面壁智能最新推出的MiniCPM-V 4.5多模态模型以仅8B参数实现了行业突破，成为首款支持高刷新率视频理解的端侧模型。该模型在多项关键能力上达到同级别最优，甚至超越参数量达72B的Qwen2.5-VL模型，展现出卓越的性能与效率平衡。
高刷视频理解是MiniCPM-V 4.5的核心突破。传统多模态模型受限于算力与功耗，通常采用1fps抽帧处理，导致大量动态信息丢失。而MiniCPM-V 4.5通过创新的3D-Resampler结构，在相同视觉token开销下可接收6倍视频帧，实现96倍视觉压缩率，达到同类模型的12-24倍处理效率。这一技术升级使模型能够精准捕捉快速变化的画面细节，在MotionBench和FavorBench等高刷视频理解评测中表现超越GPT-4o、Gemini-2.5-Pro等云端模型。
除了视频理解，该模型在图像理解、OCR和文档解析方面同样表现突出。在OpenCompass测评中，其图像理解能力领先多个闭源模型；在LVBench、MLVU等视频理解榜单中达到同级最佳；在OmniDocBench的文档识别任务中三项指标均取得SOTA表现。
特别值得关注的是其端侧友好特性。MiniCPM-V 4.5在保持顶级性能的同时，显著降低了显存占用和推理时间。在Video-MME测试中，其推理时间仅为同级模型的1/10。模型还支持常规与深度思考两种推理模式，通过混合推理训练方案，在保证响应速度的同时提升复杂任务处理能力。
技术实现上，模型通过3D-Resampler实现对视频片段的高密度压缩，支持最大10fps抽帧处理。在OCR与知识学习方面，创新性地采用文字信息可见度控制技术，实现了两种学习范式的有效融合。
MiniCPM-V 4.5的推出标志着端侧多模态模型的重要进展，证明通过结构创新和训练优化，小参数模型同样可以实现超越大模型的性能表现，为端侧AI应用开辟了新的可能性。
