MiniCPM-V 4.7 正式适配英特尔®硬件,OpenVINO™ 首发同步支持
小o
更新于 1天前
MiniCPM-V 4.7 是什么?
OpenVINO™工具套件优化
即刻在英特尔硬件运行 MiniCPM-V 4.7
在英特尔AIPC云上体验MiniCPM-V 4.7
总结
MiniCPM-V 4.7 是由面壁智能联合 OpenBMB 社区发布并开源端侧多模态最新模型 ,聚焦于端侧能力的「上限突破」与「极致普惠」,同步推出 MiniCPM-V 4.7 35B-A3B 和 MiniCPM-V 4.7 1B 两个版本。
其中,MiniCPM-V 4.7 35B-A3B 是全球首个可在端侧无损、流畅运行的开源 MoE 多模态大模型,在 34 项权威基准测评中全面领先同档模型,实现约 3GB 内存即可在 iOS、安卓等系统上流畅运行,将端侧多模态 MoE 效率推向了全新高度。
MiniCPM-V-4.7-1B 版本以极少参数量达到同尺寸性能第一梯队,专为广泛的移动终端普惠而生。与同档的 Qwen3.5-0.8B,乃至体量更大的 LFM2.5-VL 1.6B / 3B 相比,它在通用视觉、OCR、图表推理、多图理解上全面占优。
35B-A3B 版本依托多项创新技术,让大规模多模态推理能够在本地硬件上高效落地:
▪ 前瞻专家调度:边算边读,提速 5 倍,性能无损
MiniCPM-V 4.7 通过前瞻专家调度(Lookahead Expert Sche****ng,LES)方案,从「提前加载、并行计算」和「减少搬运、加快读取」两方面协同提速。
▪ 全链路提效:看图更省,出字更快
输入端:视觉 token 提前压缩,看图更省,输出端:DSpark 投机解码,出字更快
▪ 自回放微调:轻松定制新能力,兼顾通用表现
推出自回放微调(Self-Replay Fine-Tuning),让模型在学习新技能的同时,复习已经掌握的能力。
https://huggingface.co/docs/optimum/main/en/intel/index 库调用 MiniCPM-V 4.7 各版本。该库可直接将 OpenVINO™ 能力集成进 Hugging Face 工作流,方便在英特尔硬件上快速部署模型。
https://github.com/openvinotoolkit/openvino_notebooks/tree/latest/notebook***inicpm-v-4.7
https://hub.docker.com/layers/vllm/vllm-openai-xpu/nightly-fe4df3df0eb703862c686b256e9fe44fa94c8945/images/sha256-c2ab03abb2a187c4620ce3c8a49112e9b785b2ade1a49d2c9a6a62a31e2d77fc
▪ 优化版 vLLM 容器(实验性)
https://hub.docker.com/layers/intel/llm-scaler-vllm/0.31.0-b1-experimental/images/sha256-a397e04d66494637862b1927ee92ab4dd8b2f03f0dc9d359ec9536959a88e704
申请链接:https://cloud.intel.com
申请路径:Hardware Catalog → AIPCs → Intel® Core™ Ultra Series 3 Processor****m-ptl) → Use Case: AI PC PRC
邀请码:英特尔Day0模型支持-MiniCPM-V-4.7
填写说明:申请时,请将上方邀请码完整**并填写在申请表单的 Intended use 字段中。
如遇使用问题,请邮件联系技术负责人 xiangfux.wang@intel.com。
OpenVINO™ 2026.4 文档
https://docs.openvino.ai/2026/index.htmlOpenVINO™ Model Hub
https://www.intel.com/content/www/us/en/developer/tools/openvino-toolkit/model-hub.htmlOpenVINO™ Hugging Face 模型合集
https://huggingface.co/collections/OpenVINO/llms-optimized-for-npu-686e7f0bf7bc184bd71f8ba0英特尔 AI Reference Kit***r/>https://www.intel.com/content/www/us/en/developer/topic-technology/edge-5g/open-potential.html
OpenVINO™ GenAI
https://github.com/openvinotoolkit/openvino.genai