MiniCPM-V 4.7 1B
Kleinstes Modell der Reihe MiniCPM-V 4.7 (12.10.2026, Apache-2.0): rund 1,5B Parameter für OCR und Bildverständnis auf Smartphones und Edge-Geräten.
In: TextIn: BildIn: Video Out: Text ReasoningToolsVisionFunction CallsOCR
- Hersteller
- OpenBMB
- Lizenz
- Apache-2.0
- Betrieb
- Lokal (On-Premise)
- Herkunft
- China (Peking), getragen von der Tsinghua-Universität und ModelBest
- Architektur
- Dense, hybride Attention (18 Linear-Attention- und 6 Full-Attention-Schichten), Qwen3.5-Sprach-Backbone plus 27-Layer-Bildencoder
- Veröffentlichung
- 01.10.2026
- Parameter gesamt
- 1,55 Mrd.
- Aktive Parameter
- 1,55 Mrd.
- Kontextfenster
- 262k Tokens
Überblick
MiniCPM-V 4.7 1B ist das kleine Modell der Vision-Language-Reihe MiniCPM-V 4.7 von OpenBMB, veröffentlicht am 12. Oktober 2026 unter Apache-2.0. Es löst MiniCPM-V 4.6 (1,3B) ab und ist für Smartphones, Tablets und Edge-Hardware gedacht. Ein dichtes Sprach-Backbone aus der Qwen-3.5-Familie (24 Schichten, Hidden Size 1.024) wird mit demselben Bildencoder kombiniert, den auch das große 35B-A3B nutzt.
Use Cases
- OCR und Texterkennung direkt auf dem Gerät (Belege, Typenschilder, Formulare im Außendienst)
- Einfache Bildfragen und Bildbeschreibungen in mobilen oder eingebetteten Anwendungen
- Vorfilter in Dokumenten-Pipelines, bevor größere Modelle nur noch die schwierigen Fälle bekommen
- Kurze Video-Auswertung auf Edge-Hardware
Stärken & Grenzen
Stärken (alle Werte Herstellerangaben, Instruct-Modus, 4x-Bildkompression)
- OCR für die Größe: OCRBench 86,10, OCRBench v2 49,46 – vor MiniCPM-V 4.6, Qwen3.5-0.8B, LFM2.5-VL (1,6B) und Gemma 4 E2B in OpenBMBs Vergleichstabelle.
- Dokumente: OmniDocBench v1.6 85,39, CharXiv Reasoning 48,80.
- Allgemeines Bildverständnis: MMBench 83,17, MMStar 69,53, SimpleVQA 42,23.
- GUI-Grounding: ScreenSpot 68,05, deutlich vor Gemma 4 E2B (20,26).
- Video: MotionBench 54,55, LongVideoBench 53,40 (mit 16x-Kompression 54,50).
Grenzen
- Logik und Mathematik bleiben schwach: MMMU 56,89 und MMMU-Pro 38,03 liegen zwar über dem Vorgänger, aber unter Gemma 4 E2B (59,60 / 44,20); MathVision 31,64 ist exakt der Wert von MiniCPM-V 4.6.
- Teilweise schwächer als der Vorgänger: Bei OmniDocBench v1.6 (85,39 gegen 86,93), MathVista, Hallusion-Bench, MMHal-Score und RefCOCO liegt MiniCPM-V 4.6 vorn.
- Halluzinationen: MMHal-Hallrate 26,04 % (4x) bzw. 25,00 % (16x) – rund jede vierte Antwort betroffen.
- Instruktionstreue: MM-IFEval 51,68, hinter Gemma 4 E2B (54,32).
- Keine unabhängigen Messungen: Artificial Analysis und LMArena führen das Modell am 13.10.2026 nicht; alle Zahlen stammen aus OpenBMBs eigener Tabelle, die nur als Bild veröffentlicht ist.
Praxis-Erfahrung
Ein eigener Praxistest steht noch aus.
Gut zu wissen
- Parameterzahl: OpenBMB beziffert das Modell in der eigenen Tabelle mit 1,3B, die Safetensors-Metadaten auf Hugging Face mit 1.554.476.272 Parametern (inklusive Bildencoder). Ins Feld wurde der Wert aus dem Artefakt übernommen.
- Hardware: BF16-Gewichte rund 3,1 GB; die Ollama-Variante (
openbmb/minicpm-v4.7:1b) ist 1,8 GB groß. OpenBMB liefert zusätzlich int4-, AWQ-, GPTQ- und GGUF-Fassungen sowie ein DSpark-Draft-Modell; von FastFlowLM gibt es eine NPU-Variante. - Kontext: 262.144 Token (
max_position_embeddings). - Inferenz: Transformers ab 5.18.0, vLLM, SGLang, llama.cpp, Ollama sowie die MiniCPM-V-Apps für iOS, Android und HarmonyOS.
downsample_mode(„16x" voreingestellt, „4x" für feine Details) anapply_chat_templateundgenerateübergeben. - Reasoning und Tools: Das Chat-Template unterstützt Werkzeugaufrufe und einen Thinking-Modus; die Benchmarks hat OpenBMB im Instruct-Modus gemessen.
- Sprachen: Keine veröffentlichten Ergebnisse für Deutsch – vor dem Einsatz mit deutschen Dokumenten eigene Stichproben fahren.
- Alternativen: Gemma 4 E2B (stärker bei Logik, schwächer bei OCR), MiniCPM-V 4.6 als bewährter Vorgänger, MiniCPM-V 4.7 35B-A3B, wenn mehr Hardware verfügbar ist.
China