今天，面壁小钢炮新一代多模态模型 MiniCPM-V 4.0 正式开源。依靠 4B 参数，在 OpenCompass、OCRBench、MathVista 等多个榜单上取得了同级 SOTA 成绩，且 实现了在手机上稳定、丝滑运行。此外，面壁团队也正式开源了 推理部署工具 MiniCPM-V CookBook，帮助开发者面向不同需求、不同场景、不同设备，均可实现开箱即用的轻量、简易部署。

该模型已同步上线魔乐社区，欢迎下载体验！ 

🔗https://modelers.cn/models/Modelers_Park/MiniCPM-V-4

话不多说，先来看看 MiniCPM-V 4.0 在手机上运行的惊艳效果。作为最适合在手机上运行的模型尺寸，MiniCPM-V 4.0 以 4B 的参数量真正做到了稳定运行、快速响应，且在手机、平板等设备长时间连续使用无发热、无卡顿。

目前，可支持 MiniCPM-V 4.0 本地部署的IOS App已开源，开发者可在 CookBook 中下载使用。

CookBook: 🔗 https://github.com/OpenSQZ/MiniCPM-V-CookBook

4B 参数，综合性能达到同级SOTA

作为端侧多模态模型的新晋王者，MiniCPM-V 4.0 在 4B 参数量级的 PK 中，在单图、多图、视频理解等多模态能力上已达到同级 SOTA 级别。在 OpenCompass、OCRBench、MathVista、MMVet、MMBench V1.1、MMStar、AI2D、HallusionBench 等评测基准测试中，MiniCPM-V 4.0 综合性能均为同级最高。

其中，在 OpenCompass 测评中，MiniCPM-V 4.0 综合性能超过 Qwen2.5-VL 3B 模型和 InternVL2.5 4B 模型，甚至可比肩 GPT-4.1-mini、 Claude 3.5 Sonnet。相较于上一代 MiniCPM-V 2.6 的 8B 模型，MiniCPM-V 4.0 在 模型参数减半 的同时，多模态能力也实现了显著提升。

总的来说，MiniCPM-V 4.0 再一次验证了大模型“知识密度”定律 Densing Law，也再一次刷新了端侧多模态模型的能力上限。

低显存+快响应，打造端侧丝滑运行的模型标杆 

之所以能在手机、PC 等端侧丝滑、流畅的完成实时视频理解、图像理解等任务，除了 MiniCPM-V 4.0 出色的效果以外，也得益于独特的模型结构设计，实现了同尺寸模型下可最快的首响时间与更低的显存占用。

经在 Apple M4 Metal 上测试，正常运行 MiniCPM-V 4.0 模型，显存占用仅为 3.33 GB，比 Qwen2.5-VL 3B、Gemma 3-4B更低。

同样，在 Apple M4 Metal 上进行图片理解测试中，MiniCPM-V 4.0 模型借助 ANE + Metal 辅助加速，让首次响应时间大幅缩短，实现了同尺寸最佳，且随着输入的图片分辨率提高，首响时间快的优势更为明显。

此外，面壁团队也利用 2 张 4090 GPU 对模型并发量、吞吐量进行了测试。实验结果显示，在算力资源可支持的范围内，随着并发量的增加，MiniCPM-V 4.0 模型总吞吐量优势更为明显。例如在 256 并发用户需求下，MiniCPM-V 4.0 吞吐量高达 13856 tokens/s，远超 Qwen2.5-VL 的 7153 tokens/s、Gemma 3 的 7607 tokens/s。

CookBook 上线，面向各类场景轻松部署 

为了广大的开发者群体能够方便部署并使用 MiniCPM-V 4.0 模型，面壁团队与上海期智研究院首次系统开源了推理部署工具 MiniCPM-V CookBook，面向多种场景实现开箱即用的轻量部署，并提供详尽文档以降低部署门槛、加速落地。

MiniCPM-V CookBook 在框架兼容性上做到了“三端并举”，再次扩大了 MiniCPM-V 模型的用户群体。面向 个人开发者，可通过 llama.cpp 和 Ollama 等框架，在手机、平板、PC 等端侧实现部署，并完成图像问答或简易多模态实验；面对 企业侧的高并发场景，MiniCPM-V 与 vLLM、SGLang 高并发服务框架深度集成，获得高吞吐、低时延的稳定服务；而 学术与算法研究者 则可以基于 Hugging Face Transformers 等继续做二次开发、Prompt 注入和量化对比实验，快速验证新想法、分享复现实验。

同时，MiniCPM-V CookBook 不仅给出一键启动的 FastAPI 私有 Web-Demo，方便快速搭建 RAG 知识库或内部服务；还内置 GGUF、BNB 及 AutoAWQ 多条量化流水线，结合量化模型实现低资源高效部署；同时提供完整 iOS 示例，使端侧设备如 iPhone 和 Pad 上的实时多模态交互依旧保持“丝滑”体验。