商傳媒｜責任編輯／綜合外電報導北京清華大學OpenBMB團隊與ModelBest共同開發的最新人工智慧模型MiniCPM5-1B，已正式發表。這款僅有十億個參數的模型，支援原生工具調用及模型上下文協議（Model Context Protocol, MCP），能夠直接在智慧型手機記憶體上離線運行，並展現出超越同級別開源模型的效能，預示著行動裝置智慧代理應用的潛在普及。
MiniCPM5-1B是MiniCPM系列裝置端模型中的最新成員，特別為資源受限的硬體環境而設計。儘管參數規模僅為十億，相較於主流大型語言模型（LLM）顯得輕巧，卻能在多項基準測試中表現出色，平均分數達42.57，優於次優同級競爭者的35.61。這些評測涵蓋了一般知識、領域知識、程式設計、指令遵循、數學推理、邏輯推理及代理任務等多個範疇。
這項技術突破的基礎來自MiniCPM4的架構，並結合了InfLLM v2這項核心創新。InfLLM v2是一種可訓練的注意力機制，能在處理長上下文推理時，只針對少於5%的周圍詞元（token）進行運算，大幅減少計算量的同時，仍維持高準確度。OpenBMB團隊還利用了名為UltraClean的資料過濾管線，僅用8兆個訓練詞元就達到了具競爭力的效能，遠少於Qwen 3所消耗的36兆詞元。透過強化學習與高效蒸餾技術（以大型模型指導小型模型），MiniCPM5-1B在數學、程式碼和指令遵循等基準測試中分數提高了16點，並將過長回應的比例降低了29個百分點。
MiniCPM5-1B的上下文視窗高達128K詞元，約等於96,000個連續文字，這對於十億參數級模型而言是顯著的進步。這意味著模型能夠在長時間的角色扮演對話、處理完整PDF文件，或在不中斷任務的情況下支援代理應用，而無需雲端基礎設施。實務上，使用者可以在iPhone等手機上，透過本地代理完全離線查詢行事曆、搜尋本地資料庫，或呼叫網路研究的MCP伺服器。雖然小型模型在處理模糊事實問題時仍可能出現幻覺，但搭配MCP伺服器進行網路研究，能有效降低此類問題。
目前，MiniCPM5-1B已在Hugging Face平台以Apache 2.0開源授權釋出，並相容於vLLM、SGLang與標準Hugging Face推論框架。這象徵著行動裝置上的本地AI運行正從研究領域轉變為真正的產品類別，加速了裝置端AI的發展。
