OpenBMB 开源社区/MiniCPM-V-4.6-Thinking
模型介绍文件和版本Pull Requests讨论分析
下载使用量0

一款适用于手机端的超高效图像与视频理解袖珍型多模态大模型

GitHub | 使用指南 | 演示 | 飞书

MiniCPM-V 4.6 Thinking

MiniCPM-V 4.6 Thinking 是 MiniCPM-V 4.6 的长思维链推理版本。它在生成最终答案前会生成显式的推理轨迹，显著提升了在复杂多模态推理、数学以及 OCR 密集型任务上的性能，同时保持了与 MiniCPM-V 4.6 相同的边缘友好型架构（SigLIP2-400M 视觉编码器 + Qwen3.5-0.8B 大语言模型）和 4x/16x 混合视觉 token 压缩技术。

评估

整体性能（Thinking 版本）

点击查看 MiniCPM-V 4.6（Instruct 版本）性能。

点击查看 MiniCPM-V 4.6 推理效率结果。

高并发吞吐量

单请求首次 token 输出时间（毫秒）

示例

综合展示

MiniCPM-V 4.6 可部署于三大主流端侧平台 —— iOS、Android 和 HarmonyOS。以下片段均为手机设备上未经编辑的原始屏幕录制。

iPhone
iPhone 17 Pro Max		Android
Redmi K70		HarmonyOS
HUAWEI nova 14

使用方法

使用 Transformers 进行推理

安装 
pip install "transformers[torch]>=5.7.0" torchvision torchcodec

关于 CUDA 兼容性的说明： torchcodec（用于视频解码）可能与某些 CUDA 版本存在兼容性问题。例如，torch>=2.11 默认捆绑 CUDA 13.1，而 CUDA 12.x 环境可能会遇到诸如 RuntimeError: Could not load libtorchcodec 之类的错误。两种解决方法：

  1. 将 torchcodec 替换为 PyAV — 支持图像和视频推理，且无 CUDA 版本限制： 
    pip install "transformers[torch]>=5.7.0" torchvision av
  2. 安装 torch 时固定 CUDA 版本 以匹配您的环境（例如 CUDA 12.8）： 
    pip install "transformers>=5.7.0" torchvision torchcodec --index-url https://download.pytorch.org/whl/cu128
加载模型 
from transformers import AutoModelForImageTextToText, AutoProcessor

model_id = "openbmb/MiniCPM-V-4.6-Thinking"

processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForImageTextToText.from_pretrained(
    model_id, torch_dtype="auto", device_map="auto"
)

# Flash Attention 2 is recommended for better acceleration and memory saving,
# especially in multi-image and video scenarios.
# model = AutoModelForImageTextToText.from_pretrained(
#     model_id,
#     torch_dtype=torch.bfloat16,
#     attn_implementation="flash_attention_2",
#     device_map="auto",
# )
图像推理 
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "url": "https://huggingface.co/datasets/openbmb/DemoCase/resolve/main/refract.png"},
            {"type": "text", "text": "What causes this phenomenon?"},
        ],
    }
]

downsample_mode = "16x"  # Using `downsample_mode="4x"` for Finer Detail

inputs = processor.apply_chat_template(
    messages, tokenize=True, add_generation_prompt=True,
    return_dict=True, return_tensors="pt",
    downsample_mode=downsample_mode,
    max_slice_nums=36,
).to(model.device)

generated_ids = model.generate(**inputs, downsample_mode=downsample_mode, max_new_tokens=512)
generated_ids_trimmed = [
    out_ids[len(in_ids):] for in_ids, out_ids in zip(inputs.input_ids, generated_ids)
]
output_text = processor.batch_decode(
    generated_ids_trimmed, skip_special_tokens=True, clean_up_tokenization_spaces=False
)
print(output_text[0])
视频推理 
messages = [
    {
        "role": "user",
        "content": [
            {"type": "video", "url": "https://huggingface.co/datasets/openbmb/DemoCase/resolve/main/football.mp4"},
            {"type": "text", "text": "Describe this video in detail. Follow the timeline and focus on on-screen text, interface changes, main actions, and scene changes."},
        ],
    }
]

downsample_mode = "16x"  # Using `downsample_mode="4x"` for Finer Detail

inputs = processor.apply_chat_template(
    messages, tokenize=True, add_generation_prompt=True,
    return_dict=True, return_tensors="pt",
    downsample_mode=downsample_mode,
    max_num_frames=128,
    stack_frames=1,
    max_slice_nums=1,
    use_image_id=False,
).to(model.device)

generated_ids = model.generate(**inputs, downsample_mode=downsample_mode, max_new_tokens=2048)
generated_ids_trimmed = [
    out_ids[len(in_ids):] for in_ids, out_ids in zip(inputs.input_ids, generated_ids)
]
output_text = processor.batch_decode(
    generated_ids_trimmed, skip_special_tokens=True, clean_up_tokenization_spaces=False
)
print(output_text[0])
高级参数

