2B 的端侧模型，Agent 能力却吊打 12B——面壁这次连训练数据都开源了

平时用 Claude Code、Codex 这些 Agent 干活，模型都在云端，数据要传上去，钱按 Token 烧。本地部署？上百亿参数的模型，普通电脑根本跑不动。就算勉强跑个 10B 以下的端侧模型，大多也只能聊聊天——一旦让它调工具、查资料、执行命令，就掉链子。

直到 9 月 8 日，面壁智能联合 OpenBMB 正式开源了 MiniCPM5-2B。参数只有 2B，手机、电脑都能跑，但它的 Agent 能力，居然能打 4B、9B、12B，甚至 30B 的模型。更狠的是，这次它把训练数据、训练框架一起开源了。

参数最小，Agent 能力却最强

先看硬数据。在 Artificial Analysis（AA）榜单上，MiniCPM5-2B 以综合得分 23 分，拿下全球 4B 参数以下开源基座模型第一，排在它身后的，是 Gemma 4 12B、Qwen3.5 9B，以及一堆 3B-4B 的主流模型。

参数翻倍、翻好几倍的模型，都排在一个 2B 模型后面。这背后是面壁智能一直讲的"密度定律"——大模型的智能密度，大约每 3.5 个月翻一番。

但真正让我眼前一亮的，不是总分，而是 Agent 能力。

MiniCPM5-2B 的 Agentic Index 得分高达 20 分，而参数量是它好几倍的 Granite 4.2 8B 只有 9 分，Qwen3.5 9B 只有 7 分。也就是说，一个 2B 的端侧模型，在"会调用工具、会搜索、会写代码"这种多步任务上，比 8B、9B 的模型强了一倍还多。

面壁智能官方整理的综合评测里，MiniCPM5-2B 在代码、数学、长文本、指令遵循、工具调用等 34 项任务中平均分 53.9，位列同级第一，甚至超过了 4B 级里最强的 Qwen3.5-4B。在真实任务评测里，它拿到 891 分（人类基线 1000 分），比参数大 6 倍的 Gemma 4 12B（647 分）更接近人类水平。

为什么一个 2B 模型能这么能打？

关键在于，面壁智能从预训练阶段就开始往模型里灌 Agent 能力。

官方数据披露，MiniCPM5-2B 的训练链路是：200B 规模的 Agent Midtraining（中间训练）→ 百万条高质量轨迹的 Agent SFT（监督微调）→ 可扩展的 Agent RL（强化学习对齐）。整条链路都是围绕"让模型会干活"优化的，而不是先训一个聊天模型再补 Agent 能力。

所以它原生就具备工具调用、深度搜索、代码生成这些 Agent 核心能力，还支持混合思考——同一个模型，既能快问快答，也能切到深度推理模式，按任务情况选。

再加上 512K 超长上下文窗口，单次能处理整本长篇小说或几十万行代码。聊天记录、会议纪要、合同这些敏感数据，以后可以直接交给本地模型处理，数据不出设备，离线也能跑，还没有按 Token 计费的那种焦虑。

模型开源不稀奇，训练数据一起开源才稀奇

如果说榜单分数让我意外，那这次的开源力度就是让我震惊了。

大部分开源模型只放模型权重，训练数据和训练配方各家都捂得紧紧的。这次 MiniCPM5-2B 不只开放权重，连训练方法、微调数据、甚至数据治理工具都一起放了出来。

官方这次一口气开源了四个数据集：

• UltraData-Code：一套分级整理的代码数据，从约 1.9 亿个公开 GitHub 仓库里筛出来，光精选层就有 4000 亿 tokens。
• UltraData-SFT-Agent-2609：后训练用的核心 Agent 数据，约 50 万条工具调用、搜索、写代码的完整操作轨迹。
• UltraData-RL-2609：强化学习阶段用的 8 万多道题，每一道答案都能被程序自动核对。
• UltraX-Preview：约 1000 亿 tokens 精炼过的预训练语料，之前登顶过 Hugging Face 数据集趋势榜第一。

