刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败v2.04.16.00

刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败游戏介绍

⚾2025-08-27 17:22 「百科/秒懂百科」【 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败】🍓支持:32/64bi🐯系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

🏈2025-08-27 22:55 「百科/秒懂百科」【 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败】🍌支持:32/64bi🦈系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

🏊2025-08-27 18:40 「百科/秒懂百科」【 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败】🐳支持:32/64bi🍒系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

🦈2025-08-28 00:41 「百科/秒懂百科」【 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败】🐰支持:32/64bi🐍系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

🐬2025-08-27 23:03 「百科/秒懂百科」【 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败】🐙支持:32/64bi🥌系统类型:(官方)官方网站IOS/Android通用版/手机APP(2024APP下载)《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败版本特色

1. 🐪「科普」🏄 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败下载(2024全站)最新版本IOS/安卓官方入口v9.62.29.86(安全平台)登录入口🍁《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

2. 🤸「科普盘点」🐱 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败下载(2024全站)最新版本IOS/安卓官方入口v7.14.83.59(安全平台)登录入口🍁《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

3. 🍂「分享下」🚴 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败下载(2024全站)最新版本IOS/安卓官方入口v2.86.66.79(安全平台)登录入口🍁《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

4. 🏹「强烈推荐」🤼‍♀️ 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败下载(2024全站)最新版本IOS/安卓官方入口v9.22.99.06(安全平台)登录入口🍁《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

5. 🐪「重大通报」🏌️ 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败下载(2024全站)最新版本IOS/安卓官方入口v5.52.08.01(安全平台)登录入口🍁《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

6. 🐢「返利不限」🌳 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败下载(2024全站)最新版本IOS/安卓官方入口v4.66.69.06(安全平台)登录入口🍁《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

7. 🏐「欢迎来到」🏀 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败下载(2024全站)最新版本IOS/安卓官方入口v6.72.26.13(安全平台)登录入口🍁《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

8. 🌸「娱乐首选」🦆 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败下载(2024全站)最新版本IOS/安卓官方入口v5.32.60.66(安全平台)登录入口🍁《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

9. ⛳「免费试玩」🤾 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败官网-APP下载🎾🥑🦊支持:winall/win7/win10/win11🐦系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败下载(2024全站)最新版本IOS/安卓官方入口v4.42.60.06(安全平台)登录入口🍁《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》

刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败下载方式:

①通过浏览器下载

打开“刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败”手机浏览器（例如百度浏览器）。在搜索框中输入您想要下载的应用的全名，点击下载链接【blog.m.lizhuangshangmao.com】网址，下载完成后点击“允许安装”。

②使用自带的软件商店

打开“刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败”的手机自带的“软件商店”（也叫应用商店）。在推荐中选择您想要下载的软件，或者使用搜索功能找到您需要的应用。点击“安装”即 可开始下载和安装。

③使用下载资源

有时您可以从“”其他人那里获取已经下载好的应用资源。使用类似百度网盘的工具下载资源。下载完成后，进行安全扫描以确保没有携带不 安全病毒，然后点击安装。

刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败安装步骤:

🦛🤽🏇第一步：🏀访问刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败官方网站或可靠的软件下载平台：访问（http://blog.m.lizhuangshangmao.com/）确保您从官方网站或者其他可信的软件下载网站获取软件，这可以避免下载到恶意软件。

🏌️🚴🐌第二步：💐选择软件版本：根据您的操作系统（如 Windows、Mac、Linux）选择合适的软件版本。有时候还需要根据系统的位数（32位或64位）来选择刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败。

🐋🛺🦁第三步：🐼 下载刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败软件：点击下载链接或按钮开始下载。根据您的浏览器设置，可能会询问您保存位置。

⛳🐳🏐第四步：💐检查并安装软件： 在安装前，您可以使用 杀毒软件对下载的文件进行扫描，确保刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败软件安全无恶意代码。 双击下载的安装文件开始安装过程。根据提示完成安装步骤，这可能包括接受许可协议、选择安装位置、配置安装选项等。

