2B 打爆 12B：面壁智能开源 MiniCPM5-2B，端侧 Agent 时代的「小钢炮」来了
面壁智能联合 OpenBMB 开源 MiniCPM5-2B，2.6B 参数模型以 20 分碾压同级模型（均低于 10 分），打赢 12B 的谷歌 Gemma 4，34 项基准排名第一，配套开源 RL 框架与数据集，端侧 Agent 能力首次真正可用。
今天（9 月 8 日），端侧大模型独角兽面壁智能联合 OpenBMB 开源社区，正式开源了新一代端侧语言基座模型 MiniCPM5-2B。这条消息在开源圈炸开了锅，原因很简单——它只用 2.6B 参数，就在多项基准上击败了比它大 6 倍的谷歌 Gemma 4（12B），以 23 分拿下全球 4B 以下开源模型综合第一。
2B 参数，打赢 12B——这不只是刷榜
在 Artificial Analysis（AA）榜单上，MiniCPM5-2B 的综合得分为 23 分，排在所有 4B 以下开源基座模型首位。更夸张的是智能体（Agent）指标 Agentic Index：它拿到了 20 分，而同级别其他模型的均分不到 10 分，直接拉开了一倍以上的差距。
这不是靠堆参数换来的。MiniCPM5-2B 的核心突破在于「智能密度」——用最少的参数，跑出最强的综合能力。模型在工具调用、深度搜索、代码生成等实际任务上表现突出，而且已经完成了英特尔、瑞芯微、Arm 等芯片平台的首日适配（Day0），意味着它不只是跑在论文里，而是真正能在端侧硬件上跑得起来。
开源的不仅是权重，还有完整训练链路
这次开源的力度相当大。除了模型权重本身，面壁智能同步开源了以下内容：
这种做法在行业里并不常见。大多数厂商开源模型权重，但训练过程和 RL 框架往往是核心机密。面壁选择全量开源，背后是对「开源社区驱动端侧智能」这一路线的押注。
为什么端侧 Agent 是下一个战场
过去两年，大模型的能力竞赛主要发生在云端——参数越大、基准越高、上下文越长。但真正的杀手级应用，往往不在云端，而在你的口袋和桌面上。
端侧 AI 有几个不可替代的优势：隐私（数据不出设备）、延迟（无需网络往返）、成本（不用按 token 计费）。但直到最近，端侧模型的能力始终无法和云端旗舰模型匹敌。
MiniCPM5-2B 的出现改变了这个格局。它证明了 2B 级别的模型，在端侧 Agent 场景下已经可以做到「能用」——工具调用、代码补全、搜索决策，这些过去认为只有 70B+ 模型才能胜任的任务，现在一个小模型也能handle。当智能密度取代参数规模成为新的竞争标尺，端侧 AI 的门槛被大幅降低了。
MiniCPM 系列：5000 万下载的开源传奇
MiniCPM 系列并非一夜成名。截至 2026 年 8 月，该系列模型全球下载量已突破 5000 万次，是国产开源模型中增长最快的之一。从最初的 1B、3B 到如今的 2.6B，每一代都在智能密度上持续迭代。
值得注意的是，MiniCPM5-2B 的开源协议同样遵循了 Apache 2.0 的宽松条款——这意味着企业可以免费商用、二次开发、嵌入自有产品，而不必担心许可证风险。在当前开源大模型纷纷收紧授权（如 Llama 系列）的背景下，这一选择显得格外难得。
写在最后
国产大模型的开源竞赛，正在从「比谁更大」转向「比谁更省」。一面是 Qwen3.8-Max 的 2.4 万亿参数稀疏 MoE，一面是 MiniCPM5-2B 的 2.6B 极致压缩；一个面向云端复杂任务，一个面向端侧日常应用。两条路线互补，共同构成了 2026 年国产开源大模型的全景图。
对开发者来说，这意味着选择更多、成本更低、部署更灵活。对行业来说，这意味着 AI 不再只是实验室里的玩具，而是真正跑进了每一台设备、每一个应用、每一次对话里。
MiniCPM5-2B 的开源，或许就是那个转折点。