项目

首个集高效准确解析与可靠质量判定于一体的完整 OCR 解决方案。

MiniCPM-OCR 1.0 支持中英文档与 PDF 解析，在扫描、拍照、弯曲和翻拍等复杂场景下兼顾解析质量与处理效率。MiniCPM-OCR Jev 对 OCR 解析结果进行区域级质量判断，识别有问题与无问题的区域，可搭配不同解析模型，帮助用户定位需要复核的内容。

首个端侧无损流畅运行的开源 MoE 模型，刷新多模态性能—效率帕累托前沿。

极致高效架构。MiniCPM-V 4.6 基于 LLaVA-UHD v4，引入 ViT 内部视觉 token 早压缩机制，将视觉编码阶段计算量降低 50% 以上；同时支持 4 倍/16 倍混合视觉 token 压缩率，在精度与速度之间灵活切换。

首个全双工全模态大模型。它可以在生成语音和文字的同时持续接收视频与音频输入，实现边看、边听、边说的实时交互。

其他更早的 MiniCPM-V/o 模型

MiniCPM-V 4.0、MiniCPM-o 2.6、MiniCPM-V 2.6 等更早版本。

高效的高帧率与长视频理解。借助全新的图像-视频统一 3D-Resampler，MiniCPM-V 4.5 能够实现 96 倍视频 token 压缩率，即将 6 帧 448x448 视频帧联合压缩为 64 个 token（大多数多模态大模型需约 1536 个 token）。