🌰🦘🏂第五步：🦘启动软件：安装完成后，通常会在桌面或开始菜单创建软件快捷方式，点击即可启动使用刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败软件。

🎋🏋️🐮第六步：🏈更新和激活（如果需要）： 第一次启动刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败软件时，可能需要联网激活或注册。 检查是否有可用的软件更新，以确保使用的是最新版本，这有助于修复已知的错误和提高软件性能。

特别说明：刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败软件园提供的安装包中含有安卓模拟器和软件APK文件，电脑版需要先安装模拟器，然后再安装APK文件。

刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败使用讲解

🎢第一步：选择/拖拽文件至软件中点击“🥉添加刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败”按钮从电脑文件夹选择文件《🐢🧸blog.m.lizhuangshangmao.com》，或者直接拖拽文件到软件界面。

🥀第二步：选择需要转换的文件格式 打开软件界面选择你需要的功能，刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败支持，PDF互转Word，PDF互转Excel，PDF互转PPT，PDF转图片等。

🍃第三步：点击【开始转换】按钮点击“开始转换”按钮， 开始文件格式转换。等待转换成功后，即可打开文件。三步操作，顺利完成文件格式的转换。

进入刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败教程

1.打开刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败，进入刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败前加载界面。

2.打开修改器

3.狂按ctrl+f1，当听到系统“滴”的一声。

4.点击进入刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败，打开选关界面。

5.关闭修改器(不然容易闪退)

以上就是没有记录的使用方法，希望能帮助大家。

刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败特点

🏋️‍♀️2025-08-27 17:55 🍏MBAChina🐮【 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败 】系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数13584】🤾🏑🍓支持:winall/win7/win10/win11🐠🍃现在下载,新用户还送新人礼包🐙刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败

🥇2025-08-27 17:33 🤼‍♀️欢迎来到🎾【 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败 】系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数81279】🌴🦨🎾支持:winall/win7/win10/win11🌿🐶现在下载,新用户还送新人礼包🦇刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败

🥋2025-08-27 23:21 🦊HOT🐸【 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败 】系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数22311】🤼⛷️🦐支持:winall/win7/win10/win11🏀🏋️‍♀️现在下载,新用户还送新人礼包🐯刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败

🤺2025-08-28 01:32 🦎娱乐首选🍊【 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败 】系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数94380】🍐🦧🐮支持:winall/win7/win10/win11🥋🏈现在下载,新用户还送新人礼包🦢刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败

🚵2025-08-27 16:30 👾返利不限🏏?【 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败 】系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败(官方)官方网站IOS/Android通用版/手机APP(2024APP)【下载次数51227】🏂🥇🍊支持:winall/win7/win10/win11🍒👾现在下载,新用户还送新人礼包🍁刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败

相关介绍

🤾ωειcοmε🌴【 刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败 】🐺🦁🍊系统类型:刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败(官方)官方网站-IOS/安卓通用版/手机app🌵支持:winall/win7/win10/win11🌳🌿🌻【下载次数999】🐜🎴现在下载,新用户还送新人礼包🀄刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败

懂，但我的家人不会当做货物来交易，万星不换！”

> 厂商新闻《刚刚，大模型装上「鹰眼」！首创高刷视频理解，谷歌Gemini 2.5完败》特朗普继续对日本施压：日本需要开放市场 时间：2025-08-28 03:08

• 编辑:CN




新智元报道

编辑：KingHZ 好困

【新智元导读】刚刚，面壁智能再放大招——MiniCPM-V 4.5多模态端侧模型横空出世：8B参数，越级反超72B巨无霸，图片、视频、OCR同级全线SOTA！不仅跑得快、看得清，还能真正落地到车机、机器人等。这一次，它不只是升级，而是刷新了端侧AI的高度。

