Картинка + текстДокументы и OCR

MiniCPM-V

Компактные модели зрения, которые работают даже на телефоне и ноутбуке. Хорошо читают текст на фото, понимают видео; версия 4.6 весит всего 1.3B. Свежая 4.7 вышла в двух размерах: 1B и 35B-A3B, первая MoE-модель в семействе. По словам авторов, 35B-A3B с помощью их способа подгрузки экспертов идёт на iPhone 17 Pro Max со скоростью 13+ токенов в секунду при 3 ГБ памяти. Цифры авторов.

Разработчик
OpenBMB (ModelBest и Университет Цинхуа), Китай
Первый выпуск
янв 2024
Последний выпуск
окт 2026
Размеры
1B – 35B-A3B
Лицензия
Можно в коммерциюApache 2.0 (у ранних версий была собственная лицензия MiniCPM с регистрацией для коммерции)
Русский язык
Не заявлен
Готовые сборки
GGUF, AWQ, GPTQ, MLX (Apple)
Запуск
Есть в OllamaРаботает и без видеокарты
Сферы
Документы и бухгалтерия, Торговля и маркетплейсы, Поддержка клиентов
Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

  • Распознавание текста на фото прямо на устройстве
  • Разбор чеков и документов без отправки в облако
  • Описание фото и видео
  • Встроенный помощник в мобильное приложение

Где применяется

Мобильные приложенияРозницаПолевые службы

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
подходит
1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
подходит
КластерСервер с несколькими видеокартами — флагманские версии
нет версий

Версии

  1. MiniCPM-V 4.7 35B-A3B
  2. MiniCPM-V 4.7 1B
  3. MiniCPM-V 4.6 и 4.6-Thinking
  4. MiniCPM-V 4.5
  5. MiniCPM-V 4.0
  6. MiniCPM-V 2.6
  7. MiniCPM-Llama3-V 2.5
  8. MiniCPM-V 2.0
  9. MiniCPM-V

Как запустить

Через Ollama — быстрее всегоПоставьте Ollama на компьютер или сервер и найдите модель в её библиотеке по названию. Годится, чтобы за вечер попробовать модель на своих задачах.Найти в библиотеке Ollama
На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face
Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам. Квантование — сжатие модели: она занимает меньше видеопамяти и работает на более скромном железе. Отвечает при этом чуть иначе, поэтому качество проверяют на своих примерах.

Частые вопросы

Можно ли использовать MiniCPM-V в коммерческом проекте?

Да. Лицензия: Apache 2.0 (у ранних версий была собственная лицензия MiniCPM с регистрацией для коммерции). Это разрешает коммерческое использование, но перед запуском лицензию всё равно стоит показать юристу.

Какое железо нужно для MiniCPM-V?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Есть версии, которые работают и без видеокарты, на обычном процессоре. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли MiniCPM-V русский язык?

В карточке модели языки не перечислены, поэтому поддержку русского обещать нельзя — её нужно проверять на ваших примерах.

Где скачать MiniCPM-V и сколько это стоит?

Веса MiniCPM-V лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

  1. ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
  2. УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
  3. ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
  4. ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Сравнения

Похожие модели

Картинка + текстQwen-VLAlibaba (команда Qwen) · КитайМожно в коммерцию

Одна из сильнейших открытых моделей зрения: читает документы, таблицы, графики, видео, работает с интерфейсами. С Qwen3.5 зрение встроено прямо в основную модель Qwen.

ПодробнееКартинка + текстSmolVLMHugging Face · Франция / СШАМожно в коммерцию

Самые маленькие модели зрения Hugging Face: от 256M, работают в браузере и на телефоне. SmolVLM2 понимает и видео.

ПодробнееГолосовые ассистентыMiniCPM-oOpenBMB (ModelBest, Университет Цинхуа) · КитайМожно в коммерцию

Небольшая модель, которая видит, слышит и отвечает голосом в реальном времени, может клонировать голос. Голосовой диалог на английском и китайском, текст — на 30+ языках.

Подробнее

Источник: huggingface.co/openbmb/MiniCPM-V-4.7-35B-A3B. Данные сверены с карточкой модели 22.09.2026. Лицензию перед коммерческим запуском проверьте с юристом.