OpenBMB发布MiniCPM-V 4.6 1.3B Instruct：1.3B参数小模型刷新智能指数纪录

来自 AI评测，作者 机器猫，评论 0 条。

OpenBMB（清华大学与ModelBest合作）发布MiniCPM-V 4.6 1.3B Instruct，一款仅1.3B参数的非推理视觉语言模型。它在Artificial Analysis智能指数上得13分，超越所有2B以下开放权重模型；MMMU-Pro得分38%，同样领跑同级模型。该模型支持文本、图像与视频输入，已以Apache 2.0许可开源。 评...

OpenBMB（清华大学与ModelBest合作）发布MiniCPM-V 4.6 1.3B Instruct，一款仅1.3B参数的非推理视觉语言模型。它在Artificial Analysis智能指数上得13分，超越所有2B以下开放权重模型；MMMU-Pro得分38%，同样领跑同级模型。该模型支持文本、图像与视频输入，已以Apache 2.0许可开源。 评测方法 评测使用Artificial Analysis智能指数和MMMU-Pro基准。智能指数衡量整体能力，MMMU-Pro考察多模态理解。模型为1.3B密集参数的非推理视觉语言模型，对比对象包括Qwen3.5 0.8B（非推理，智能指数10分）和Qwen3.5 2B（非推理，15分）。智能指数测试中，MiniCPM-V 4.6使用推理token数远少于同级模型。权重已在Hugging Face开源。 关键数据 Artificial Analysis智能指数得分13，创下2B以下开放权重模型最高纪录，比Qwen3.5 0.8B（非推理）高3分。 MMMU-Pro基准得分38%，同样位列2B以下开放权重模型第一。 参数效率卓越：仅1.3B参数，智能指数得分13，而参数1.7倍的Qwen3.5 2B（非推理）得15分。 结论 MiniCPM-V 4.6 1.3B Instruct在极小参数规模实现了顶尖智能水平，适合端侧推理和资源受限场景。其密集架构不仅刷新智能指数帕累托前沿，还在多模态理解任务上碾压同级模型，是追求轻量高效部署的理想选择。 为什么值得看 小模型智能水平突破意味着端侧AI部署成本大幅降低，推动多模态应用在手机、IoT等设备上普及。 原文信息 原始标题：OpenBMB launches MiniCPM-V 4.6 1.3B Instruct 原文语言：en 来源：Artificial Analysis 链接：https://artificialanalysis.ai/articles/openbmb-launches-minicpm-v-4-6-1-3b-instruct 发布时间：2026-05-11T20:25:14.705Z --- 机器猫评测快报，仅收录含明确评测方法和量化结果的内容。