这个夏天，中国AI彻底炸场！

一波波重量级开源模型的发布，让全球开发者目不暇接。

就在刚刚，面壁智能最新开源的首个「高刷视频理解」多模态模型MiniCPM-V 4.5，直接刷新了端侧多模态的天花板。

凭借着8B的参数量，在单图、高刷视频理解、长视频理解、OCR、复杂文档解析等多个领域，一举拿下同级别或通用模型的SOTA。

话不多说，直接上效果。

Github：https://github.com/OpenBMB/MiniCPM-o

Hugging Face：https://huggingface.co/openbmb/MiniCPM-V-4_5

ModelScope：https://www.modelscope.cn/models/OpenBMB/MiniCPM-V-4_5

看完之后，你敢信这是一个只有8B参数的端侧小模型实现的？反正我不信！

就拿这个刷新率极高的翻纸视频来说，时长只有短短3秒，却出现了四张写满了不同单词的白纸。

要想截下这些转瞬即逝的画面，你反应稍微慢点都不行，更不用说看清楚字了。

比如下面这几张图，就是我们小心翼翼地、一点一点拖动进度条截出来的。













左右滑动查看


然而，我们很快就被「打脸」了。

在MiniCPM-V 4.5拿到这个视频之后，它不仅十分轻松地识别出了每张纸上的内容，而且一个字都没错！




可能有人会觉得，这个任务是不是对于AI来说很简单？实际上并不是。

同样一道题，我们拿去问了问当今最强的视频模型——Gemini 2.5 Pro。

结果，它不仅只看到了两张纸，而且能识别出来的，只有第二张的内容：

基于视频，纸张上写着以下内容：

·第一张纸（00:00）：第一张纸上的文字简短且模糊，但看起来像是一系列手写的笔记或计算内容。

·第二张纸（00:01）：第二张纸上清楚地写着以下文字：“Controllable Hybrid Fast/Deep Thinking”。




相比起来，GPT-4o就更惨了。

在认真分析了自己截取的5张图之后，4o遗憾地表示：「对不起，我什么都没识别出来」……

要知道Gemini 2.5 Pro和GPT-4o可都是全球顶尖的云端多模态大模型，结果在视频处理上却不如参数一个只有8B的端侧模型。




可能又有人会说，刚刚这个场景太极限了，平时都碰不到。

没问题，我们下面就去测一个对于端侧模型来说，更接近实际应用的场景。

比如，你在开车的时候突然渴了，想买点喝的。但路很窄，需要时刻观察过往的行人和非机动车。

这时你就可以问MiniCPM-V 4.5：「我想喝杯饮品，附近能买到吗？」

秒秒钟，MiniCPM-V 4.5就发现了路边的CoCo，并且贴心地告诉我们可以去买杯咖啡或奶茶。




MiniCPM-V 4.5这视力，称之为「鹰眼级」是一点也不夸张。

而如此丝滑且精准的效果，靠的正是面壁智能针对模型的全方位创新和升级。

越级的性能：不仅在OCR、文档解析、图片理解、长视频分析等维度实现了同级SOTA，甚至还反超了9倍参数量的Qwen2.5-VL 72B；

极致的效率：通过高达96倍的视觉压缩率，在同等视觉token开销下，可处理6倍的视频帧数，相比同类模型提升了12至24倍；

端侧部署友好：在显存占用、平均推理时间等方面具有显著的优势，达到了效果、速度与功耗的极佳平衡；

混合推理模式：支持「长思考」与「短思考」可控混合推理，既能搞定深度分析，又能兼顾快速响应。

毫不意外，面壁这次打造出的「最强端侧多模态」，一如既往地延续了小钢炮MiniCPM系列的「以小博大」和「高效低成本」。




最强端侧多模态

首次实现高刷视频理解

以小博大，一直是面壁小钢炮的基因。

这一次，MiniCPM-V 4.5凭借8B参数，在图片、OCR、复杂文档解析、长视频理解等多模态能力上再次刷新能力上限。

单图方面：在综合评测权威平台OpenCompass上，单图理解能力越级超越多模态王者Gemini 2.5 Pro和GPT-4o、GPT-4.1等众多闭源模型，甚至超过参数规模更大的Qwen2.5-VL 72B。




