智东西智东西6月7日报道，在2025智源大会期间，北京大模型创企面壁智能发布开源模型MiniCPM4.0的两个新版本（0.5B、8B），代号「前进四」。
MiniCPM4-0.5B训练开销仅为Qwen3-0.6B的2.7%，以一半参数目实现翻倍性能，综合得分平均分为52.06分，远超同类模型。面壁科技还发布了一个0.5B的三级量化版本，平均得分是56分，是非常好的成绩。
MiniCPM4-8B训练开销仅22%，加了长下文稀疏化版本，做到同等参数、性能更强，综合得分对标Qwen3-8B、超越Gemma3-12B，在下列同类端侧模型排行榜中分数排名第一。
智东西智东西6月7日报道，在2025智源大会期间，北京大模型创企面壁智能发布开源模型MiniCPM4.0的两个新版本（0.5B、8B），代号「前进四」。
MiniCPM4-0.5B训练开销仅为Qwen3-0.6B的2.7%，以一半参数目实现翻倍性能，综合得分平均分为52.06分，远超同类模型。面壁科技还发布了一个0.5B的三级量化版本，平均得分是56分，是非常好的成绩。
MiniCPM4-8B训练开销仅22%，加了长下文稀疏化版本，做到同等参数、性能更强，综合得分对标Qwen3-8B、超越Gemma3-12B，在下列同类端侧模型排行榜中分数排名第一。
面壁智能CEO李大海总结说，MiniCPM4模型最大的特点就是快。
在端侧跑140K上下文，需要很大的端侧内存，属于极端场景。在JetsonOrinAGX（64G）或RTX4090（24G）硬件上运行128K长文本时，像Qwen3-8B这样没做过上下文稀疏化的模型，显存不够用，需要用CPU内存，offload导致速度急速下降；而MiniCPM4-8B做了快速稀疏化工作，可将占用的低长文本缓存降至1/4，在常规场景里至少可以取得3-5倍的速度优势。
面壁智能CEO李大海总结说，MiniCPM4模型最大的特点就是快。
在端侧跑140K上下文，需要很大的端侧内存，属于极端场景。在JetsonOrinAGX（64G）或RTX4090（24G）硬件上运行128K长文本时，像Qwen3-8B这样没做过上下文稀疏化的模型，显存不够用，需要用CPU内存，offload导致速度急速下降；而MiniCPM4-8B做了快速稀疏化工作，可将占用的低长文本缓存降至1/4，在常规场景里至少可以取得3-5倍的速度优势。
在显存受限的极限场景中，MiniCPM4的测试数据甚至可以快到220倍。
面壁智能的MiniCPM4-MCP模型，在端侧利用MCP协议，支持15个主流应用，取得了很高的综合评测表现得分。另一个MiniCPM4-Survey端侧版可在AIPC上构建DeepResearch（深度研究）服务，是一个离线可用的随身研究报告利器，有助于保护本地隐私数据。
在显存受限的极限场景中，MiniCPM4的测试数据甚至可以快到220倍。
面壁智能的MiniCPM4-MCP模型，在端侧利用MCP协议，支持15个主流应用，取得了很高的综合评测表现得分。另一个MiniCPM4-Survey端侧版可在AIPC上构建DeepResearch（深度研究）服务，是一个离线可用的随身研究报告利器，有助于保护本地隐私数据。
面壁智能与英特尔紧密合作，首次端侧解锁128K长上下文窗口，在英特尔平台上基于InfLLM2.0稀疏注意力结构已实现3.8倍加速的推理优化效果。同时，MiniCPM4已经可以在华为昇腾、联发科、高通等主流芯片上流畅运行，也支持vLLM、AutoGPT等推理框架，欧拉版正在积极适配中。
面壁智能与英特尔紧密合作，首次端侧解锁128K长上下文窗口，在英特尔平台上基于InfLLM2.0稀疏注意力结构已实现3.8倍加速的推理优化效果。同时，MiniCPM4已经可以在华为昇腾、联发科、高通等主流芯片上流畅运行，也支持vLLM、AutoGPT等推理框架，欧拉版正在积极适配中。
又快又好，是怎么做到的？
李大海分享了背后的技术细节——行业首个全开源系统级上下级稀疏化高效创新。
又快又好，是怎么做到的？
李大海分享了背后的技术细节——行业首个全开源系统级上下级稀疏化高效创新。
传统Transformer模型每token需和序列中所有token进行相关性计算逐字重复计算，效率低下。在稀疏注意力机制下，稀疏度越高，计算量越小，速度越快。
MiniCPM4采用了InfLLM2.0混合稀疏注意力结构。该架构采用类似于检索的思路，对文本分块分区域处理，只对最具相关性重点区域进行注意力计算“抽查”，更加高效。通过这种方式，面壁智能可将稀疏度降到5%，将计算量降到10%。
同时，面壁智能还立异地采用了高效的自动双频换挡技术，长文本用稀疏方案，短文本用稠密方案。
传统Transformer模型每token需和序列中所有token进行相关性计算逐字重复计算，效率低下。在稀疏注意力机制下，稀疏度越高，计算量越小，速度越快。
MiniCPM4采用了InfLLM2.0混合稀疏注意力结构。该架构采用类似于检索的思路，对文本分块分区域处理，只对最具相关性重点区域进行注意力计算“抽查”，更加高效。通过这种方式，面壁智能可将稀疏度降到5%，将计算量降到10%。
