融期策略配资面壁智能开源 MiniCPM5-2B：AA 榜单全球 4B 以下第一，初具端侧通用 Agent 能力

9 月 8 日，面壁智能联合 OpenBMB 开源社区正式开源新一代「小钢炮」MiniCPM5-2B。

MiniCPM5-2B 的参数规模为 2B，是一款高密度端侧语言基座模型，支持工具调用、深度搜索、代码生成等任务，初步实现了端侧通用 Agent 雏形。

根据国际知名权威榜单 Artificial Analysis Intelligence Index（以下简称「AA榜单」）的最新评测，MiniCPM5-2B 综合能力得分 23 分，在全球 4B 参数规模以下的开源基座模型中综合表现第一。

其中，在评测智能体能力的 Agentic Index 指标上，MiniCPM5-2B 更是断层式领先：总分高达 20 分，同级模型（如 LFM2.5-2.6B、Granite 4.2 3B、Mistral 3 3B）仅 2 分。

这一能力跃升的背后，是面壁智能在数据、模型训练与框架等大模型底层技术上的持续创新，也是面壁智能首创「密度定律」在端侧基础模型上的持续验证。

全球 4B 以下综合表现最优

在 AA 榜单上，MiniCPM5-2B 的综合能力得分提升至 23 分，位于全球 4B 参数以下开源模型之首，超越 Gemma 4 12B、Qwen3.5 9B 以及各大主流 3B-4B 级别的模型：

在模型的智能密度上，MiniCPM5-2B 实现了极致的参数效率比——以仅 2B 的参数体量，在智能水平上领先参数规模翻倍的 4B 同级开源模型。

这意味着：MiniCPM5-2B 仅用约一半的参数量，就跑出了近乎翻倍的智能得分，单位参数智能密度极高。

在推理效率与输出质量上，MiniCPM5-2B 表现出了极高的 Token 产出效率：

同样消耗 21k Token（14k 思考 + 7k 答案），MiniCPM5-2B 的智力得分高达 23 分、同级第一。同比 Granite 4.2 3B 消耗 19k Token（12k 思考 + 7k 答案），智力得分仅 14 分；LFM2.5-2.6B 消耗 21k Token（14k 思考 + 7k 答案），智力得分仅 11 分。

也就是说，MiniCPM5-2B 用同等甚至更紧凑的计算成本，实现了几乎两倍的智能高度：

在通用 Agent 能力上，MiniCPM5-2B 也体现了高密度端侧语言基础模型的潜力：

根据 AA 榜单成绩，MiniCPM5-2B 获得断层式领先的 20 分，是同级模型（包括 LFM2.5-2.6B、Granite 4.2 3B、Mistral 3 3B）的 10 倍能力增长，初步实现了高智能密度端侧通用 Agent 能力雏形。

除了 AA 榜单，MiniCPM5-2B 在覆盖代码推理、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的 34 项基准评测中也有出色表现：

其平均得分高达达 53.9 分，排名第一，不仅领先同级 2B 模型第二名的 33.2 分，也超过 4B 模型中表现最佳的 Qwen3.5-4B。

具体任务上，代码推理、数学推理、长文本、工具调用、搜索智能体、通用智能体等多个领域上均领先同级 2B 乃至参数规模更大的 3B-4B 行业主流模型。

以 1000 分为人类基线，MiniCPM5-2B 在真实任务评测中获得 891 分，居于 4B 以下模型榜首，同时远高于参数规模约为其 6 倍的 Gemma 4 12B（647 分），更接近人类水平。

MiniCPM5-2B 在智能密度与 Token 消耗上的表现，进一步验证了面壁智能首创「密度定律」的科学性，也体现了其在算力与显存有限的手机、车机、PC、机器人等端侧设备上兼顾性能与成本的落地优势。

数据治理，让智能更高效

MiniCPM5-2B 高效平衡性能与成本的背后，是对每一个模型参数潜力的极致挖掘。支撑这一结果的，是面壁智能自 2023 年以来率先积累多年的数据治理经验与成果。

