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 verfolgt den Anspruch, mit rund 8 Milliarden Parametern Bildverständnis nahe an großen Modellen wie GPT-4V zu liefern – bei einem Bruchteil des Ressourcenbedarfs von 8–10 GB. Besonders stark ist die Texterkennung (OCR) in Bildern, etwa bei Dokumenten, Schildern oder Screenshots, wo ältere offene Vision-Modelle wie LLaVA öfter Fehler machen. Zusätzlich kann es einzelne Frames aus Videos auswerten, was für kurze Videoanalysen nützlich ist. Der große Vorteil liegt in der Effizienz: Wer keine High-End-GPU besitzt, bekommt hier brauchbare multimodale Fähigkeiten, die auf leistungsschwächerer Hardware noch praktikabel laufen. Für sehr anspruchsvolle Bildanalysen mit vielen Details bleiben größere Modelle dennoch überlegen.

Praxis-Tipp

Testen Sie MiniCPM-V gezielt an Dokumentfotos oder Screenshots mit Text, etwa „Lies mir den Text auf diesem Foto vor“ – hier zeigt sich sein OCR-Vorteil am deutlichsten.

Siehe auch

• Llama 4 (Scout / Maverick)
• Qwen 2.5

Lizenz & Quelle

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