9月8日，面壁智能和OpenBMB把MiniCPM5-2B的权重挂上了HuggingFace。这个模型7月19日就在WAIC亮过相，当时Artificial Analysis榜单给的综合分是17。两个月后开源出来的版本，同一张榜单给了23分。
23分在4B以下开源模型里排第一，也压过了参数量大几倍的Gemma 4 12B以及Qwen3.5 9B，两家都是22分。
token消耗方面，MiniCPM5-2B跑完一个任务平均吐21k个token，14k花在思考上，7k才是答案。相比之下，Qwen3.5 9B要吐34k个token。同样吃掉21k的LFM2.5-2.6B只拿到11分，Granite 4.2 3B吃掉19k拿到14分。
算力账单差不多，得分却差出一倍，说到底还是面壁讲了三年的密度定律在起作用。
还有一组覆盖面更宽的评测，34项基准，从代码推理、数学推理一路排到指令遵循、综合知识、长文本、工具调用以及智能体任务。MiniCPM5-2B平均53.9分，2B档第二名33.2分，参数量翻倍的Qwen3.5-4B是51.1分。
不过综合分不是这次表现最突出，智能体能力才是。
MiniCPM5-2B拿20分，第二名Granite 4.2 8B是9分，2B到3B这一档的另外几个模型，LFM2.5-2.6B、Granite 4.2 3B、Ministral 3 3B，清一色2分。
过去两年端侧模型卷的是能不能把题答对，Agentic Index考的是另一码事，它要看模型能不能理解目标、拆开任务、调工具、根据反馈改策略，一轮一轮推下去。
GDPval-AA v2更贴近真实工作，拿职业任务打分，人类基线定在1000分。MiniCPM5-2B得到891，Granite 4.2 8B是702，Gemma 4 12B只有647。891看着漂亮，我倒觉得该泼点冷水。人类基线1000代表一个合格从业者的水平，891意味着它还没够到那条线。打赢参数量六倍于自己的模型是一回事，能独立替你把活干完是另一回事。
真正的门槛在芯片上，榜单上看不见。你要是把模型放到端侧去跑，第一道瓶颈就是内存带宽。手机的内存带宽普遍卡在30到50GB/s，服务器级GPU是几百GB/s。
实测数据显示，跑4B模型时设备表面温度五分钟能升到45度以上，功耗比待机状态高出300%到400%，连续推理续航撑不到两小时。
而一个Agent任务恰好是多轮、长时、一直在想的那种负载。这样一来，面壁把Day0适配名单拉得那么长就解释得通了。英特尔酷睿Ultra把CPU、GPU、NPU的异构算力全用上，拿OpenVINO从算子、图融合到内存调度，一层一层往下抠；瑞芯微走RK3588加RK1828双芯平台，用RK182X的高带宽压首token时延；Armv9靠SME2直接在CPU上做AI加速，实测下来prefill快了约1.7倍，decode快了约1.2倍。
开源的方式也跟常规做法不太一样。面壁这次连同四个数据集、自研RL框架Meshy、策略JustRL II一起放了出来。UltraData-SFT-Agent-2609大约50万条样本，覆盖工具调用、网页搜索、代码生成、Office文档处理以及数据库交互；UltraData-RL-2609八万多条，要走可验证性过滤、奖励可信性校验以及难度匹配三道筛。
数据那边的规模也对得上这个结果。
UltraData-Code从约1.92亿个公开GitHub仓库捞原始代码，清洗去重，再做算法筛选以及任务导向合成，形成约400B词元的L2数据和150B词元的L3数据，整个系列到今年9月，累计下载已经超过266万次。
小模型做长思维链强化学习的老毛病是分数越训越低，数据噪声多，奖励信号容易把模型带偏，GRPO面对上万token的推理链分不清哪一步对哪一步错。JustRL II的解法挺直接，给GRPO装一个Critic，做到词元级信用分配。