受限于算力、显存等因素，目前能够部署到端侧设备上的模型参数规模有限，因此每一个参数的智能密度都直接决定了端侧智能的上限。数据治理是提高智能密度的关键。

MiniCPM5-2B 基于面壁智能 UltraData 的 L0 至 L4 分级数据治理体系，在通用网页、数学、代码、SFT、RL 等多个维度上提出了完善的数据治理方案。伴随 MiniCPM5-2B 一同新开源的，还有 4 个数据集：UltraData-Code、UltraData-SFT-Agent-2609、UltraData-RL-2609、UltraX。

UltraData-Code：

面向代码预训练与能力优化，覆盖 UltraData L0 至 L3 分级代码数据。项目从约 1.92 亿个公开 GitHub 仓库中采集原始数据，经过清洗去重、算法代码筛选和任务导向的结构化合成，分别形成约 400B 词元的 L2 算法代码精筛数据和约 150B 词元的 L3 任务导向合成数据

UltraData-SFT-Agent-2609：

用于 MiniCPM5-2B 后训练阶段的智能体能力优化，包含约 50 万条训练样本，覆盖工具调用、网页搜索、代码生成、Office 文档处理、数据库交互等任务，可有效提升端侧模型智能体能力。

UltraData-RL-2609：

该数据是 MiniCPM5-2B 强化学习阶段的核心数据集，包含超过 8 万条覆盖数学推理、代码生成、通用知识问答和长文本理解的高质量样本。针对题目不可验证、奖励标签不可信以及难度与模型能力不匹配等问题，数据集通过可验证性过滤、奖励可信性校验和难度匹配三阶段流程进行严格清洗，为 RL 训练提供高信噪比的奖励信号和可靠的数据基础。

UltraX：

UltraX是一个面向大规模预训练数据的函数调用式精炼框架。它通过轻量化模型逐条地对数据生成处理脚本，实现低成本、细粒度且可追溯的数据清洗。UltraX 包含五个数据子集，合计约 100B 词元、1.14 亿条样本，可有效提升预训练数据质量。

目前，UltraData 数据集在开源社区已得到广泛验证。截至 2026 年 9 月，UltraData 系列数据集累计下载量超过 266 万次，累计开源数据集数量已超过 10 个。

可扩展的强化学习

此次，随着 MiniCPM5-2B 的开源，面壁智能与 OpenBMB 还开源了全新的自研强化学习框架 Meshy 与基于奖励的强化学习策略 JustRL II。

在训练框架侧，Meshy 彻底去掉了 RL 训练的中央控制器和 Ray 依赖，将训练、推理、奖励计算等全部建模到对等服务，利用 TransferQueue 中的数据就绪状态来驱动实际控制流，能够简单的在同步、异步、全异步三种训练模式中灵活切换，便于扩展。

在算法层面，端侧模型做长思维链强化学习，常常训练过程中分数不升反降：一方面训练数据里噪声多、难度不匹配，奖励信号容易带偏模型；另一方面 GRPO 信用分配太粗糙，面对上万词元的推理链，分不清哪步对、哪步错。为此，MiniCPM 团队提出 JustRL II ：数据上，用三阶段流水线筛选校准训练数据；算法上，给 GRPO 装上 Critic，实现词元级信用分配。在 JustRL II 加持下，MiniCPM5-2B 在 RL 后训练中获得了显著的性能收益。

多款芯片 Day0 适配，加速产业落地

为加速产业落地，MiniCPM5-2B 已与英特尔、瑞芯微、Arm 等多家芯片或计算平台厂商完成了 Day0 首日原生适配，在多款芯片上表现出色。

在英特尔平台上，依托酷睿 Ultra 系列 XPU 全异构算力（CPU、GPU、NPU）以及 OpenVINO™ 工具套件，对 MiniCPM5-2B 开展算子、图融合、内存调度全链路深度优化。相较于基准版本，预填充 (Prefill) 和解码 (Decode) 性能均得到大幅提升；可显著压低运行内存占用，大幅削减长上下文推理时延，以低功耗稳定跑通深思考推理、工具调用、深度搜索、代码生成全套端侧 Agent 能力。开发者基于英特尔 AI PC 可实现开箱即用的本地化部署，从底层硬件、优化工具链到上层 Agent 应用形成完整闭环，充分释放 MiniCPM5-2B 端侧 AI 的全部产业潜力。