同时，面壁智能还立异地采用了高效的自动双频换挡技术，长文本用稀疏方案，短文本用稠密方案。
端侧生态丰富，兼容是一件成本较高的事。面壁智能希望尽可能简化端侧模型部署的复杂度，自研了“三级火箭”推理框架。
端侧生态丰富，兼容是一件成本较高的事。面壁智能希望尽可能简化端侧模型部署的复杂度，自研了“三级火箭”推理框架。
（1）自研端侧高性能推理框架CPM.cu：实现稀疏、投机和量化的高效结合，通过FR-Spec轻量化投机采样，相比原始模型提速2倍，让小模型给大模型当实习生，给小模型减负加速，速度提升超5倍。
（2）极致低位宽量化BitCPM：端侧低内存容量部署友好，4bit量化达到业界SOTA等级，3倍量化，可瘦身90%。
（3）自研跨平台部署框架Arkinfer：面向多平台端侧芯片极致优化，跨平台高效投机采样和限制解码，支持端侧多平台ModelZoo的丝滑使用，速度提升2倍。
在高效训练方面，面壁智能也做了很多探索。
（1）模型风洞ModelWindTunnelv2：用小模型给大模型探路，通过高效训练小模型，寻求大模型训练最佳配置，将学习率、批大小等移至大模型训练，完成最优配置搜索。
（2）Chunk-wiseRollout负载均衡强化学习：强化学习训练中，单一数据过长时，将在GPU上产生大量空泡，导致负载不均，因此将长数据分段采样，使其在下一阶段继续生成，以此实现GPU资源的高效分配。
（3）工程优化：采用FP8训练，以低精度加速模型计算，提升训练效率；采用MTP监督信号，提供更稠密的监督信号，提升模型数据利用率。
MiniCPM4模型还有一个重要优势：只用了非常少的高质量训练语料。
好数据才能跑出好性能。8T的面壁高质量数据，与36T竞品数据的模型训练效果相当。
（1）Ultra-FineWeb：高效数据严格筛选机制，可构建万亿高质量数据集，通过“半成品加工法”高效验证，先训一个’半熟”模型，再用新数据快速微调，能够将成本降低90%；用fastText工具进行大语言模型质检，处理15万亿数据只需1000小时CPU。
（2）UltraChat-v2：高能力密度数据合成，可构建大规模知识密集型、推理密集型、指令遵循型、长文本处理型、工具调用型等多样化的有监督微调数据。
总体来看，MiniCPM4以更少参数目实现出色性能的背后，是面壁智能从架构层、系统层、推理层到数据层的层层优化。而用更少的数据和算力做出同等性能的模型，意味着降低成本，能将时间和资源用于做更多、更有价值的事。
作为国内端侧模型代表，面壁智能旗下模型矩阵已覆盖基座模型MiniCPM、旗舰多模态模型MiniCPM-V、旗舰全模态模型MiniCPM-o，全球下载量超千万。
（1）自研端侧高性能推理框架CPM.cu：实现稀疏、投机和量化的高效结合，通过FR-Spec轻量化投机采样，相比原始模型提速2倍，让小模型给大模型当实习生，给小模型减负加速，速度提升超5倍。
（2）极致低位宽量化BitCPM：端侧低内存容量部署友好，4bit量化达到业界SOTA等级，3倍量化，可瘦身90%。
（3）自研跨平台部署框架Arkinfer：面向多平台端侧芯片极致优化，跨平台高效投机采样和限制解码，支持端侧多平台ModelZoo的丝滑使用，速度提升2倍。
在高效训练方面，面壁智能也做了很多探索。
（1）模型风洞ModelWindTunnelv2：用小模型给大模型探路，通过高效训练小模型，寻求大模型训练最佳配置，将学习率、批大小等移至大模型训练，完成最优配置搜索。
（2）Chunk-wiseRollout负载均衡强化学习：强化学习训练中，单一数据过长时，将在GPU上产生大量空泡，导致负载不均，因此将长数据分段采样，使其在下一阶段继续生成，以此实现GPU资源的高效分配。
（3）工程优化：采用FP8训练，以低精度加速模型计算，提升训练效率；采用MTP监督信号，提供更稠密的监督信号，提升模型数据利用率。
MiniCPM4模型还有一个重要优势：只用了非常少的高质量训练语料。
好数据才能跑出好性能。8T的面壁高质量数据，与36T竞品数据的模型训练效果相当。
（1）Ultra-FineWeb：高效数据严格筛选机制，可构建万亿高质量数据集，通过“半成品加工法”高效验证，先训一个’半熟”模型，再用新数据快速微调，能够将成本降低90%；用fastText工具进行大语言模型质检，处理15万亿数据只需1000小时CPU。
（2）UltraChat-v2：高能力密度数据合成，可构建大规模知识密集型、推理密集型、指令遵循型、长文本处理型、工具调用型等多样化的有监督微调数据。
总体来看，MiniCPM4以更少参数目实现出色性能的背后，是面壁智能从架构层、系统层、推理层到数据层的层层优化。而用更少的数据和算力做出同等性能的模型，意味着降低成本，能将时间和资源用于做更多、更有价值的事。
作为国内端侧模型代表，面壁智能旗下模型矩阵已覆盖基座模型MiniCPM、旗舰多模态模型MiniCPM-V、旗舰全模态模型MiniCPM-o，全球下载量超千万。
来源：头条娱乐