MiniCPM-V

„GPT-4V-Niveau auf dem Handy“ ist der Anspruch: sehr effizient, starke OCR, versteht auch Video-Frames. Top für schwächere Hardware.

So nutzt du es

Am einfachsten per Ollama: ollama pull <modellname> und dann ollama run <modellname> — oder komfortabel mit LM Studio (grafische Oberfläche, Modell-Suche eingebaut). Die Hardware-Angaben unten beziehen sich auf die übliche 4-Bit-Quantisierung (Q4).

Größen & Hardware

• Verfügbare Größen: ~8B
• Empfohlene Hardware (Q4): 8–10 GB

Im Detail

MiniCPM-V ist ein kompaktes Vision-Language-Modell mit rund 8B Parametern, das gezielt auf Effizienz statt auf reine Größe setzt. Stärken sind besonders gute Texterkennung (OCR) und die Fähigkeit, auch einzelne Video-Frames zu verstehen. Der Anspruch „GPT-4V-Niveau auf dem Handy“ trifft nicht die absolute Spitzenqualität großer Multimodal-Modelle, ist aber für die Modellgröße bemerkenswert nah dran. Braucht nur 8–10 GB Speicher und läuft damit auf Hardware, auf der größere Vision-Modelle gar nicht erst starten. Ideal für Dokumenten-OCR, Bildbeschreibungen oder einfache Video-Analyse auf schwächeren Rechnern oder Laptops ohne dedizierte GPU.

Praxis-Tipp

Ideal für OCR-Aufgaben wie „Lies den Text aus diesem Foto einer Rechnung aus und gib ihn strukturiert aus“ – läuft auch auf Laptops ohne dedizierte GPU.

Siehe auch

• Llama 4 (Scout / Maverick)

Lizenz & Quelle

• Lizenz: Apache-2.0 (Code); Gewichte: MiniCPM-Lizenz (kommerziell nach kostenloser Registrierung)
• Quelle: Ollama
• Quelle: HF