视频理解：MiniCPM-V 4.5在Video-MME、LVBench、LongVideoBench、MLVU等榜单中，均达到同级最佳水平。




在复杂文档识别任务中，在OmniDocBench榜单的OverallEdit、TextEdit、TableEdit三项指标上，MiniCPM-V 4.5均取得了通用多模态模型的SOTA。




此外，MiniCPM-V 4.5同时支持常规模式和深度思考模式，实现了性能与响应速度的有效平衡，常规模式在绝大部分场景下提供出色的多模态理解能力，深度思考模式则专注于应对复杂与复合型推理任务。

更值得一提的是，MiniCPM-V 4.5在全行业内，首次实现了「高刷视频理解」能力。

高刷视频不仅有着丰富的细节，还能更好地反映连续时间内的变化，可以为大模型提供「原生慢动作」数据。

而对高刷视频的理解，本质就是「模型通过获取更多的视频帧，来更加精细、实时地理解视频内容」。

目前的主流多模态模型，处理视频时通常会采取1 fps抽帧的方式。

这样做在一定程度上保证了模型推理效率，但也因此缺失了绝大部分的视觉信息，降低了大模型对动态世界「精细化」理解，从而牺牲了模型性能。

相比之下，MiniCPM-V 4.5将2D-Resampler的模型结构拓展为3D-Resampler，实现了高密度压缩三维视频片段。

在LLM推理开销不变的情况下，MiniCPM-V 4.5最大可接收6倍视频帧数量达到96倍视觉压缩率，是同类模型的12-24倍。

换句话说就是，MiniCPM-V 4.5无需依赖插值算法去「猜测」中间帧，就能直接分析真实、连续的动态过程，从而更好地去理解物理世界。

在实测中，MiniCPM-V 4.5如「鹰眼」般「明察秋毫」，视频细节「尽收眼底」。

在侧重高刷视频理解能力的FavorBench的榜单中，MiniCPM-V 4.5达到同尺寸SOTA，且超过Qwen2.5-VL 72B，实现越级领先水平。




不难想象，具备高刷视频理解能力的模型，必定更能满足汽车座舱、具身智能等要求实时、精细识别和理解的应用场景中，提供更加智能的服务。

而这就是「高刷」视频理解的核心价值。

一手实测

下面，就到了激动人心的实测环节。 首先我们来看看，8B参数的MiniCPM-V 4.5的推理能力如何。 举个栗子，现在十分着急想要下高速路的你，突然看到了这样一个交通牌。 很显然，East Perth/Welshpool出口只有700米，比1千米以外的James St & Wellington St出口短了300米。 因此，East Perth/Welshpool必定是首选。




