MiniCPM-V 4.7 是主打本機運行的開源多模態模型系列，提供 35B-A3B 和較小的 1B 版本。當中 35B-A3B 是 MiniCPM-V 系列首款混合專家模型（MoE）。OpenBMB 表示，它在 iPhone 17 Pro Max 上可用約 3GB 記憶體，以每秒 13 個以上 tokens 的速度解碼；這是開發團隊公布的數字，並非在不同裝置上完成的獨立測試。913

兩款型號有甚麼分別？

35B-A3B 的總參數量約為 350 億，但每個 token 約有 30 億參數會啟動運算；1B 則是較小的選項。兩款型號都延續系列對單張圖片、多張圖片和影片的理解能力。23132

OpenBMB 的專案資料列明，程式碼和模型權重採用 Apache-2.0 授權，並在 MiniCPM-V 的 GitHub 專案提供程式碼及文件。914

手機上的速度，靠甚麼做到？

OpenBMB 將旗艦型號的手機推論表現，歸因於前瞻專家調度（Lookahead Expert Scheduling，LES），配合逐層細緻量化及 DSpark 投機採樣。簡單來說，LES 會預測下一層可能用到哪些「專家」，並提早載入相關權重，減少等待。113

要留意，官方公布的是解碼速度，即模型開始生成內容後，每秒輸出的 token 數量；它不等於由開啟應用程式、提交圖片到收到完整答案的總時間。這項數字亦只針對 iPhone 17 Pro Max，不能視為其他裝置都能有相同速度或記憶體用量。13

公布的測試比較如何？

OpenBMB 的文件稱，在 Instruct 模式下，35B-A3B 的整體分數高於 Qwen3.6 35B-A3B，而且推論時間較短；1B 版本則較 MiniCPM-V 4.6 有所提升，並在整體分數和推論效率方面勝過 Qwen3.5 0.8B。1014

在 OCR 測試方面，OpenBMB 公布 35B-A3B 在 16 倍視覺 token 壓縮設定下取得 OCRBench 90.4 分。12 不同壓縮設定會影響測試結果，分數未必可以直接比較；上述亦是開發團隊公布的評測，不能當作所有任務或裝置表現的獨立驗證。12

支援平台與開發工具

專案列出的支援範圍包括 iOS、Android、HarmonyOS，以及 Intel、AMD、Arm、Rockchip 和 Houmo 等晶片平台。這些是專案公布的相容性範圍，並不代表所有硬件上的效能都一樣。3037

開發者可選用 SGLang、vLLM、llama.cpp 和 Ollama 等推論工具，亦可使用 SWIFT 或 LLaMA-Factory 微調模型。專案另外公布 Self-Replay Fine-Tuning（SRFT）方案，目標是在較低成本下擴展模型能力，同時減少模型遺忘原有能力的情況。20

開源日期是 10 月 12 日

部分報道以 2026 年 10 月 14 日為發布日期，但 OpenBMB 的專案變更紀錄寫明，MiniCPM-V 4.7 在 2026 年 10 月 12 日開源。要核對開源日期，官方變更紀錄是較直接的資料來源。819

MiniCPM-V 4.7 是主打本機運行的開源多模態模型系列，提供 35B-A3B 和較小的 1B 版本。當中 35B-A3B 是 MiniCPM-V 系列首款混合專家模型（MoE）。OpenBMB 表示，它在 iPhone 17 Pro Max 上可用約 3GB 記憶體，以每秒 13 個以上 tokens 的速度解碼；這是開發團隊公布的數字，並非在不同裝置上完成的獨立測試。913

兩款型號有甚麼分別？

35B-A3B 的總參數量約為 350 億，但每個 token 約有 30 億參數會啟動運算；1B 則是較小的選項。兩款型號都延續系列對單張圖片、多張圖片和影片的理解能力。23132

OpenBMB 的專案資料列明，程式碼和模型權重採用 Apache-2.0 授權，並在 MiniCPM-V 的 GitHub 專案提供程式碼及文件。914

手機上的速度，靠甚麼做到？

OpenBMB 將旗艦型號的手機推論表現，歸因於前瞻專家調度（Lookahead Expert Scheduling，LES），配合逐層細緻量化及 DSpark 投機採樣。簡單來說，LES 會預測下一層可能用到哪些「專家」，並提早載入相關權重，減少等待。113

要留意，官方公布的是解碼速度，即模型開始生成內容後，每秒輸出的 token 數量；它不等於由開啟應用程式、提交圖片到收到完整答案的總時間。這項數字亦只針對 iPhone 17 Pro Max，不能視為其他裝置都能有相同速度或記憶體用量。13

公布的測試比較如何？

OpenBMB 的文件稱，在 Instruct 模式下，35B-A3B 的整體分數高於 Qwen3.6 35B-A3B，而且推論時間較短；1B 版本則較 MiniCPM-V 4.6 有所提升，並在整體分數和推論效率方面勝過 Qwen3.5 0.8B。1014

在 OCR 測試方面，OpenBMB 公布 35B-A3B 在 16 倍視覺 token 壓縮設定下取得 OCRBench 90.4 分。12 不同壓縮設定會影響測試結果，分數未必可以直接比較；上述亦是開發團隊公布的評測，不能當作所有任務或裝置表現的獨立驗證。12

支援平台與開發工具

專案列出的支援範圍包括 iOS、Android、HarmonyOS，以及 Intel、AMD、Arm、Rockchip 和 Houmo 等晶片平台。這些是專案公布的相容性範圍，並不代表所有硬件上的效能都一樣。3037

開發者可選用 SGLang、vLLM、llama.cpp 和 Ollama 等推論工具，亦可使用 SWIFT 或 LLaMA-Factory 微調模型。專案另外公布 Self-Replay Fine-Tuning（SRFT）方案，目標是在較低成本下擴展模型能力，同時減少模型遺忘原有能力的情況。20

開源日期是 10 月 12 日

部分報道以 2026 年 10 月 14 日為發布日期，但 OpenBMB 的專案變更紀錄寫明，MiniCPM-V 4.7 在 2026 年 10 月 12 日開源。要核對開源日期，官方變更紀錄是較直接的資料來源。819