2B小钢炮逆袭！面壁智能开源模型吊打12B巨无霸，谁还敢说小模型不行？

小模型逆袭大参数

9月8日, 面壁智能联合OpenBMB正式发布并开源MiniCPM5-2B模型。仅靠二十亿个参数的这款基座模型, 竟在全球权威AA榜单中拿下B4以下型号的模型第一名, 引发行业内部广泛的关注。

该项成果直接超越Gemma 4 12B、Qwen3.5 9B等类大参数模型, 在AI模型研发长期奉行“大参数即高智能”论调的情况下, 此类结果打破了传统认知, 佐证轻量化模型也具备强悍竞争力。

在Agent专项评测之中, MiniCPM5-2B的Agentic Index得分达到了20分。相较之下, Granite 4.2 8B仅只得9分, Qwen3.5 9B则仅得7分, 参数量分别是它的两倍到四倍之间。

这意味着普通用户可以在本地设备上运行具备通用Agent能力的模型, 无需依赖云端服务器, 个人电脑或智能手机即可完成智能体任务。如此这般, 降低了AI应用门槛。

Token消耗同等下, MiniCPM5-2B的智力得分为23分, 接近同级模型的两倍。Token效率的高意味着更少的计算资源和更快的响应速度, 对设备的性能与电池的续航都有积极影响。

这一效率优势让端侧部署更具可行性。用户在本地运行模型时, 既能保护隐私数据又能减少网络延迟, 获得更流畅的交互体验。

MiniCPM5-2B, 平均得分五十三点九, 位居同级之首, 其表现超过表现最佳Qwen3.5-4B模型的4B级别, 在代码编写、数学推理、长文本处理、指令遵循、工具调用等三十四个任务中。

能力的全面覆盖表明模型并非在单一维度上优化, 而是实现了均衡多维度的发展。现实应用具有重要意义的是这一点, 因为真实场景往往需要模型同时处理多类型的任务。

真实任务评测里的MiniCPM5-2B获得891分、人类基线为1000分, 参数量为它6倍的Gemma 4 12B仅得647分差距明显。

这种成绩表明小尺寸参数模型在各类使用场景里已经接近人类的实际表现, 那些不需要进行繁杂推理的寻常工作场景, 小体积模型完全可以切实承接, 同时节约掉相当多的计算力成本。

端侧通用Agent雏形的初步实现, 标志着MiniCPM5-2B的发布, 用户本地设备即可完成复杂任务处理、无需上传数据至云端,数据安全性和隐私保护也因此得到显著提升。

推行开源模型在此之举措伽师新梅产业, 将会催使更多开发人员将自身开发创新所应用程序, 落地围绕于该开源模型之上；而届时, 基于该项应用于一般使用者间各类智能化应用化产物, 将其面向需求开发推广之日可期, AI前沿技术向普遍大众普及化落地的发展进展速度亦将得以上行提速向好发展。

小参数模型你觉得是否会成为AI未来的主流发展方向, 还有欢迎在评论区分享你的看法, 点赞和转发本文记得啊！