模型 ◆ 沧海遗珠
MiniCPM-V-2_6
openbmb/MiniCPM-V-2_6 · Apache-2.0
3B 模型，能看、能听、能读——OCR 尤其强。
MiniCPM-V-2.6 是擅长文档与场景理解、多语言 OCR 及图文 / 视频对话的小多模态模型，笔记本显卡即可运行。
9.5 / 100 · 评分
♥ 1.1k 点赞
31.9k 下载量
8.1B 参数量
4 GB GPU
评分
趋势 18
活跃 8
质量 70
社区 31
相关 100
上手成本一览
Modalityimage+video+audio
Librarytransformers
GPU4 GB
安装命令
pip install transformers 深度解读
MiniCPM-V 2.6 是面壁智能的 80 亿级多模态模型，一个 checkpoint 同时处理图像、视频和语音，OCR 与推理是招牌强项——文档与图表理解上远超同尺寸。
它支持多图输入（一次对话比较多张图）、视频理解，在 transformers 里以图生文模型运行（需仓库自带代码）。
Hugging Face 上 gated（先接受许可），模型卡写明从 OCR 到特征抽取的完整能力矩阵。
适用场景
多语言文档 / 发票 OCR
基于图像与短视频的对话
端侧视觉助手
适合 / 不太适合
适合
文档理解应用
边缘多模态助手
双语 OCR 管线
不太适合
顶尖 VLM 精度
超长视频理解