GitHub-радар
MiniCPM-V 4.5: понимает картинки и видео прямо на ноутбуке
Восьмимиллиардная мультимодальная модель от OpenBMB понимает фото, несколько картинок сразу и видео — запускается через Ollama, весит 6 ГБ, тянет MacBook от 8 ГБ памяти.
MiniCPM-V 4.5 — мультимодальная модель от OpenBMB (исследовательской группы Tsinghua University), построена на базе Qwen3-8B. Понимает одно изображение, несколько изображений сразу и видео с высокой частотой кадров — в единой модели без отдельных пайплайнов. Видео кодируется экономно: шесть кадров — 64 токена вместо стандартных 1 536, поэтому длинный ролик умещается в контекст без обрезки. Изображения — до 1,8 миллиона пикселей в любом соотношении сторон. На тестах OCR и понимания картинок опережает GPT-4o-latest и Gemini 2.0 Pro. Контекст — 40 000 токенов, размер загрузки — 6,1 ГБ. Запустить: `ollama run minicpm-v4.5`.
Зачем это вайб-кодеру
MiniCPM-V 4.5 даёт возможность анализировать картинки и видео без Vision API и облачных сервисов — всё работает на вашем ноутбуке. Скриншоты интерфейсов, документы, фотографии, короткие ролики — модель разбирает это прямо у вас, без передачи данных наружу. При размере в 6 ГБ помещается на любой современный ноутбук, а по качеству зрения обходит заметно более крупные проприетарные модели.
Как поставить
Скопируйте и отправьте своему агенту — Claude Code, Codex, любому:
Поставь мне MiniCPM-V 4.5 от OpenBMB: ollama run minicpm-v4.5 — весит 6 ГБ, тянет MacBook от 8 ГБ. После установки покажи, как отправить ей картинку или кадр из видео и задать вопрос о содержимом.
Обычный MacBook от 8 ГБ памяти — модель весит 6 ГБ.
Открыть на Hugging Face▌ Ещё находки