MiniCPM-V 4.7
MiniCPM-V 4.7 包含 1B 与 35B-A3B 两个版本。35B MOE实现约 3G 内存即可在 iOS、安卓等系统上流畅运行；1B 版本在 OCR、数学、视频理解做到同尺寸第一梯队。
核心亮点
- SOTA MiniCPM-V 4.7 — 35B MoE 装进手机：利用前瞻专家调度(Lookahead Expert Scheduling,LES)等系列技术，实现约 3G 内存即可在 iPhone / iPad、安卓旗舰机上流畅运行。
- 全能视觉模型，刷新端侧上限：在通用视觉、STEM、OCR 图表、长视频与中文知识等主力榜单上全面比肩同档及更大规模旗舰模型；更关键的是，16× 视觉 token 压缩后分数几乎不掉（MMBench 仍 90.9、OCRBench 仍 90.4）。
- 1B「小钢炮」：OCRBench 86.1、MathVista 74.3、CharXiv Reasoning 48.8，视频理解 LongVideoBench 53.4、MotionBench 54.55。相对 Qwen3.5-0.8B，甚至更大的 LFM2.5-VL 1.6B/3B，MMStar、MathVista、OCR、图表推理、幻觉抑制与视频理解全面占优，是垂直场景改造与端侧轻量部署的最佳基座。
技术亮点
- 前瞻专家调度（Lookahead Expert Scheduling）：让 MoE 在端侧运行只是起点，真正的挑战是同时保留模型能力与流畅的生成速度。将专家权重存放在 SSD 等存储中可以突破内存容量限制，但若加载与计算无法有效并行，频繁的加载等待就会拖慢生成；限制专家数量、固定专家集合等方式虽能提速，却可能以模型能力退化为代价。
MiniCPM-V 4.7 35BA3B 通过 LES 前瞻专家调度，协同优化专家加载、计算调度与权重存取，再结合 DSpark 投机采样适配，在 iPhone 17 Pro Max 上仅用 3GB 内存实现无损推理与 13+ token/s 的解码速度。
- 系列高效视觉编码：结构上，MiniCPM-V 4.7 沿用系列两项成熟技术：分片图像编码（按 448×448 切分高清图，配合低分辨率概览图，注意力开销随分片数线性增长）与 x4/x16 混合视觉 token 压缩（4× 档保留更多细节、16× 档推理更快，可按任务切换）。
模型表现
- 35B-A3B · 通用：MiniCPM-V 4.7 35B-A3B 在通用视觉（MMBench 91.7、MMStar 80.7）、STEM（MMMU 80.2、MathVista 88、MathVerse 86.5）、OCR/图表（OCRBench 91.2、CharXiv Reasoning 75.6）、长视频（LongVideoBench 68.9）与中文知识（CMMLU 90.2）上基本全面领先；16× 视觉压缩后 MMBench 90.9、OCRBench 90.4，性能损失极小。
- 35B-A3B · STEM
- 35B-A3B · 文档 OCR 与图表
- 35B-A3B · 多图与视频
- 35B-A3B · 幻觉
- 35B-A3B · GUI
- 35B-A3B · 指令遵循
- 1B · 通用：1B 版本则相对 MiniCPM-V 4.6-1.3B 全面升级，并超越 Qwen3.5-0.8B 与 LFM2.5-VL-3B，在 OCR、图表推理、视频理解等维度保持同尺寸领先。
- 1B · STEM
- 1B · 文档 OCR 与图表
- 1B · 多图与视频
- 1B · 幻觉
- 1B · GUI
- 1B · 指令遵循
* 4× / 16×：视觉 token 压缩率，倍数越高，同一张图编码出的视觉 token 越少。图中 MiniCPM-V 4.7 (4×) / (16×) 分别是两种压缩率下的成绩。
* MiniCPM-V 4.7 支持 4 倍 / 16 倍混合视觉 token 压缩率，可根据需求选择；其他模型均只支持固定的视觉 token 压缩率。