会懂网AI资讯，9月17日，面壁智能近日联合OpenBMB团队开源了全新一代端侧基座模型MiniCPM5-2B，该模型参数量仅二点五二B，却把工具调用、代码生成与智能体能力作为核心卖点，并在权威评测平台Artificial Analysis的榜单上位列四B以下开源模型第一位，这意味着端侧小模型在维持极低功耗的同时，已经具备可落地的智能体执行能力，为本地化推理打开了全新的应用空间。
与动辄数十B甚至上百B的云端大模型不同，MiniCPM5-2B把工程重心放在端侧可用性上，二点五二B的参数量让模型能够流畅运行在手机、平板与嵌入式芯片之上，而无需依赖云端算力支撑。其工具调用与代码生成能力经过专门训练，能够理解函数描述、组装调用参数并解析返回结果，配合长上下文与指令遵循优化，使开发者可以在资源受限设备上构建具备自主执行能力的轻量智能体，显著降低本地应用的部署门槛与推理成本。
在Artificial Analysis公布的横向对比中，MiniCPM5-2B在四B以下开源模型区间取得综合第一，评估维度覆盖推理、代码与工具使用等多项关键指标，直接对标同期发布的各类轻量级开源模型。这一成绩说明端侧模型的能力上限正在快速抬升，以往被认为只有大模型才能胜任的智能体任务，如今可以被压缩进三B以内的体积，为离线、隐私敏感与弱网场景提供了切实可行的替代方案，也削弱了单纯堆参数的行业惯性。
为支撑端侧模型的训练与对齐，面壁智能同步开源了强化学习框架Meshy与JustRL II算法，前者提供面向端侧场景的高效训练与采样管线，后者在奖励建模与策略优化上做了针对性改进，使小模型在有限算力下也能获得稳定的能力增益。二者的开源降低了研究者复现先进训练流程的门槛，也让生态伙伴能够基于同一套方法论快速迭代自己的端侧模型，形成从训练到部署的闭环工具链，增强开源社区的协同效率。
在硬件适配层面，MiniCPM5-2B已完成与英特尔、瑞芯微以及Arm等主流平台的对接，覆盖从高性能笔记本处理器到移动端系统级芯片的多种形态，验证了其跨架构的可移植性。这种广泛的适配意味着模型不止停留在论文与开源仓库，而是能够直接进入真实设备的推理栈，与芯片厂商的算子库、推理引擎协同优化，在保证延迟可控的前提下输出可用结果，为端侧智能体的规模商用奠定工程基础。
端侧小模型的持续突破，正在重塑生成式人工智能的部署范式，把算力需求从集中式云中心分散到每一个终端之上。面壁智能通过模型、训练框架与硬件适配的三位一体推进，展示了低功耗设备同样可以承载复杂智能体任务的可能性。随着四B以下区间竞争加剧，端侧模型有望在隐私保护、离线可用与成本可控等维度形成对云端方案的补充，推动人工智能真正融入日常硬件，成为无处不在的底层能力。
暂无评论内容