面壁智能与 OpenBMB 开源社区于 2026 年 9 月 8 日联合开源了新模型 MiniCPM5-2B。这是一个参数规模 2B（20 亿参数）的语言基座模型，支持工具调用、深度搜索、代码生成等任务，官方称已初步实现「端侧通用 Agent」的雏形。第三方评测机构 Artificial Analysis 发布的 AA 榜单显示，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排名第一；在专门衡量智能体能力的 Agentic Index 指标上，它拿到 20 分，而同级的 LFM2.5-2.6B、Granite 4.2 3B、Mistral 3 3B 等模型只有 2 分。

主角是谁：一家做「小模型」的公司与一个开源社区

面壁智能是一家中国 AI 创业公司，核心路线是把大模型做得又小又强，让 AI 能跑在手机、电脑等本地设备上，其代表作是 MiniCPM 系列端侧模型。OpenBMB 是清华大学自然语言处理团队发起的开源社区，长期维护开源模型与工具链。这次双方把模型权重和配套训练工具一并公开，任何开发者都可以免费下载、使用和修改，不需要向任何公司付费。

这里先补充两个基础概念。参数规模可以粗略理解为模型的「脑容量」，参数越多模型通常越聪明，但也越吃算力——像 GPT 级别的大模型参数动辄数千亿，只能跑在大型数据中心里。2B 意味着 20 亿参数，属于小模型，普通手机芯片就能带动。端侧指 AI 直接在用户自己的设备上运行，数据不出本机，不用联网等云端返回，响应更快也更私密。

榜单成绩：多个维度登顶 4B 以下第一

MiniCPM5-2B 的评测成绩集中在三类数字上：

  • AA 榜单综合分 23 分：在全球 4B 参数以下的开源基座模型中排名第一。AA 榜单（Artificial Analysis Intelligence Index）是 Artificial Analysis 这家第三方机构发布的综合评测，会定期更新主流模型的横向对比，是行业常用的参考。
  • Agentic Index 断层领先：这项指标专门测模型「当智能体」的能力，即能不能自己拆解任务、调用工具、一步步把事情做完。MiniCPM5-2B 得 20 分，而同级的 LFM2.5-2.6B、Granite 4.2 3B、Mistral 3 3B 都只有 2 分。
  • 34 项基准评测平均 53.9 分：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七个方向，平均分排名第一，不仅领先同级 2B 模型的第二名（33.2 分），也超过了 4B 参数模型中表现最好的 Qwen3.5-4B。此外，以人类水平为 1000 分基线，它在真实任务评测中得到 891 分，同样居 4B 以下模型之首。

基准评测可以理解为用一套标准化的考试题去考模型，方便不同模型之间横向比较。

配套开源：让模型变强的训练方法也公开了

与模型一同开源的还有两套训练工具：自研强化学习框架 Meshy，以及基于奖励的强化学习策略 JustRL II（含 UltraData 系列训练数据）。强化学习是一种训练方法：模型完成任务后，系统根据结果好坏给奖励信号，模型据此不断调整自己的行为，类似「答对了加分、答错了修正」的自我迭代。小模型受限于脑容量，很难靠堆数据硬记，靠强化学习在有限规模里把能力「练」出来，正是这次 2B 模型能打赢 4B 对手的关键原因。

为什么值得关注：端侧 AI 走向「自己干活」

MiniCPM5-2B 的意义不只是榜单名次。它验证了一条路线：小参数模型配合强化学习，可以在端侧达到通用 Agent 的雏形。这意味着未来的手机 AI 助手不需要把数据传到云端，就能在本地完成多步骤任务——比如根据你的日程自动订行程、跨应用调用工具办事。对开发者而言，完全开源 + 配套训练框架，意味着可以基于它自由定制自己的端侧智能体，成本远低于调用云端大模型。

总结来说：面壁智能用 2B 参数的小模型，在多项评测中赢过 4B 级对手，并把整套技术开源。「小模型 + 强化学习」让手机上的 AI 从「陪聊」走向「自己干活」，这条路正被越来越多的实测数据验证。