MiniCPM 5 是什么？2B 端侧模型能力与多模态说明

MiniCPM5-2B 是面壁智能（OpenBMB）在 2026 年 9 月 7 日发布的 2B 稠密模型，面向端侧、本地部署和资源受限场景，官方给出的平均分 53.9，称在 2B 级别开源模型里达到 SOTA。先说清一个容易被搞混的点：MiniCPM 5 是语言模型，不带视觉和语音，多模态要看 MiniCPM-V 系列。

MiniCPM 5 是什么：一句话定义

MiniCPM5-2B 是一个 2B 参数的开源大语言模型，采用标准 LlamaForCausalLM 架构，主打在手机、笔记本这类设备上本地跑。

它的定位说得很直白：本地助手、编码 Agent、工具调用工作流和推理场景，凡是希望用小模型解决问题的地方都算目标场景，同时原生支持长上下文。

容易误会的地方在这里。MiniCPM 这个品牌过去最出名的是能看图看视频的端侧多模态模型 MiniCPM-V，很多中文内容会把两者混着说。但 MiniCPM 5 这一代的两个模型（1B 和 2B）都是纯文本模型，官方标签里只有 text-generation，没有视觉或语音能力。

MiniCPM 5 系列有哪些版本

• MiniCPM5-1B：2026 年 5 月 19 日发布，1B 级稠密模型，同样是端侧与资源受限场景。
• MiniCPM5-2B：2026 年 9 月 7 日发布，把 1B 的训练配方放大到 2B，用更大的体积换更强能力。

两个模型都放出了完整权重变体，包括 SFT 版、Midtrain 版、Base 版，以及 GGUF、MLX、GPTQ 等量化格式，覆盖本地推理和 Apple 芯片场景。所有版本在 Hugging Face 和 ModelScope 都有官方仓库。

硬参数与架构

架构上的关键信息是「标准」：它用的是 LlamaForCausalLM，官方明确说主流推理引擎可以直接加载，不需要自定义算子，也不需要 fork 模型代码。这句话对工程落地的意义很大，省掉了一堆适配成本。

完整权重与说明在 Hugging Face 的 MiniCPM5-2B 仓库，代码与部署 cookbook 在 GitHub 的 OpenBMB/MiniCPM 仓库。

能力与跑分：2B 级的开源水平

官方给了一组横向对比，同尺寸对手是 LFM2.5-2.6B、Qwen3.5-2B、Gemma-4-E2B-it，另外还列了几个更大模型做参照，包括 Qwen3.5-4B、granite-4.2-3B、Nemotron-3-Nano-4B 等。

在这一组里，MiniCPM5-2B 平均分 53.9，官方说它不仅在同尺寸里领先，还超过了参照组里所有更大的模型（后者最高 51.1）。官方点出的优势方向是代码推理、数学推理、长上下文理解、工具调用和多个 Agent 任务。

后训练是可看点：SFT、RL 加 OPD（On-Policy Distillation，同策略蒸馏）。官方数据显示 RL 加 OPD 让推理与通用能力平均提升 10.96 分，Agent 能力平均提升 6.96 分。

另外，OPD 这一步把 RL 训练出来的 16 个专家模型（含 5 个 Agent 专家）合并回一个发布模型，这也是它能在 2B 体积下同时兼顾代码、数学和 Agent 任务的原因。

「端侧多模态」这个说法怎么理解

如果你的需求是让模型看图、看视频、甚至实时听和说，那你要找的是 MiniCPM-V 与 MiniCPM-o 系列，不是 MiniCPM 5。

• MiniCPM-V：视觉语言系列。最新的是 MiniCPM-V 4.6，总参数 1.3B，官方称支持 iOS、Android、鸿蒙等常见移动平台部署，并在 2026 年 6 月 25 日进入 Ollama 官方模型库。
• MiniCPM-o：全模态系列。最新的是 MiniCPM-o 4.5，9B 参数，支持全双工多模态实时流，官方称在视觉、语音上接近 Gemini 2.5 Flash。

两句话总结选型：要图像和视频理解，去 MiniCPM-V；要纯文本的本地助手、编码和工具调用，MiniCPM 5 更轻更省。

谁适合用，谁不适合

• 适合：想在本地或手机端跑一个小而强的中文模型的人；要做工具调用、Agent 流程，又不希望依赖云端 API 的开发者；需要自己微调小模型的团队，官方把训练数据集也一并开源了。
• 不适合：需要图片或视频输入的场景（换 MiniCPM-V）；需要顶级通用能力、能接受调用云端大模型的场景，2B 模型在这些任务上是有上限的。

怎么最快试一下

1. 先看效果：官方在 Hugging Face Spaces 上提供在线 Demo，不需要本地环境和显卡，打开就能对话。

2. 想本地跑：最省事的是 Ollama，Mac 和 Linux 都能一条命令装好，再用官方 GGUF 建模型，完整命令见 MiniCPM 5 本地 Ollama 部署教程：量化与实测。

3. 想接进服务：官方支持 vLLM、SGLang、llama.cpp、LM Studio、MLX 等多种后端，做工具调用时官方推荐 SGLang。

同类的端侧与小模型话题，可以顺带读一下 Union Alpha 是什么？免费 262K 匿名大模型实测与使用方法、GLM-6.0 是什么？何时发布、全自训练与 393 亿募资，以及 MiniMax H3 是什么？8GB 显存本地部署与 API 价格全解（2026）。