MiniCPM-V 4.7 1B：一个 1B 的多模态模型，想替你把终端侧 AI 真跑起来

2026年10月14日

MiniCPM-V 4.7：1B 参数，面向端侧多模态的「效率优先」发布

OpenBMB 放出了 MiniCPM-V 系列的新一代模型 MiniCPM-V 4.7，这次主推 1B 参数版本。它想做的事很直白：让手机、平板上真正跑起看图、看视频，而不是停留在「能加载、能出结果」的演示层面。对做边缘部署、端侧应用的团队来说，这算一个值得停下来看两眼的重磅发布。

模型页直接跟 Qwen3.5 0.8B 做对比，说 1B 版在 Instruct 模式下，总得分和推理效率都明显超出。这种「小模型互卷」的信号很明确——大家抢的不是参数大小，而是有限算力下谁的能力密度更高。MiniCPM-V 4.7 给的路线是效率优先：视觉 token 在编码器早期就做压缩，借鉴 LLaVA-UHD v4 那套 intra-ViT 早期压缩思路，后面的编码层计算量就能减下来。

token 压缩可以调档，支持 4x/16x 两档混合。16x 是默认，用合并 token 换效率；4x 保留的 token 是 16x 的四倍，适合抠细节的场景，比如高清大图、需要分辨细微差异的任务。它还配了一系列高级参数，max_slice_nums 控制高分图切多少片，大图设 36，视频用 1；视频这边还有 max_num_frames、stack_frames 控制抽帧和每秒采样点数。对真正写 pipeline 的人，这堆参数意味着能按任务精细调，而不是拿回家只能用固定配置。

部署面铺得挺开。iOS、Android、HarmonyOS 都支持，Rockchip、Houmo、Intel、AMD、Arm 这些芯片平台给了 day-0 支持，发布当天就能在对应硬件上跑。推理框架覆盖 SGLang、vLLM、llama.cpp、Ollama，微调走 SWIFT 和 LLaMA-Factory，量化版本给了 GGUF、BNB、AWQ、GPTQ 四件套之外，还新增了 FP8。权重总大小在 safetensors 上是 2B 参数、BF16，Ollama 上也能直接拉。

它还同时发了一个 DSpark 草稿模型，专门做投机解码（speculative decoding）。这招在端侧挺实用——用更小的草稿模型先猜，主模型再验证，能显著压低解码延迟。配合 1B 这个规模，看得出团队是把「端上真实体感」当成核心指标在抠，不只是堆功能表。

另有一个叫 Self-Replay Fine-Tuning（SRFT）的微调方法，官网博客里讲得比较细。它宣称的目标是让开发者在低成本下扩展模型能力，同时减少对既有能力的遗忘——想帮你自定义，又不想让你把本来会的东西改没了。「微调不丢本事」这点对想拿它做垂直场景定制的团队有吸引力，戳中的正是微调里最容易翻车的记忆灾难问题。

1B 路线要留意一点：它不是从零训的。致谢里写明语言主干来自 Qwen3.5/Qwen3.6，视觉理解模块用 SigLIP2，模型处理靠 Transformers。本质是把别人成熟的基座和视觉编码，跟自家在端侧、推理效率上的功夫捏在一起。这也说明小模型时代真正的差异化不在「我又训了个底模」，而在谁能把这套东西在有限资源里榨出最好的表现。

最后一句务实的话：这类发布页上的 benchmark 只能说明一部分问题，「overall score」提升不等于你的具体场景也提效。真要用，建议按自己任务先拿 Cookbook 里的单图、多图、视频、OCR、PDF、grounding 那几个 guide 跑一遍，把 downsample_mode、切图数这些参数在自己的数据上调一调，再看值不值。至少有一点是确定的：现在做端侧多模态，不用再拿几 B 起步的大模型硬塞进手机里了。

相关链接