产品应用8

面壁MiniCPM-V4.5：手机端多模态模型新王炸

CourseAI2025-08-26

AI 摘要

面壁推出MiniCPM-V 4.5端侧多模态模型，基于Qwen3 - 8B等构建。它视觉语言理解强，手机可运行，能高帧率理解视频，OCR和文档解析能力佳，还支持30+种语言。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

紫东太初GMC：少80%Token保多模态能力

视觉Token冗余是多模态模型高效推理与落地的瓶颈，传统筛选方法有缺陷。紫东太初团队提出GMC核心集剪枝方法，具双阶段架构，优势多，实验显示其能在减少Token同时保持性能。

多模态大模型处理多参考图与视频对应关系能力不足。为此提出 RefCaptioner，强化模型对参考图识别感应能力、优化输出格式与奖励函数；还构建 MRVBench 评测基准，实验显示其表现优异。

百度PaddleOCR推出HPD - Parsing小模型，文档解析速度大幅提升，是上一代最快模型的1.62倍、自身原解码方式的3.06倍。它采用层级并行解码架构，有两层并行设计，效果出色且兼容性好，还分享了优质训练方法和优化思路。

LLM操作手机以往方案有局限，phone - harness利用macOS Sequoia的iPhone镜像功能，通过截取镜像窗口、注入操作、截屏验证实现Claude操作iPhone，还介绍安装步骤、踩坑及已知限制。