新智元报道
全球 4B 参数以下开源基座模型新榜首，竟是一个 2B 模型。
9 月 8 日，面壁智能与 OpenBMB 正式开源新一代端侧模型 MiniCPM5-2B。在国际权威基准 Artificial Analysis Intelligence Index（AA 榜单）最新评测中，该模型以 23 分的综合成绩登顶全球 4B 以下开源基座模型第一。
尤为引人注目的是其在智能体（Agent）任务上的断层式领先：在 Agentic Index 指标上，MiniCPM5-2B 斩获 20 分。这一成绩不仅远超同级 2B-4B 模型（普遍仅 2 分），甚至超越了参数量数倍于己的 Qwen3.5 9B、Gemma 4 12B 等模型，展示了端侧模型探索通用 Agent 的巨大潜力。
不同于行业内仅开放权重的做法，面壁智能与 OpenBMB 此次同步开源了 MiniCPM5-2B 背后的训练 Recipe、RL 框架及核心数据集，全面造福开发者。
AA 榜单 4B 以下性能第一，Agent 能力断层领先
根据 AA Index 最新榜单，MiniCPM5-2B 是全球 4B 参数以下得分最高的开源模型（23 分），高于 Gemma 4 12B（22 分）、Qwen3.5 9B（22 分）及 Qwen3.5 4B（20 分）。
在「参数量—得分」坐标系中，MiniCPM5-2B 位于 4B 规模之下帕累托线的最顶端。此前开源的 MiniCPM5-1B 版本同样处于该线上，印证了面壁智能坚持的「密度定律」：以极高的单位参数智能密度，用约一半的参数体量跑出了领先于 4B 模型的智能水平。
高分并非依靠堆砌 Token。在完成同等 Intelligence Index 任务时，MiniCPM5-2B 平均仅消耗 21k 输出 Token（推理 14k、回答 7k），处于全场最低档；而得分相近的 Qwen3.5 9B 需 34k，Granite 4.2 8B 需 26k。这对端侧部署意味着更快的响应速度和更低的推理成本。
评测覆盖通用知识、数学代码推理、指令遵循、长文本及工具调用等任务。在衡量真实工作任务完成度的 GDPval-AA v2 榜单上，MiniCPM5-2B 取得 891 分（人类基线 1000 分），是所有参评模型中最接近人类水平的，领先第二名 Granite 4.2 8B 近 190 分，更是将同尺寸模型远远甩在身后。
公开数据集评测显示，MiniCPM5-2B 在「通用智能体」、「搜索智能体」、「工具调用」、「代码推理」等关键维度均获最高分，验证了高密度端侧模型实现通用 Agent 能力的技术可行性。
端侧 Agent 的落地价值日益清晰：
- 隐私安全：在授权范围内，端侧 Agent 可直接读取屏幕、调用本地应用并处理敏感数据，这是云端服务难以完全开放的权限增量。
- 离线可用与确定性响应：不依赖网络连接，减少网络波动或服务故障影响，对嵌入手机、车机等硬件的 Agent 至关重要。
- 成本优势：本地推理无需按 Token 支付云端 API 费用，显著降低高频 Agent 任务的长期使用成本。
若高密度端侧模型能承接部分 Agent 工作，将实质性改变应用层的成本结构。在生态支持上，MiniCPM5-2B 已适配 LLaMA-Factory、ms-swift 等微调框架，以及 vLLM、SGLang、llama.cpp、Ollama 等主流推理框架。
截至 2026 年 8 月，MiniCPM 系列模型开源下载量已突破 5000 万。
从数据治理到训练体系：高密度端侧模型的炼成之路
当参数规模受限于端侧设备，底层的数据治理与训练技术栈成为决定模型上限的关键。此次伴随 MiniCPM5-2B 开源的四个数据集，覆盖了训练流程的不同环节：
- UltraX（预训练）：利用 0.6B 小模型对网页数据进行「行级别」自动编辑，避免语义漂移，提升信息保真度。使用该数据训练 1B 模型，160 亿 Token 即可达到原始数据 200 亿 Token 的效果，节省 20% 训练量。
- UltraData-Code（代码预训练）：对约 1.92 亿个 GitHub 仓库进行 L0–L3 分级治理，完成清洗去重、算法筛选及结构化合成，转化为高质量训练样本。
- UltraData-SFT-Agent-2609（SFT）：包含 50 多万条 Agent 训练样本，覆盖从基础工具调用到复杂工作流的全链路任务。
- UltraData-RL-2609（RL 后训练）：针对奖励信号痛点，设计三阶段清洗流水线，为强化学习提供高信噪比数据。
在训练框架侧，面壁智能开源了自研强化学习框架 Meshy。该框架去除了中央控制器和 Ray 依赖，将训练、推理、奖励计算建模为对等服务，支持同步、异步及全异步模式灵活切换。
针对端侧模型长思维链训练中分数下降的问题，团队提出了基于奖励的强化学习策略 JustRL II：通过三阶段流水线校准数据，并在算法上为 GRPO 引入 Critic 实现词元级信用分配，显著提升了 RL 后训练的性能收益。
面壁智能此次将模型权重、训练数据集、RL 框架及训练 Recipe 一并开源，这在头部大模型团队中极为罕见。
一本开源账：十个数据集，三年时间线
数据管线是各家真正的护城河，但行业普遍存在「只开权重不开数据」的现象。面壁智能及 OpenBMB 社区则坚持长期贡献，累计开源超过 10 个大模型训练数据集：
- 2023 年 4 月 UltraChat：约 150 万条合成多轮对话，被全球超 200 个模型用于对齐训练。
- 2023 年 12 月 UltraFeedback：含 6.4 万条提示词及 38 万条 GPT-4 反馈，助力 Zephyr-7B 等明星模型对齐。
- 2025 年 12 月 Ultra-FineWeb：约 1T 英文加 120B 中文 Token 的高质量语料，曾登 Hugging Face 热门榜第一。
- 2026 年加速发布：涵盖数学语料、中文预训练合成数据集等，几乎「按月上新」。
截至 2026 年 9 月，UltraData 系列数据集开源总下载量超 266 万次。这些实打实的高价值资产，正在实质性地降低社区研究端侧大模型的门槛。
通往 AGI 之路：高质量数据是最厚的地基
当算力红利见顶，模型能力的增量正转向数据侧。数据治理已从后台工作变为核心竞争力。MiniCPM5-2B 的性能登顶正是这一趋势的证明。
从长期看，开源数据治理工具和方法比单纯开源模型更具深远影响。模型先进性有保质期，但公开的修复方法、工具和高质量数据集是可复用的地基，其复利效应将在更长周期内显现。
资源链接：
- MiniCPM5-2B 模型及数据（Hugging Face）：https://huggingface.co/collections/openbmb/minicpm5
- GitHub 仓库：https://github.com/OpenBMB/MiniCPM
- Meshy 框架（GitHub）：https://github.com/OpenBMB/Meshy
- JustRL II 算法博客：https://panhaoxuan.notion.site/justrl-ii-small-llms-to-128k-reasoning-with-a-critic-cn