MiniCPM-V 4.5
MiniCPM-V 多模态系列
从一张图片和一个问题开始,跑通首次对话,再尝试多图比较、视频理解、OCR、PDF 解析与视觉定位。选择与你任务相符的示例,逐步搭建自己的多模态应用。
MiniCPM-V 4.5 是单一权重,通过 model.chat() 的 enable_thinking 参数在非思考与思考模式间切换:非思考模式直接作答、延迟更低,思考模式先推理再作答、更适合需要多步判断的题目。本页的「单图 / 多图(思考模式)」即为后者的示例。
加载模型统一使用 AutoModel.from_pretrained(..., trust_remote_code=True),注意力实现请用 sdpa 或 flash_attention_2,不要用 eager。