国产 2B 参数“小钢炮”模型开源：端侧智能密度夺冠，评测得分超谷歌 Gemma 4 12B

端侧大模型的“以小博大”又出现新标杆。9 月 8 日，北京端侧大模型独角兽面壁智能联合 OpenBMB 开源社区，正式开源新一代端侧语言基座模型 MiniCPM5 2B。这款模型参数规模仅 2B，却支持工具调用、深度搜索、代码生成等任务，并在发布当日完成英特尔、瑞芯微、Arm 等芯片平台的首日适配。

评测数据最能说明其“小钢炮”属性。在评测机构 Artificial Analysis 的榜单上，MiniCPM5 2B 以 23 分的综合能力得分位列全球 4B 以下开源模型第一，智能密度高于 Qwen3.5 9B，也高于参数规模约为其六倍的谷歌 Gemma 4 12B。智能体指标 Agentic Index 上，MiniCPM5 2B 拿下 20 分，而同级别模型普遍低于 10 分。面壁智能认为，这标志着 2B 参数规模初步展现出通用智能体能力雏形，随着端侧智能体能力持续提升，办公与生活场景的使用成本有望进一步下降。

推理效率方面同样亮眼：以 1000 分为人类基线，MiniCPM5 2B 在真实任务评测中获得 891 分，远高于 Gemma 4 12B 的 647 分，更接近人类水平。在面壁智能公布的 34 项基准评测中，MiniCPM5 2B 以平均 53.9 分排名第一，覆盖代码推理、数学推理、指令遵循、综合知识、长文本、工具调用和智能体任务等方向，甚至超过 Qwen3.5 4B 等参数更大的模型。

更难得的是，这次开源是“全家桶”式的：除模型权重外，面壁智能还开源了自研强化学习框架 Meshy、基于奖励的强化学习策略 JustRL II，以及完整训练配方与配套数据集。Meshy 取消了中央控制器和 Ray 依赖，将训练、推理、奖励计算组织为对等服务，通过 TransferQueue 的数据就绪状态驱动流程，支持同步、异步与全异步三种训练模式切换；JustRL II 则通过三阶段流水线筛选校准数据，并为 GRPO 算法引入 Critic，实现词元级信用分配，解决了长思维链强化学习中的数据质量与信用分配难题。

生态适配方面，MiniCPM5 2B 已接入主流开发工具链：训练微调支持 LlamaFactory 等工具，推理部署兼容 SGLang、vLLM、llama.cpp、Ollama、Hugging Face Transformers 等主流框架，并兼容面壁自研的 Arclight CPU 推理框架。硬件侧，英特尔平台依托酷睿 Ultra 系列的 CPU、GPU、NPU 异构资源与 OpenVINO 工具套件完成优化，支持在 AI PC 本地部署；瑞芯微平台可基于 RK3588 与 RK1828 双芯平台运行，通过 RKNN3 工具链完成量化与算子优化；Arm 平台则适配了启用第二代可伸缩矩阵扩展技术 SME2 的 Armv9 移动设备，优化后预填充与解码阶段性能分别达到对照条件下的约 1.7 倍与 1.2 倍。

截至 2026 年 8 月，MiniCPM 系列开源模型全球下载量已突破 5000 万次。端侧智能体能否在有限算力与内存下稳定完成工具调用、搜索与代码生成，并在效果、速度与功耗之间取得平衡，将是这类“小钢炮”模型能否把评测优势转化为日常价值的关键。

文章与图片内容转载网络，如有侵权请联系平台删除