// 面壁 MiniCPM / VoxCPM · 视觉语言
MiniCPM-Llama3-V-2_5 本地部署与显存需求
8.54B 参数。4 位量化约 7.3 GB，BF16 约 20.4 GB（1 个 8K token 请求）。
发布 2024-05-19许可：模型卡未写许可显存为估算值
01规格
| 发布方 | 面壁智能 OpenBMB · openbmb |
|---|---|
| 系列 | 面壁 MiniCPM / VoxCPM · MiniCPM-Llama3-V-2_5 |
| 类型 | 视觉语言 (image-text-to-text) |
| 参数量 | 8.54B 来源：按官方 safetensors 权重统计 |
| 上下文长度 | 8K tokens (8,192)取自 config.json 的 max_position_embeddings |
| 结构 | 32 层 · GQA |
| 发布权重 | FP16 · 17.1 GB下载量 |
| 许可 | — · 模型卡未写许可模型卡元数据没有写许可，请查看仓库文件。 |
| 发布日期 | 2024-05-19 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 最低显卡 | Mac |
|---|---|---|---|---|
| BF16 / FP16（原始精度） | 17.1 GB | 20.3 GB | RTX 4090 24GB | Mac 36GB |
| FP8 / INT8 / Q8_0 | 9.1 GB | 11.5 GB | 16GB 显卡 | Mac 24GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 5.2 GB | 7.3 GB | 12GB 显卡 | Mac 16GB |
每个请求的 KV 缓存：8K 1.1 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- llama.cpp — 官方模型卡提及
- Ollama — 官方模型卡提及
- Transformers — 官方模型卡提及
04官方仓库与量化版
openbmb 官方发布的 4 个仓库。
05面壁 MiniCPM / VoxCPM 其他模型
全部 23 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| MiniCPM-V-4.7-35B-A3B | 35.2B / 3B | 24.2 GB | 2026-10-07 |
| MiniCPM-V-4.7-1B | 1.55B | 1.6 GB | 2026-10-06 |
| MiniCPM5-2B | 2.52B | 2.5 GB | 2026-09-06 |
| MiniCPM5-1B | 1.08B | 1.4 GB | 2026-05-21 |
| MiniCPM-V-4.6-Thinking | 1.3B | 1.5 GB | 2026-05-08 |
| MiniCPM-V-4.6 | 1.3B | 1.5 GB | 2026-04-13 |
| VoxCPM2 | 2.29B | 2.0 GB | 2026-04-03 |
| MiniCPM-SALA | 9.48B | 7.1 GB | 2026-02-11 |
06来源
数据核对于 2025-01-15。参数、上下文、许可取自官方仓库；显存为本站估算。