寸和不同数据量的模型试验，证明切片相比于全局编码不掉点——这实际是一个「反常识」的技术突破。

二是「提前压缩」：最关键的一步。在ViT刚开始工作没多久，就用一个精巧的压缩模块（Intra-ViT Early Compressor）把Token数量压下来。这样一来，后续ViT层的计算开销节省75%+。

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

通过这一设计，视觉Token压缩可以稳定地前移到 ViT 浅层，在大幅降低后续计算量的同时，仍然保持较好的图像表征质量和下游任务表现。

这就是MiniCPM-V 4.6「效率反超」的秘密武器：在最耗算力的环节，只干最该干的活。

4倍/16倍混合压缩

给足开发者选择权

视觉token压缩率，影响的是显存占用、首响延迟、推理吞吐、功耗这些核心效率指标，压缩率越高，响应速度就越快。

市面上的多模态大模型，绝大部分都焊死在了固定的4倍压缩上。而MiniCPM-V系列从2024年起就率先支持16倍压缩，此前支持在4倍/16倍中二选一，但这次MiniCPM-V 4.6实现了鱼和熊掌可兼得：

• 4倍模式（精度更高）：适合高要求识别任务，如文档解析、密集文字识别等。跑文档识别、医疗影像这种任务，一个像素都不能错。
• 16倍模式（速度更快）：跑手机端实时交互、云端高并发API，速度就是生命线。

这个设计，让同一个模型既能塞进手机里做你的随身AI，又能部署在云端扛住千万级日活。两全其美，开发者便无需做取舍。

这可不是PPT技术。快手的推荐大模型OneRec，扛下主场景25%的流量，就采用了MiniCPM-V系列模型。16倍压缩的工业级实战能力，已经被真金白银验证过了。

论文地址：

https://arxiv.org/abs/2502.18965

只需一张 4090

为「魔改」而生的开源生态

技术再牛，部署和微调不行、开发者照样不买账。

面壁智能这次直接把开发者体验拉满了。

最炸裂的一点是：一张消费级的RTX 4090，就能完整跑下全量微调！

这意味着什么？无论是独立开发者、小团队还是学术圈，多模态模型的定制化开发，都能用得起MiniCPM-V 4.6，门槛从「服务器集群」直接降到了「一台高性能PC」。这才是真正的AI普惠！

配套的工具链也安排得明明白白！

MiniCPM-V 4.6实现了与当前主流开源生态的全面无缝对接，让开发者彻底告别繁琐的环境配置：

• 微调：原生支持最火的LLaMA-Factory和ms-swift——

微调框架

LLaMA-Factory：

MiniCPM-V-CookBook/finetune/finetune_minicpmv46_zh.md at main · OpenSQZ/MiniCPM-V-CookBook

ms-swift：

MiniCPM-V-CookBook/finetune/finetune_minicpmv46_zh.md at main · OpenSQZ/MiniCPM-V-CookBook

• 推理：vLLM、SGLang、llama.cpp、Ollama全家桶无缝衔接——

推理框架：

vLLM：

https://github.com/OpenSQZ/MiniCPM-V-CookBook/blob/main/deployment/vllm/minicpm-v4_6_vllm_zh.md

SGLang：

https://github.com/OpenSQZ/MiniCPM-V-CookBook/blob/main/deployment/sglang/minicpm-v4_6_sglang_zh.md

llama.cpp：

https://github.com/OpenSQZ/MiniCPM-V-CookBook/blob/main/deployment/llama.cpp/minicpm-v4_6_llamacpp.md

Ollama：

https://github.com/OpenSQZ/MiniCPM-V-CookBook/blob/main/deployment/ollama/minicpm-v4_6_ollama_zh.md

极低的显存占用、极高的并发吞吐量、完备的上下游工具链——可以说

MiniCPM-V 4.6天生就是为了被「魔改」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。

它把最硬核的底层优化做完，把最灵活的改造空间留给了社区。

附端侧部署指南：

https://github.com/tc-mb/MiniCPM-V-edge-demo/blob/main/README_zh.md

从「被抄袭」到「定义者」

端侧 AI 的中国叙事

从2024年4月的V 2.0算起，MiniCPM-V已经走过了6代。

截至2026年3月，MiniCPM-V系列在开源社区累计下载量已接近3000万，多次霸榜GitHub Trending与HuggingFace趋势榜。

在产业落地端，已先后服务于联想、吉利、上汽大众、广汽、马自达、红旗等厂商，覆盖汽车、PC、手机、智能家居等多场景。

回顾面壁智能的MiniCPM-V系列，你会发现一条非常清晰的进化路径——追求极致的「智能密度」。

也就是，用最小的代价，干最智能的事。

从2024年面壁智能密度定律登上《Nature子刊》，到MiniCPM-V2.5被斯坦福研究团队「套壳」引发全球关注，再到今天MiniCPM-V 4.6用1.3B模型重新定义端侧效率，面壁智能已经变成端侧AI赛道的最大「定义者」。

MiniCPM-V 4.6的发布，不只是一个更强的模型，更是一个信号：端侧AI的「妥协」时代，正在结束。

MiniCPM-V 4.6证明了：1B多模态模型可以又强又快又省，也可以同时担任端侧最佳基座和云端高并发利器。

面壁在做的事情，从来不是卷参数、卷榜单。

他们在用一种近乎偏执的方式，把AI能力塞进每一块你能想到的屏幕里——手机、平板、车载屏、智能家居面板、工厂质检终端……凡是有屏幕、有芯片的地方，都是他们想覆盖的场景。这便是所谓「智周万物」。

文章来自于"新智元"，作者 "YHluck"。