您可以通过向 apply_chat_template 传递额外参数来自定义图像/视频处理：

参数默认值适用对象描述
downsample_mode"16x"图像和视频视觉令牌下采样。"16x" 会合并令牌以提高效率；"4x" 保留 4 倍多的令牌以呈现更精细的细节。此参数也必须传递给 generate()。
max_slice_nums9图像和视频分割高分辨率图像时的最大切片数量。值越高，大型图像保留的细节越多。推荐：图像使用 36，视频使用 1。
max_num_frames128仅视频从视频中采样的主帧最大数量。
stack_frames1仅视频每秒的总采样点数。1 = 仅主帧（不堆叠）。N（N>1）= 每秒 1 个主帧 + N−1 个子帧；子帧会合成网格图像并与主帧交错。推荐：3 或 5。
use_image_idTrue图像和视频是否在每个图像/帧占位符前添加 <image_id>N</image_id> 标签。推荐：图像使用 True，视频使用 False。

注意： downsample_mode 必须同时传递给 apply_chat_template（以确保占位符数量正确）和 generate（供视觉编码器使用）。所有其他参数只需传递给 apply_chat_template。

使用 transformers serve 进行服务部署

Hugging Face Transformers 包含一个轻量级 OpenAI 兼容服务器，用于快速测试和中等负载部署。

pip install "transformers[serving]>=5.7.0"

启动服务器：

transformers serve openbmb/MiniCPM-V-4.6-Thinking --port 8000 --host 0.0.0.0 --continuous-batching

发送请求：

curl -s http://localhost:8000/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "openbmb/MiniCPM-V-4.6-Thinking",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "image_url", "image_url": {"url": "https://huggingface.co/datasets/openbmb/DemoCase/resolve/main/refract.png"}},
        {"type": "text", "text": "What causes this phenomenon?"}
      ]
    }]
  }'

处理模型输出中的转义换行符

在某些情况下，模型可能会将转义换行符 \n 作为字符串字面量输出，而非实际的换行符。为了确保文本在 UI 层等场景中正确显示，您可以使用以下工具函数。该函数会谨慎地将字面量 \n 替换为真实的换行符，同时保护那些 \n 具有特定语义的场景。

工具函数：

import re

_PATTERN = re.compile(
    r'(```[\s\S]*?```'       # fenced code blocks
    r'|`[^`]+`'              # inline code
    r'|\$\$[\s\S]*?\$\$'     # display math
    r'|\$[^$]+\$'            # inline math
    r'|\\$[\s\S]*?\\$'     # $...$
    r'|\\

$$[\s\S]*?\\$$

'     # 

$$...$$


    r')'
    r'|(?<!\\)(?:\\r\\n|\\[nr])'
)

def normalize_response_text(text: str) -> str:
    """
    Lightweight post-processing: Converts literal '\\n' to actual newlines, 
    while protecting code blocks, inline code, and LaTeX commands.
    """
    if not isinstance(text, str) or "\\" not in text:
        return text
    return _PATTERN.sub(lambda m: m.group(1) or '\n', text)

在 iOS、Android 和 HarmonyOS 平台部署 MiniCPM-V 4.6

我们已完成 MiniCPM-V 4.6 在 iOS、Android 和 HarmonyOS 平台的适配部署，所有边缘端适配代码已完全开源。开发者仅需几步即可复现端侧体验。访问我们的 边缘部署仓库 获取各平台的构建指南，或前往 下载页面 直接试用预构建应用。

在其他推理和训练框架中使用 MiniCPM-V 4.6

MiniCPM-V 4.6 支持多种推理和训练框架。以下是各框架的快速启动命令。完整详情，请参阅我们的 使用手册。

vLLM — 完整指南 
vllm serve openbmb/MiniCPM-V-4.6-Thinking \
  --port 8000 \
  --enable-auto-tool-choice \
  --tool-call-parser qwen3_coder \
  --default-chat-template-kwargs '{"enable_thinking": true}'

注意： --enable-auto-tool-choice 和 --tool-call-parser qwen3_coder 可启用工具/函数调用支持。如果不需要使用工具，可以省略这些标志，直接运行 vllm serve openbmb/MiniCPM-V-4.6-Thinking。

curl -s http://localhost:8000/v1/chat/completions -H 'Content-Type: application/json' -d '{
  "model": "openbmb/MiniCPM-V-4.6-Thinking",
  "messages": [{"role": "user", "content": [
    {"type": "image_url", "image_url": {"url": "https://huggingface.co/datasets/openbmb/DemoCase/resolve/main/refract.png"}},
    {"type": "text", "text": "What causes this phenomenon?"}
  ]}]
}'

