面壁智能发布 MiniCPM5-1B：1B 参数端侧 SOTA 模型，支持混合推理与 128K 长上下文，代码/工具调用能力显著增强

面壁智能正式发布了 MiniCPM5-1B，这是 MiniCPM5 系列的首个成员，也是目前 1B 参数量级开源模型中的状态最佳（SOTA）。专为设备端、本地部署及资源受限场景设计，它在保持极小体积的同时，实现了在智能体工具调用、代码生成和复杂推理任务上的卓越表现。

• GitHub：https://github.com/OpenBMB/MiniCPM
• 模型：https://modelscope.cn/collections/OpenBMB/MiniCPM5
• Demo：https://huggingface.co/spaces/openbmb/MiniCPM5-1B-Demo

核心亮点：小身材，大智慧

1. 1B 级别开源 SOTA

在与 LFM2.5-1.2B-Thinking、Qwen3-0.6B/think 等强劲基线模型的对比中，MiniCPM5-1B 在多项基准测试中胜出，尤其在以下领域优势显著：

• 智能体工具调用：更精准地识别和执行外部工具。
• 代码生成：提供更高质量、更符合规范的代码片段。
• 复杂推理：在数学、逻辑推导任务中表现优异。

2. 原生混合推理：“思考”与“不思考”自由切换

• 双模式聊天模板：内置 <think> 标签，通过 enable_thinking 开关即可切换。
• 灵活应用：
  • 快速助手模式：无需深度推理，响应速度快，适合日常对话。
  • 深思熟虑模式：激活思维链，逐步拆解复杂问题，适合数学、代码及逻辑难题。
• 单检查点支持：无需加载不同模型，同一权重文件即可胜任两种角色。

3. 128K 超长上下文

• 支持高达 131,072 tokens 的上下文长度，能够处理长篇文档、复杂代码库或多轮深度对话，且保持极高的信息检索准确性。

4. 极简部署与微调

• 多格式支持：提供 BF16、GGUF（适配 llama.cpp/Ollama/LM Studio）、MLX（适配 Apple Silicon）等多种格式。
• 一站式指南：GitHub 仓库提供针对主流推理后端和微调框架的单页速查指南（cookbooks）及智能体技能（Agent Skills），降低上手门槛。

技术揭秘：UltraData 全栈训练与 RL + OPD

MiniCPM5-1B 的强大性能得益于面壁智能 UltraData 分层数据管理 的全栈实践，涵盖基础训练、中期训练和后训练三个阶段。

1. 基础与中期训练

• 数据基石：使用 Ultra-FineWeb、Ultra-FineWeb-L3 和 UltraData-Math 等高质量语料。
• 能力强化：通过稳定训练和衰减训练建立核心语言能力，并在中期阶段进一步强化目标领域分布。

2. 后训练突破：RL + OPD

这是 MiniCPM5-1B 性能跃升的关键：

• 深度思维 SFT：使用 200B tokens 的深度思维数据和 200B tokens 的混合思维数据进行监督微调，建立强大的思维链能力。
• RL（强化学习）：
  • 多领域信号：结合数学（DAPO-Math-17k）、代码、闭卷问答、写作及长上下文理解的互补训练信号。
  • 长度调度策略：在提升推理准确性的同时，有效减少过长回答的比例。
• OPD（On-Policy Distillation，在线策略蒸馏）：
  • 反向 KL 散度优势估计：替代传统验证优势计算，在准确性和效率间取得平衡。
  • 无需额外数据整理：直接复用 RL 教师模型的领域内提示作为蒸馏数据。
  • 显著成效：RL + OPD 使数学、代码和指令遵循任务的平均得分提升 ↑16 分，同时将达到最大 token 限制的回答比例降低 ↓29 个百分点。

模型家族与下载

所有模型均可在 ModelScope 下载。

趣味应用：本地 AI 桌面宠物

面壁智能还展示了一个由 MiniCPM5-1B 驱动的本地大语言模型桌面宠物。它完全在本地运行，无需联网，保护隐私的同时提供陪伴感，展示了小模型在端侧交互领域的巨大潜力。

MiniCPM5-1B 的发布标志着端侧小模型能力的又一里程碑。通过创新的 RL + OPD 后训练方案，它在极小的参数量下实现了媲美更大模型的推理和代码能力，并原生支持“思考”模式和超长上下文。