2.8万亿参数刷屏的这周，拿第一的只有2B

这周 AI 圈的主旋律就一个字，大。

周四 Kimi K3 刷屏，2.8 万亿参数。昨天 Qwen3.8 官宣，2.4 万亿。朋友圈里全是万亿俱乐部的跑分截图，看得人都有点麻了。

然后今天上午，上海 WAIC 的一个分论坛上，面壁智能发了个新模型。多大呢，2B。

2B 是什么概念，Kimi K3 的参数量是它的一千四百倍。放在这周的新闻流里，这个数字小得像个错别字。

但这个 2B 拿了个全球第一。

好家伙，还是一天双发。上午发布 MiniCPM5-2B，4B 以下参数级别全球性能第一，同步完成 9 款芯片的 Day0 适配。下午 OpenBMB 的推特跟着官宣，开源首个具身智能模型系列 MiniCPM-Robot，让机器人能理解、记忆、行动。

大家都在往上卷的时候，有人在往下卷，而且卷出了名堂。我觉得这事比这周任何一个万亿参数的发布都值得聊聊。

先把发布本身快进讲完，这些信息你在别的号也能刷到，我尽量压缩。

MiniCPM5-2B，在 Artificial Analysis 的 AA-Index 榜单上拿了 17 分，是 4B 以下模型的最高分。多个基准的平均分 54.26，对比一下同量级的选手，Qwen3.5-2B 是 41.66，Gemma-4-E2B-it 是 37.62。更有意思的是它还超过了 LFM2.5-8B-A1B 的 49.15，那是一个 8B 稀疏架构的模型，参数量是它四倍。

单项里有几个数字挺扎眼。长文本理解 AA-LCR 得分 42.33，超出第二名十六分多。数学推理 AIME-2026 拿了 60.95，同量级的 Qwen3-1.7B 只有 36.88。还有一个 τ²-Bench Telecom，这是个模拟真实客服场景的 agent 评测，考模型会不会在多轮对话里正确调用工具办事，它跑了 90.35。

一个 2B 的模型，原生支持混合思考，能在快速响应和深度推理之间切换，上下文窗口给到 512K，单次能塞进整本长篇小说或者几十万行代码。

我日常的工作就是给大模型搭脚手架，让 agent 能在生产环境里真正把活干完的那层工程。所以看到 τ²-Bench 这个分数时我是真有点坐直了。工具调用、多轮任务这些能力，以前默认是云端大模型的地盘，端侧小模型能把 demo 跑通就算及格。90 分这个量级，说明它是照着「端侧 agent 基座」去训的，不是照着聊天玩具去训的。

发布材料里也印证了这一点。它的训练流程里专门排了 200B 规模的 Agent Midtraining，加上百万条高质量轨迹的 SFT 和强化学习对齐。翻译成人话，人家从预训练阶段就在教这个模型干活，而不是训完了再想办法教它用工具。

再说 9 款芯片 Day0 适配这件事。华为昇腾、海光、昆仑芯、沐曦、摩尔线程、平头哥、清微智能、天数智芯、英伟达，再延伸到 ARM 端侧平台，模型发布当天，这些芯片上就能跑，精度跟英伟达平台对齐，部分芯片的性价比还反超了。

写 CUDA 之外代码的朋友应该懂这有多难得。一套模型跨九种芯片架构，还要精度对齐，这背后是 FlagOS 社区的统一软件栈在兜底。以前这种适配是模型发布后几个月的事，现在压到了第零天，这一手有点子牛逼。

发布会还有个彩蛋，面壁跟英特尔在现场签了合作备忘录，此前基于英特尔 18A 制程的 Core Ultra 平台，180 TOPS 的算力已经能支持 35B 参数模型本地部署。你下一台笔记本可能真的塞得下一个中型模型。

通稿部分到此为止。接下来聊点通稿里不会写的。

很多朋友可能不知道面壁这家公司。它不是新玩家，恰恰相反，它的创始团队是中国最早摸到大模型的那批人。2020 年，22 岁的曾国洋在一个晚间聚会上支了张桌子，展示了中国第一个大语言模型 CPM-1，一个打字机一样的网页，打几个字按 Tab，它就往后补内容。那时候 ChatGPT 还要再等两年。

最早看见大模型的人，后来却转身去做最小的模型。2023 年下半年，所有人都在追参数、追 OpenAI 的时候，他们选了端侧这条冷清的路。

为什么，曾国洋在前几天的一个专访里讲得很直白。他们在赛道上待得太久了，国内厂商从 2021 到 2023 卷参数，从几百亿一路卷到十万亿，但十万亿参数没带来真正的智能。最早的 ChatGPT 也就 250 到 500 亿参数。经历过这些实践的人知道，单纯把模型训大是条死路。

面壁给自己找的尺子叫知识密度，同等尺寸下模型能装进多少智能。他们还喊出一条面壁定律，知识密度每 3.5 个月翻一番，同等智能所需的参数规模指数级下降。

这话听着像营销口号对吧，我一开始也这么觉得。但配套的方法论是实打实的。他们搞了个叫模型风洞的技术，像造飞机不用造完整了再试飞，先把外壳放风洞里吹，他们能在小规模实验里预测完整训练后的效果，几天出结果。2024 年靠这套技术训了个 2B 的验证版本，效果超过了同期 Meta 的 LLaMA 8B，这才有了 MiniCPM 这个系列。