工具调用示例：

curl -s http://localhost:8000/v1/chat/completions -H 'Content-Type: application/json' -d '{
  "model": "openbmb/MiniCPM-V-4.6-Thinking",
  "messages": [{"role": "user", "content": [
    {"type": "text", "text": "北京的天气"}
  ]}],
  "tools": [{
    "type": "function",
    "function": {
      "name": "get_weather",
      "description": "Get the current weather for a given location",
      "parameters": {
        "type": "object",
        "properties": {
          "location": {"type": "string", "description": "City name"}
        },
        "required": ["location"]
      }
    }
  }]
}'
SGLang — 完整指南 
python -m sglang.launch_server --model openbmb/MiniCPM-V-4.6-Thinking --port 30000
curl -s http://localhost:30000/v1/chat/completions -H 'Content-Type: application/json' -d '{
  "model": "openbmb/MiniCPM-V-4.6-Thinking",
  "messages": [{"role": "user", "content": [
    {"type": "image_url", "image_url": {"url": "https://huggingface.co/datasets/openbmb/DemoCase/resolve/main/refract.png"}},
    {"type": "text", "text": "What causes this phenomenon?"}
  ]}]
}'
llama.cpp — 完整指南 
llama-server -m MiniCPM-V-4.6-Q4_K_M.gguf --port 8080
curl -s http://localhost:8080/v1/chat/completions -H 'Content-Type: application/json' -d '{
  "model": "MiniCPM-V-4.6",
  "messages": [{"role": "user", "content": [
    {"type": "image_url", "image_url": {"url": "https://huggingface.co/datasets/openbmb/DemoCase/resolve/main/refract.png"}},
    {"type": "text", "text": "What causes this phenomenon?"}
  ]}]
}'
Ollama — 完整指南 
ollama run minicpm-v-4.6-thinking

在交互会话中，直接粘贴图片路径或 URL 即可与模型对话。

LLaMA-Factory（微调）— 完整指南 
llamafactory-cli train examples/train_lora/minicpmv4_6_lora_sft.yaml
ms-swift（微调）— 完整指南 
swift sft --model_type minicpm-v-4_6 --dataset <your-dataset>

许可证

模型许可证

  • MiniCPM-o/V 模型权重和代码基于 Apache-2.0 许可证开源。

声明

  • 作为多模态大语言模型，MiniCPM-o/V 模型通过学习大量多模态语料生成内容，但无法理解、表达个人观点或做出价值判断。MiniCPM-o/V 模型生成的任何内容均不代表模型开发者的观点和立场。
  • 对于因使用 MiniCPM-o/V 模型而引发的任何问题，包括但不限于数据安全问题、舆情风险，或因模型的误导、滥用、传播或误用所产生的任何风险和问题，我们不承担责任。

技术报告与核心技术论文

👏 欢迎探索 MiniCPM-o/V 的核心技术以及我们团队的其他多模态项目：

技术报告： MiniCPM-o 4.5 | MiniCPM-V 4.5 | MiniCPM-o 2.6 | MiniCPM-Llama3-V 2.5 | MiniCPM-V 2.0

其他多模态项目： VisCPM | RLPR | RLHF-V | LLaVA-UHD | RLAIF-V

引用

如果您觉得我们的模型/代码/论文对您有所帮助，请考虑引用我们的论文 📝 并给我们点赞 ⭐️！

@misc{cui2026minicpmo45realtimefullduplex,
      title={MiniCPM-o 4.5: Towards Real-Time Full-Duplex Omni-Modal Interaction}, 
      author={Junbo Cui and Bokai Xu and Chongyi Wang and Tianyu Yu and Weiyue Sun and Yingjing Xu and Tianran Wang and Zhihui He and Wenshuo Ma and Tianchi Cai and others},
      year={2026},
      url={https://arxiv.org/abs/2604.27393}, 
}

@proceedings{yu2025minicpmv45cookingefficient,
      title={MiniCPM-V 4.5: Cooking Efficient MLLMs via Architecture, Data, and Training Recipe}, 
      author={Tianyu Yu and Zefan Wang and Chongyi Wang and Fuwei Huang and Wenshuo Ma and Zhihui He and Tianchi Cai and Weize Chen and Yuxiang Huang and Yuanqian Zhao and others},
      year={2025},
      url={https://arxiv.org/abs/2509.18154}, 
}

@article{yao2024minicpm,
  title={MiniCPM-V: A GPT-4V Level MLLM on Your Phone},
  author={Yao, Yuan and Yu, Tianyu and Zhang, Ao and Wang, Chongyi and Cui, Junbo and Zhu, Hongji and Cai, Tianchi and Li, Haoyu and Zhao, Weilin and He, Zhihui and others},
  journal={arXiv preprint arXiv:2408.01800},
  year={2024}
}