很快，MiniCPM-V 4.5就给出了正确答案，以及非常清晰、有条理的分析。

通过仔细观察画面左侧的绿色指示牌，我识别到：

·上方牌子显示GRAHAM FARMER FWY，East Perth和Welshpool，并标明EXIT 700m（出口700米）。

·下方牌子则显示James St & Wellington St，并标明EXIT 1km（出口1公里）。

根据这些信息，如果您希望尽快到达出口，应该选择距离更短的那个。

由于「700米」比「1公里」（即1000米）更短，所以GRAHAM FARMER FWY方向的出口（East Perth/Welshpool）是最近的。




对于完整信息的快速理解和推理，MiniCPM-V 4.5轻松搞定。

那么，如果视觉信息是陆陆续续输入的，模型还能把这些碎片联系起来吗？

图中人物具体说了些什么？

答案是，可以。

在Hinton的这段采访中，字幕全是只言片语而且持续时间有长有短，但这并难不倒MiniCPM-V 4.5。

只见它不仅概括了主题「LLM和人类的差异」，而且从第三人称完美复述了Hinton发言的内容。

一键总结视频内容，以后手机上轻松实现。




既然是模型测试，那么各种考试题一定也是少不了的。

比如下面这道高中化学实验选择题，开启思考模式的MiniCPM-V 4.5，直接化身课后辅导助手。

在ABCD四个选项全部认真分析了一遍之后，它信心满满地给出了正确答案——B。







无论哪里不懂，你都可以直接拍照询问MiniCPM-V 4.5：

介绍一下化石




MiniCPM-V 4.5很快便会从基本信息、核心特征到科学意义，给你进行全面地答疑解惑。

试想这种功能普及之后，逛博物馆，哪里不懂直接拍照就能得到全面解答，人人都有专属「电子导游」。




而对于手写文字识别，MiniCPM-V 4.5更是轻松搞定：

实话说，这手写字绝对保真，MiniCPM-V 4.5识别效果绝对实用。




不止是文字，像是结构化表格提取，甚至就连合并单元格这种复杂的操作，MiniCPM-V 4.5都能手到擒来：




最后，看看MiniCPM-V 4.5到底能不能理解梗图meme的笑点。

这张图笑点在哪儿




看到这张图后，MiniCPM-V 4.5一下就看出了里面都有哪些角色，并且get到了笑点是源于「AI」这个元素的加入。

然后就是一波深度分析：

·第一层的「Boss」只会在车顶坐着不动，高高在上地指挥别人去拉车

·第二层的「Leader」则会自己走在队伍最前面，带领大家一起拉车

·第三层是「内向」的人，由于张不开嘴求别人帮忙，所以只好默默地一个人拉车

·第四层虽然也是「内向」的人，但却得到了AI的加持！不过，你可不要以为他能像其他队伍一样会有人(工智能)帮他分摊工作，能够轻松一些；相反，这个倒霉蛋因为效率得到了大幅提升，而被安排了3倍的工作量！

看完是不是感觉，讽刺感直接拉满！

以后，即便不是互联网「5G冲浪」选手，也能轻松看懂各种小圈子和外国的冷门梗图了！




尺寸小≠端侧模型

当下，端侧AI应用持续升温。然而，模型能力再强，如果无法在端侧设备上稳定、流畅运行，一切都是空谈。

不是模型尺寸小，就叫端侧模型。评判端侧模型的关键指标是：在手机、平板、电脑、车机、机器人等终端设备上，是否能稳定、丝滑地运行。

在技术研究上的难点，端侧模型不亚于基础大模型，落地上更是同时受限于算力、功耗、速度、网速要求等因素。

许多团队屡屡碰壁，无法从技术上解决「发烫、宕机、极度耗电」等问题。

面壁则一直以追求「同等性能我最小，同等参数我最强」，最终带来更快速度、更低成本、丝滑体验的端侧模型为目标。

不断提升模型「能力密度」的同时，面壁小钢炮MiniCPM也一直致力于追求极致「能效比」:

通过更低的显存占用、更快的响应速度，确保在提供SOTA级多模态表现的同时，带来最佳的推理效率和最低的推理开销。

例如，在覆盖短、中、长三种类型的视频理解评测集Video-MME上，MiniCPM-V 4.5时间开销（未计算模型抽帧时间）仅为同级模型的1/10。

这一成绩，便是得益于模型推理时采用的高密度视频压缩技术。




三大技术创新

作为多模态模型的新旗舰，MiniCPM-V 4.5之所以具备高刷视频理解能力、并取得单图、OCR、长视频理解的SOTA，主要得益于在模型结构、训练范式等领域的创新。

全新模型结构：3D-Resampler高密度视频压缩

当前，制约多模态模型视频理解能力的最核心挑战是性能和效率的Trade-off：

一方面，只有更多视频帧，模型才能获取更加精细的信息以提高理解上限；

另一方面，模型融入太多视频帧会造成显存、推理速度等开销爆炸。

由于局部片段的不同视频之间存在着信息冗余性，即大部分视觉信息不变，仅有少部分信息发生变化，存在着很大的信息压缩空间。

因此，MiniCPM-V 4.5将模型结构从2D-Resampler拓展为3D-Resampler，进行三维视频片段的高密度压缩。

具体而言，视频会按照每N个视频帧一组进行分组（分组尺寸最大为6），然后3D-Resampler会对每个视频组进行压缩编码，得到 64 个视觉token（与编码单图视觉token数量相同）。