在瑞芯微平台上，MiniCPM5-2B 可以基于 RK3588+RK1828 双芯平台实现完整端侧部署，依托瑞芯微 RKNN3 完整工具链完成模型量化、算子深度优化，依托 RK182X 系列的高带宽优势有效降低大模型首 token 时延，在端侧硬件上稳定运行，完整复现包括深思考推理、工具调用、深度搜索、代码生成等端侧 Agent 核心能力。

在 Arm 计算平台上，MiniCPM5-2B 现已能够在搭载启用第二代可伸缩矩阵扩展 (SME2) 技术的 Armv9 计算平台的移动设备上实现高效运行。内置于 Armv9 CPU 架构，Arm SME2 可在 CPU 上直接实现 AI 加速，能够在 AI 异构计算框架下，高效支持各类实时移动端推理任务。实际测试结果显示，在启用 SME2 技术的移动设备上运行 MiniCPM5-2B 时，预填充（prefill）与解码（decode) 阶段的性能分别实现了约 1.7 倍和 1.2 倍的提升，有利于为用户带来更加流畅、智能的端侧 AI 体验。

数据、框架、训练方法均开源

面壁智能与 OpenBMB 本次联合开源，不仅开源 MiniCPM5-2B 模型本身，还同时开源模型背后的训练 Recipe（配方）、框架与数据。

近年来，面壁智能联合 OpenBMB 开源社区持续推进基础模型技术开放。截至 2026 年 8 月，MiniCPM 系列模型开源下载量已突破 5000 万，语言基础模型 MiniCPM 开源下载量突破 1300 万。

目前，MiniCPM5-2B 已接入主流开发工具链，并适配多种模型开发与部署工具。

模型训练与微调方面，MiniCPM5-2B 支持 LlamaFactory、ms-swift 等工具；在推理部署上，支持 SGLang、vLLM、llama.cpp、Ollama、Hugging Face Transformers 等主流框架，并兼容面壁智能自研的 Arclight CPU 推理框架。开发者可以根据设备类型、算力条件和应用需求，选择适合的部署与开发方案。

以开源推动中国 AGI 技术的发展，是面壁智能与 OpenBMB 一直以来的共同追求。未来，面壁智能也将继续秉持开源开放的理念，加速人工智能的落地与普惠，让更强的端侧智能走进更广泛的真实场景。

下载“北京日报”客户端阅读体验更佳哦

扫描二维码下载手机客户端

-->

分享到

发布评论文明上网理性发言，请遵守评论服务协议

未登录

0/200发布发布全部评论

0条

点击加载更多

欢迎下载“北京日报”客户端发表评论

相关阅读热门报道换一批推荐阅读换一批精彩视频换一批猜你喜欢滚动企业北京国内国际北晚社会文娱体坛旅游文史阅读深度产经调查互联网美食北晚健康消费北晚行业北晚网摘网站地图新闻评论深度理论视频图库悦读互联网财经文化体坛科教消费矩阵网摘东城区政府网站西城区政府网站朝阳区政府网站海淀区政府网站丰台区政府网站石景山区政府网站门头沟区政府网站房山区政府网站通州区政府网站顺义区政府网站大兴区政府网站昌平区政府网站平谷区政府网站怀柔区政府网站密云区政府网站延庆区政府网站市人大市政协市监察委市高级人民法院市人民检察院市政府办公厅市发展改革委市教委市科委市经济信息化局市民族宗教委市公安局市民政局市司法局市财政局市人力社保局市规划自然资源委市生态资源局市住房城乡建设委市城市管理委市交通委市水务局市农业农村局市商务局市文化和旅游局市卫生健康委市退役军人事务局市应急管理局市市场监督管理局市审计局市政府外办市国资委市广播电视局市文物局市体育局市统计局市园林绿化局市地方金融监管局市人防办市信访办市知识产权局市医保局京报媒体矩阵北京日报北京晚报北京青年报北京商报音乐周报新闻与写作北京日报客户端长安街知事艺绽北晚在线北京深读空间