MiniCPM-V 4.7 是一系列主打本機執行的開源多模態模型，提供 35B-A3B 與較小型的 1B 版本。旗艦款是 MiniCPM-V 系列首款混合專家（MoE）模型。OpenBMB 表示，它在 iPhone 17 Pro Max 上可用約 3GB 記憶體，解碼速度超過每秒 13 個 tokens；這是開發團隊公布的測試數據，並非跨裝置的獨立測試結果。913

兩種規格：35B-A3B 與 1B

35B-A3B 約有 350 億個總參數，但每個 token 約啟用 30 億個參數；1B 版本則提供較精簡的選項。兩者延續 MiniCPM-V 系列對單張圖片、多張圖片與影片的理解能力。23132

OpenBMB 的專案資料列出，程式碼與模型權重採 Apache-2.0 授權，相關程式碼與文件可在 MiniCPM-V 的 GitHub 專案查閱。914

手機端速度主張，靠什麼做到？

OpenBMB 將旗艦款的手機端表現歸因於前瞻專家調度（Lookahead Expert Scheduling，LES），並搭配逐層細緻量化與 DSpark 投機採樣。LES 會預測下一層可能需要哪些專家，並提早載入對應權重。113

要留意的是，超過每秒 13 個 tokens 指的是解碼速度，也就是模型生成輸出的速度；它不等於從開啟 App、提交圖片，到收到完整答案所需的總時間。這項數據也限定於 iPhone 17 Pro Max，不能直接視為所有支援裝置都能達到相同速度或記憶體用量。13

官方公布的效能比較

OpenBMB 文件指出，在 Instruct 模式下，35B-A3B 的整體分數高於 Qwen3.6 35B-A3B，推論時間也較短。文件並稱，1B 版本較 MiniCPM-V 4.6 有所提升，整體分數與推論效率也優於 Qwen3.5 0.8B。1014

在 OCR（光學字元辨識）測試方面，OpenBMB 公布的 OCRBench 分數為 90.4，並採用 16 倍視覺 token 壓縮。12 不同壓縮設定下的基準分數未必能直接比較；上述結果屬於開發團隊公布的評測，不能視為所有任務或裝置上的獨立驗證。12

支援平台與開發工具

專案列出的支援範圍包括 iOS、Android 與 HarmonyOS，也涵蓋 Intel、AMD、Arm、Rockchip 與 Houmo 等晶片平台。這些資訊說明的是專案宣稱的相容範圍，不代表不同硬體上的效能一致。3037

開發者可使用 SGLang、vLLM、llama.cpp 與 Ollama 等推論框架，也可透過 SWIFT 或 LLaMA-Factory 進行微調。專案另介紹 Self-Replay Fine-Tuning（SRFT）方法，目標是在較低成本下擴充模型能力，同時減少既有能力遺忘。20

開源日期：官方紀錄為 10 月 12 日

部分報導日期標示為 2026 年 10 月 14 日，但 OpenBMB 專案變更紀錄記載，MiniCPM-V 4.7 的開源日期是 2026 年 10 月 12 日。若要確認發布日期，變更紀錄是較直接的來源。819

MiniCPM-V 4.7 是一系列主打本機執行的開源多模態模型，提供 35B-A3B 與較小型的 1B 版本。旗艦款是 MiniCPM-V 系列首款混合專家（MoE）模型。OpenBMB 表示，它在 iPhone 17 Pro Max 上可用約 3GB 記憶體，解碼速度超過每秒 13 個 tokens；這是開發團隊公布的測試數據，並非跨裝置的獨立測試結果。913

兩種規格：35B-A3B 與 1B

35B-A3B 約有 350 億個總參數，但每個 token 約啟用 30 億個參數；1B 版本則提供較精簡的選項。兩者延續 MiniCPM-V 系列對單張圖片、多張圖片與影片的理解能力。23132

OpenBMB 的專案資料列出，程式碼與模型權重採 Apache-2.0 授權，相關程式碼與文件可在 MiniCPM-V 的 GitHub 專案查閱。914

手機端速度主張，靠什麼做到？

OpenBMB 將旗艦款的手機端表現歸因於前瞻專家調度（Lookahead Expert Scheduling，LES），並搭配逐層細緻量化與 DSpark 投機採樣。LES 會預測下一層可能需要哪些專家，並提早載入對應權重。113

要留意的是，超過每秒 13 個 tokens 指的是解碼速度，也就是模型生成輸出的速度；它不等於從開啟 App、提交圖片，到收到完整答案所需的總時間。這項數據也限定於 iPhone 17 Pro Max，不能直接視為所有支援裝置都能達到相同速度或記憶體用量。13

官方公布的效能比較

OpenBMB 文件指出，在 Instruct 模式下，35B-A3B 的整體分數高於 Qwen3.6 35B-A3B，推論時間也較短。文件並稱，1B 版本較 MiniCPM-V 4.6 有所提升，整體分數與推論效率也優於 Qwen3.5 0.8B。1014

在 OCR（光學字元辨識）測試方面，OpenBMB 公布的 OCRBench 分數為 90.4，並採用 16 倍視覺 token 壓縮。12 不同壓縮設定下的基準分數未必能直接比較；上述結果屬於開發團隊公布的評測，不能視為所有任務或裝置上的獨立驗證。12

支援平台與開發工具

專案列出的支援範圍包括 iOS、Android 與 HarmonyOS，也涵蓋 Intel、AMD、Arm、Rockchip 與 Houmo 等晶片平台。這些資訊說明的是專案宣稱的相容範圍，不代表不同硬體上的效能一致。3037

開發者可使用 SGLang、vLLM、llama.cpp 與 Ollama 等推論框架，也可透過 SWIFT 或 LLaMA-Factory 進行微調。專案另介紹 Self-Replay Fine-Tuning（SRFT）方法，目標是在較低成本下擴充模型能力，同時減少既有能力遺忘。20

開源日期：官方紀錄為 10 月 12 日

部分報導日期標示為 2026 年 10 月 14 日，但 OpenBMB 專案變更紀錄記載，MiniCPM-V 4.7 的開源日期是 2026 年 10 月 12 日。若要確認發布日期，變更紀錄是較直接的來源。819