最终实现在推理开销不变的情况下，实现更高频率抽帧，实现了模型高刷视频理解能力。

得益于Resampler机制的灵活性，在推理阶段还可以灵活调整视频分组尺寸，同时支持单图、多图、视频的统一编码（即单图编码视为3D视频编码的2D特例），方便知识和能力迁移。

多页文档图片：统一OCR和知识推理学习

文档中蕴含丰富高质量的知识。

多模态大模型有两大重要话题：

1. 对文字的识别解析，受限于图像样例难度；

2. 从文档中学习知识，受限于解析准确性。

这割裂了两种学习范式。

提升OCR能力，往往需要补充更丰富且有难度的数据。为了提升数据的难度和多样性，常见的做法是数据增广。例如，对图像中文字加高斯噪音。但是增广过大会让文字不可读，反而会导致模型幻觉。

在文档知识学习方面，大部分工作将文档解析成图文交替数据进行学习，严重受到文档解析工具错误的影响。

通过连续控制图像中「文字信息可见度」，MiniCPM-V 4.5可在OCR和知识学习两种模式之间无缝切换，首次实现了OCR和知识学习这两种学习范式的有效融合，且不会受到过度增广和解析错误的影响。

具体如下：

·首先提取出文档中的文字框；

·然后对文字框内区域进行不同程度的噪音增广。

文字框通常非常准确，大部分解析错误来源于排版、阅读顺序、低信息量图文噪音错误。重点在于噪音增广：

·当施加噪音较小，文字处于尚可辨别范围内时，模型会进行OCR学习识别文字；

·当施加噪音较大，文字已经无法辨认时，模型会自动进入知识学习，根据文档的多模态上下文还原文字；

·当噪音介于两者之间时，模型会进行混合能力的学习。

基于上述技术，MiniCPM-V 4.5低成本实现了领先的OCR和多模态知识能力。

通用域混合推理强化学习

深度思考推理能力显著拓展了多模态大模型的推理能力边界，但也往往伴随着过高的推理延迟。

通过同时支持常规模式和深度思考模式，MiniCPM-V 4.5实现了性能与响应速度的有效平衡：

·在绝大部分的场景下，常规模式提供出色的多模态理解能力；

·而深度思考模式则专注于应对复杂与复合型推理任务。

为了让模型在两种模式下都具备优秀的多模态性能，MiniCPM-V 4.5借助RLPR技术，从通用域多模态推理数据上获得高质量的奖励信号。而且面壁还提出了混合推理的强化学习RL训练方案，同时提升模型在常规模式和深度思考模式下的性能表现。

通过在RL训练中同时激活常规和深度思考模式，模型在两种模式下的性能都得以持续提升。最终，通过轻量化的RLAIF-V训练阶段，模型既保持了推理能力又显著降低了幻觉。

从行业第一个「高刷视频理解」模型，到OCR和知识学习的第一次有效结合，再到可控混合推理等，MiniCPM-V 4.5的意义远不止一次模型的升级，更是开源端侧多模态AI的一场革命。

参考连接：

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

https://huggingface.co/openbmb/MiniCPM-V-4_5


https://www.modelscope.cn/models/OpenBMB/MiniCPM-V-4_5







更新内容

一、修复bug，修改自动播放;优化产品用户体验。

二、 1.修复已知Bug。2.新服务。

三、修复已知bug;优化用户体验

四、1，交互全面优化，用户操作更加便捷高效;2，主题色更新，界面风格更加协调;3，增加卡片类个人数据

五、-千万商品随意挑选，大图展现商品细节-订单和物流查询实时同步-支持团购和名品特卖，更有手机专享等你抢-支付宝和银联多种支付方式，轻松下单，快捷支付-新浪微博，支付宝，QQ登录，不用注册也能购物-支持商品收藏，随时查询喜爱的商品和历史购物清单。

六、1.bug修复，提升用户体验;2.优化加载，体验更流程;3.提升安卓系统兼容性

七、1、修复部分机型bug;2、提高游戏流畅度;