我特意去看了下 UltraX-Preview，每条样本都带三列：原始文本、精炼后的文本，以及中间到底执行了哪些编辑操作。这套数据治理体系叫 UltraData，其中 UltraX 是最新的数据精炼工具，也开源了。

UltraX 的思路很有意思——不靠人写规则，也不让大模型整篇重写，而是微调一个轻量模型，专门预测"这行删、这行改、这里插一句"这样的编辑动作，再由程序照着执行，每一条编辑都有记录可查。

除了数据，OpenBMB 还把自研的强化学习训练框架 Meshy 一起开源了。它去掉了 RL 训练里的中央控制器，不再依赖 Ray，训练、推理、奖励计算都做成对等的服务，同步、异步、全异步三种模式灵活切换。配套的 JustRL II 强化学习策略，专门解决端侧模型做长思维链强化学习时分数不升反降的问题——用三阶段流水线筛掉噪声数据，再给 GRPO 加一个 Critic，把奖励精确分到每个词元上。

生态已经铺开：9 款芯片 Day0 适配

一个端侧模型能不能用起来，芯片适配是关键。MiniCPM5-2B 官方已完成对 AMD、英特尔、联发科、高通等全球主流芯片厂商的适配；联合众智 FlagOS 社区，还完成了 9 款芯片的 Day0 适配，覆盖华为昇腾、海光、昆仑芯、沐曦、摩尔线程、平头哥、清微智能、天数智芯、英伟达，并延伸至 ARM 端侧平台。

部署门槛也压得很低。Ollama、LM Studio 上搜模型下载就能跑，还支持 vLLM、SGLang、llama.cpp、MLX 等主流推理框架直接加载。微调这边，LLaMA-Factory、ms-swift、TRL、unsloth、xtuner 各有教程。

更贴心的是，仓库的 skills/ 目录里还专门提供了部署和微调的 Agent Skill，能装进 Claude Code、Cursor 等工具。你只要说一句"用 vLLM 把 MiniCPM5-2B 跑起来"，Agent 就会自动选框架、跑命令，把部署做完。

代价清醒：别把端侧当云端

当然，也得说清楚。MiniCPM5-2B 再能打，跟云端大模型比，差距还是实实在在存在的。2B 的参数规模摆在那，复杂推理、超大上下文、海量知识这些硬能力，不可能真的追平几百 B 的云端旗舰。

它适合的场景是：数据敏感、要离线、要省成本的端侧任务——手机、PC、车机、机器人上的本地 AI 助手。真到了要处理复杂长任务、追求极致效果的时候，云端模型仍然是更好的选择。

另外，官方评测数据里带角标的分数来自 Artificial Analysis，其余是面壁智能内部测试——也就是说，部分成绩是"自测"，第三方独立验证还需要时间。这也是所有厂商发布文都存在的确认偏误风险，看的时候心里有个数。

写在最后

这次 MiniCPM5-2B 开源，让我看到了端侧通用 Agent 能力的雏形。对于手机、PC、汽车这些终端厂商和端侧应用开发者，手里多了一个能直接用的底座。

但比起模型权重，我认为更大的价值是它开源的训练数据。模型能训练到多强，很大程度取决于数据怎么治理、训练怎么调，这些一直是各家捂着的核心技术。面壁这次把训练配方、微调数据、数据治理工具一起放出来，等于把"怎么做出一道好菜"的菜谱也给了你，而不只是端上一盘成品。

这种"权重 + 数据 + 框架"全量开源的做法，确实大气。用不了多久，手机、电脑、车机、机器人上，都能跑一个替我们干活的本地 AI。

相关链接：

• MiniCPM5 开源合集（含模型与 UltraData 系列数据）：https://huggingface.co/collections/openbmb/minicpm5
• MiniCPM GitHub 仓库：https://github.com/OpenBMB/MiniCPM
• Meshy 强化学习框架：https://github.com/OpenBMB/Meshy
• UltraData 数据治理体系：https://ultradata.openbmb.cn/
• MiniCPM5-2B 在线 Demo：https://huggingface.co/spaces/openbmb/MiniCPM5-2B-Demo