minimind-v

MiniMind-V 是一个轻量级开源视觉语言模型（VLM）项目，支持从零训练仅65M参数的多模态模型，单卡3090约2小时即可完成SFT阶段训练，成本低至3元。核心特点包括极简架构设计、SigLIP视觉编码器、MLP投影模块、全流程代码（数据清洗、预训练、监督微调）及中文友好教程。适用于个人开发者快速入门VLM开发、教育演示、边缘设备原型验证及资源受限场景下的多模态应用探索。