minimind-v 可以免费使用吗？用的什么许可证？

minimind-v 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

minimind-v 还在维护吗？

活跃维护中。minimind-v 最近一次提交是在 2026年9月22日。

minimind-v 适合用来做什么？

学习视觉语言模型如何由视觉编码器、Projector 和 LLM 组合而成。在单张消费级 GPU 上进行小规模多模态训练实验。基于简洁可读的代码快速验证图像问答原型。以其为基础，将小型 VLM 适配到自定义图文数据集。

在哪里获取 minimind-v？

源代码和安装说明在 GitHub 上：https://github.com/jingyaogong/minimind-v

jingyaogong/minimind-v

一个可在单张 GPU 上约两小时训练完成的超小开源视觉语言模型，参数量约 65M。

在 GitHub 查看官网

Star: 8,775
Fork: 983
未关闭 Issue: 22
最近提交: 30天前

这是什么？

MiniMind-V 是一个小型多模态模型，将视觉编码器与紧凑的语言模型结合，能够回答与图片相关的问题。项目用原生 PyTorch 提供完整流程，包括模型结构、数据集处理、Pretrain 与 SFT 训练，并附带推理脚本和 WebUI。

视觉部分采用冻结的 SigLIP2 编码器，再由一个小型 MLP Projector 把 64 个图像 patch 特征映射到语言模型的 token 空间。语言主干基于同系列的 MiniMind 文本模型初始化，微调时只更新 Projector 以及 LLM 的首尾层。已发布的版本包括 65M 稠密模型和混合专家（MoE）版本。

该仓库适合用来学习视觉语言模型的构建方式，支持多卡 DDP 训练、bfloat16 混合精度、断点续训，并可接入 wandb 或 SwanLab 记录训练过程。由于模型较小，生成结果中重复和细节错误较明显，更适合实验与教学，而非生产环境。

核心功能

01提供完整的 SFT 训练流程，单张 GPU 即可从头训练 65M 参数的视觉语言模型。
02使用冻结的 SigLIP2 视觉编码器，并通过 MLP Projector 将 64 个图像 token 映射到语言模型。
03同时提供稠密与混合专家（MoE）两种模型版本。
04包含 Parquet 格式图文数据集的处理脚本。
05支持多卡 DDP 训练、bfloat16 混合精度、断点续训以及 wandb 或 SwanLab 日志。
06附带命令行推理脚本和可上传图片对话的 WebUI。

适用场景

学习视觉语言模型如何由视觉编码器、Projector 和 LLM 组合而成。
在单张消费级 GPU 上进行小规模多模态训练实验。
基于简洁可读的代码快速验证图像问答原型。
以其为基础，将小型 VLM 适配到自定义图文数据集。

常见问题

minimind-v 是什么？: 一个可在单张 GPU 上约两小时训练完成的超小开源视觉语言模型，参数量约 65M。 MiniMind-V 是一个小型多模态模型，将视觉编码器与紧凑的语言模型结合，能够回答与图片相关的问题。项目用原生 PyTorch 提供完整流程，包括模型结构、数据集处理、Pretrain 与 SFT 训练，并附带推理脚本和 WebUI。
minimind-v 可以免费使用吗？用的什么许可证？: minimind-v 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
minimind-v 还在维护吗？: 活跃维护中。minimind-v 最近一次提交是在 2026年9月22日。
minimind-v 适合用来做什么？: 学习视觉语言模型如何由视觉编码器、Projector 和 LLM 组合而成。在单张消费级 GPU 上进行小规模多模态训练实验。基于简洁可读的代码快速验证图像问答原型。以其为基础，将小型 VLM 适配到自定义图文数据集。
在哪里获取 minimind-v？: 源代码和安装说明在 GitHub 上：https://github.com/jingyaogong/minimind-v

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。