能不能真的落到设备上，面壁手里其实有几个现成的答案。7月15日国家网信办公布首批7款手机端侧大模型备案名单，面壁是其中唯一以端侧模型能力参与备案的大模型公司，MiniCPM系列进了三星旗舰供应链。
车机这边，SuperMate座舱方案今年要完成超过30万台量产车交付。公司8月11日在北京证监局办了IPO辅导备案，辅导机构中信证券，上半年融资超过50亿元，估值超过200亿元。
端侧Agent现在还谈不上跑通。MiniCPM5-2B证明的是2B参数装得下一个Agent的雏形，接下来要证明的，是这东西在手机上跑上的场景落地。
（来源：维科网）
相关推荐
-
工信部：三年培育超万家AI科创中小企业，两千家小巨人！
9月3日上午，第二十一届中博会在广州广交会展馆开了幕。这届的主题讲的就是人工智能怎么帮中小企业办事。开幕式上发了几样东西，一份是人工智能中小企业创业支持计划（简称，计划），第二天工信部办公厅把通知印发
-
一万个Agent, 88小时, Open AI破解数学“千禧难题”
作者钱江 编辑山茶 有界Unknown 原创 一夜之间，OpenAI扔出一个让数学界炸锅的消息。 一个困了数学界近90年的千禧年难题，OpenAI用大约88小时找到了答案。 这道题叫Navier–St
-
算力新锐，一周签下21亿算力大单！
亚康股份9月7日晚间公告，子公司亚康智算与客户C公司签订了《高性能算力云服务协议》，根据合同约定，亚康智算将向其提供算力资源，合同含税金额为118,841.88万元人民币。 ?公告里最扎眼的地方，在于
-
第五届数贸会将首创Token主题AI未来展区
9月7日第五届全球数字贸易博览会（以下简称“数贸会”）将于9月23日至27日在浙江杭州举办。在9月7日国新办举行的新闻发布会上，商务部副部长鄢东介绍，本届数贸会以“在数贸会遇见AI未来”为主题，人工智
-
华为AI芯片，重磅首发！
9月7日下午两点半的广州，余承东把麒麟9050 Pro讲完，忽然切成了英语，“super fast, super intelligent, super cool”。台下尖叫。他自己又补了一句，很久没开
-
数亿元！原生AI具身智能公司完成Pre
9月3日，深朴智能（Simple AI）宣布完成数亿元Pre-A+轮融资。跟进来的一共七家，珂玺资本、上海科创旗下知识产权基金、金浦投资、亳州产投、上城资本、乾融资本，以及老股东线性资本。 三个月前的
-
突发！地表最强AI大模型发布不到一小时，它的提示词就被黑客挂上网
昨晚（美东时间 9 月 1 日）Anthropic 发布了Fable 5.1和Mythos 5.1。今天早上我把发布会材料、system card还有各路实测翻了一遍，性能和价格确实都是大新闻，但最有
-
全球首款AI智能体手机获入网许可
9月1日，努比亚NaviX Ultra正式获得工业和信息化部入网许可，完成从大模型备案到终端入网的完整合规流程。这标志着全球首款AI智能体手机从概念验证迈向规模化商用。该手机将搭载豆包手机助手，也被公
-
MIR 睿工业发布《2026年中国灵巧手行业发展白皮书》，哪些企业处在第一梯队？
灵巧手的讨论往往从自由度、负载、指尖触觉精度等硬件参数开始。这些指标决定着运动范围、承载能力与结构形态，是复杂操作的物理基础。但回到真实作业场景，一只手能否稳定完成异形抓取、柔性装配、多步骤连续操作，
-
别让AI服务误导消费决策
近日，中国消费者协会发布人工智能服务消费提示，提醒广大消费者理性认识通用生成式人工智能的信息辅助和参考属性，对涉及价格费用、合同条款、售后服务、法律责任等重要消费信息，不宜仅依据人工智能生成内容作出决