这次的 UltraX 数据治理方案也是同一个思路的延续。用一个 0.6B 的小模型对网页数据做行级的增删改，把数据清洗从「筛掉垃圾」升级成「可校验、可追溯的编辑程序」。曾国洋有句话我印象很深，做模型就是做数据。他要求每个算法工程师训练前必须亲自看数据，一百多个数据集挨个检查。他举过一个例子，上万条微调数据里有两条因为处理不当截断了半句话，训练完的模型就开始在对话里说到一半戛然而止。两万条里两条有问题，模型就学坏了。

嘶。我想起自己排查过的那些 agent 灵异行为，多少次最后挖出来就是数据或者 prompt 里一个不起眼的破损。这种对细节的偏执，可能才是 2B 打赢 8B 的真正原因。

那为什么端侧这条路值得走，我给你几个从工程视角的理由。

云端模型的资源约束是弹性的，推理成本高了可以优化 infra，可以烧钱补贴用户。端侧是硬约束，曾国洋的原话很妙，模型太大跑不动就是跑不动，补贴钱没用，功耗太高会发热，你不可能补贴一个冰块。

这种硬约束反而逼出了真功夫。云端可以靠堆卡掩盖的低效，在端上全部现形。量化损失怎么恢复，功耗怎么压，首响应延迟怎么砍，每一项都是躲不掉的工程债。所以你看面壁这两年的动作，跟高通、联发科、英特尔、AMD 挨个做适配，新出的 BitCPM-CANN 系列能让同一块内存多装约 6 倍大的模型。在内存价格飞涨的今年，这个能力值钱得很。

而对我们这些写代码的人，端侧模型的价值可以数得更具体。不用 API key，不用按 token 付费，断网能跑，数据不出设备。你要给公司内部文档做个问答助手，法务不批云端 API 的场景太常见了，一个能在办公电脑本地跑的 2B agent 基座，很多事一下就顺了。

再说说下午那个容易被忽略的发布，MiniCPM-Robot。

这是面壁第一个具身智能模型系列，全部开源。里面有 MiniCPM-RobotManip，一个 1.5B 的通用视觉语言动作模型，就是常说的 VLA，看图像、听指令、直接输出机械臂的动作。还有做真实世界目标跟踪的 MiniCPM-RobotTrack，和一个专为具身模型设计的高性能推理框架 PhyAI。

我点开 GitHub 看了一眼，仓库已经挂出来了，不是 PPT 发布。

把这两个发布摆在一起看，面壁的路线就清楚了。机器人跟手机一样，是个不能无限堆算力的地方，电池、功耗、实时性全是硬约束，天然是小模型的主场。一个 1.5B 的 VLA 意味着普通开发者用消费级硬件就能玩真机，而不是看着英伟达发布会流口水。

曾国洋在专访里有个比喻，端侧模型把数字世界和真实世界的边界接起来，像气球的外皮，云端是里面的气。这周大家都在看气有多大，很少有人看皮。但你入手的每一台手机、每一辆车、未来家里的每一个机器人，装的都是皮。

当然，我得泼两瓢冷水，不然这篇就成通稿了。

第一瓢，MiniCPM5-2B 发布了，但截至今晚还没开源。官方说法是即将开源，模型权重和各芯片的适配镜像会同步上 Hugging Face 和魔搭。发布会先行、权重后放，这在行业里不算罕见，但在它真的落到你硬盘里之前，所有跑分都只是别人家的跑分。想动手的朋友可以先盯着 OpenBMB 的 GitHub 和 Hugging Face 主页，Robot 系列倒是现在就能下。

第二瓢，2B 就是 2B。它拿的是 4B 以下的第一，不是全球第一。你让它写复杂系统的架构方案、做深度研究，它还是打不过云端那些万亿参数的巨兽。端侧模型的正确用法是干那些高频、轻量、贴身的活，总结、改写、工具调用、设备控制。指望一个 2B 替代你的 Claude 订阅，那是既误解了端，也误解了云。

但方向这个东西，有时候比当下的绝对能力重要。

知识密度每 3.5 个月翻一番，这个定律哪怕只对一半，往后推两年，今天旗舰云端模型的能力就会被压进一个手机能跑的尺寸里。到那天，「模型跑在哪」就不再是技术问题，而是你愿不愿意把自己的数据交出去的问题。

万能青年旅店唱过，是谁来自山川湖海，却囿于昼夜厨房与爱。大模型这两年都在山川湖海里比谁的浪大，而端侧这批人在认真研究昼夜、厨房与爱，那些贴着人的、琐碎的、真实的场景。

这周刷屏的是 2.8 万亿，但十年后回头看，真正改变你每天生活的，说不定是这个还没开源的 2B。

权重真放出来那天，我打算第一时间拉到本地跑一遍，到时候把实测写给你看。

相关链接放这里，想深挖的自取。

MiniCPM-Robot 开源仓库 https://github.com/OpenBMB/MiniCPM-Robot MiniCPM 系列主仓库 https://github.com/OpenBMB/MiniCPM OpenBMB 的 Hugging Face 主页 https://huggingface.co/openbmb Robot 系列官宣推文 https://x.com/OpenBMB/status/2078839529591759025 Artificial Analysis 榜单 https://artificialanalysis.ai