夜雨聆风为什么要折腾这个？
体检报告拿回来，一堆箭头↑↓看得心慌，拍照发家人群没人懂，发网上又怕隐私泄露。药盒上的说明书字小得跟蚂蚁一样，老人家根本看不清。
其实就是要个工具：拍张照，电脑帮忙看一眼，告诉你关键信息，数据还留在自己电脑里，不用上传到任何APP。
这个 MiniCPM-V 4.6 是面壁智能联合清华发布的端侧多模态模型，OCR能力在1B参数级别里几乎是最强的，官方宣称其OCR综合性能比肩GPT-4V。不只是体检单和说明书，任何带文字的图片——合同、票据、屏幕截图、产品标签——它都能读。而且老电脑就能跑。
最低配置
系统：Windows 10 / 11
最低配置：核显轻薄本 / 老显卡（2GB显存 或 8GB内存）
实测配置：16GB内存 + RTX 4060（8GB显存）
工具：llama.cpp（v12.4以上）
模型文件：
主模型：MiniCPM-V-4_6-Q8_0.gguf（推荐）
视觉组件：mmproj-model-f16.gguf（推荐）
内存小的选 Q4_K_M 版本。
第一步：装llama.cpp
Windows用户去 GitHub 搜 llama.cpp，进 Releases 下载最新版的 llama-b{版本号}-bin-win-{架构}-{编译器}.7z，解压就能用，里面有 llama-server.exe。下载：https://github.com/ggml-org/llama.cpp/releases
想自己编译的，官方仓库有完整 CMake 教程。
第二步：下载模型文件
从 Hugging Face 或国内镜像下载两个文件：https://www.modelscope.ai/models/OpenBMB/MiniCPM-V-4.6-gguf/files
MiniCPM-V-4_6-Q8_0.gguf（约1.3GB）mmproj-model-f16.gguf（约100MB）
第三步：一行命令启动
llama-server.exe -m ./models/MiniCPM-V-4_6-Q8_0.gguf --mmproj ./models/mmproj-model-f16.gguf --port8080-ngl99浏览器打开 http://127.0.0.1:8080，传图就能问。
两个版本怎么选？
| 版本 | 特点 | 适合场景 |
|---|---|---|
| 标准版 | 反应快、直接 | 日常随手拍 |
| Thinking版 | 会先推理再回答 | 体检报告、手写病历 |
实测场景
1. 看懂体检报告
指令：提取报告中 ↑↓ 异常指标，用大白话解释原因，给调理建议。
效果：给了一张血常规检查单，能精准识别异常项，比如"单核细胞偏高，嗜碱细胞数量偏低"。
2. 速读药品说明书
指令：找出用法用量（几次/几粒/口服还是外用）和禁忌。
效果：说明书字再小也能秒抓关键信息。
3. 其他可用场景
手写便签转文字：开会拍的板书，直接转成文本
老旧扫描件翻新：分辨率低的文档也能读
屏幕截图内容提取：PPT截图问"这页讲了什么？"
合同条款提取：拍照问"这条款有没有坑？"
Python调用示例（可选）
上面我们用浏览器打开网页就能用，那是 llama-server 自带的 Web 界面。但如果你想在自己的脚本里调用，或者一次性处理几十张图片，总不能一张张手动上传吧？
这时候就用 HTTP API。llama-server 启动后会监听一个端口（我们设的是8080），任何支持 HTTP 请求的语言都能调。Python 的 requests 库最轻量，几行代码就能把图片传过去、拿到结果，适合集成到自己的自动化流程里。
为什么这么写？
图片转 base64：HTTP JSON 格式不支持直接传二进制文件，所以转成文本字符串再传
image_data传列表：官方 API 支持多图输入，用列表方便扩展temperature设 0.7：不设太高（容易乱说）也不设太低（太死板），经验值max_tokens设 800：回答够用但不会太长，省显存
MiniCPM-V 4.6优点
完全离线、隐私安全：体检单、药盒照片不上传任何APP，数据只在本地，不需要联网
硬件门槛极低：老电脑就能跑，2GB显存或8GB内存起，不用专门买设备
OCR能力越级：采用 LLaVA-UHD 技术方案，支持 3000×3000 以上高清图，1.3B 参数量级里属于第一梯队，官方测试 OCR 综合能力看齐 GPT-4V
开箱即用：自带 Web 界面，装好就能用，不需要写任何前端代码
API 友好：标准的 HTTP 接口，任何编程语言都能调，方便集成到自己的工具链
MiniCPM-V 4.6局限
1.3B 参数规模注定它不是万能的：复杂病情分析、专业医学诊断还是要问医生，AI 只是辅助工具，不能替代专业判断
对手写体支持有限：清晰的手写能认，但特别潦草、连笔严重的字，准确率会下降
中文长文本偶尔有小错误：上下文特别长的时候，个别细节可能遗漏或误读
首次配置有一点点门槛：需要下载模型文件、敲命令行，纯小白看到命令行可能有点怵，但照着步骤来其实没难度
你的配置能跑吗？
评论区留下显卡型号 + 内存大小，帮你看看。有用点个赞，转发给需要的朋友。
