面壁智能（OpenBMB）于今日发布MiniCPM5系列的首个模型MiniCPM5-1B，这是一款1B参数的稠密Transformer模型，专为端侧部署、本地运行和资源受限场景设计。据官方介绍，在与同尺寸级别的多个强开源模型对比中，MiniCPM5-1B达到了1B级开源模型的SOTA（最优水平），其优势在智能体工具调用、代码生成和困难推理任务上尤为突出。
MiniCPM5-1B的架构采用标准的LlamaForCausalLM，参数量为1,080,632,832（其中非嵌入参数约6.8亿），共24层，使用GQA注意力机制（16个查询头，2个键值头），支持131,072（约13.1万）token的上下文长度。模型提供Think/No Think两种聊天模式，通过`enable_thinking`开关切换，同一检查点既能作为快速助手，也能作为深思熟虑的推理器。
在训练方法上，MiniCPM5-1B体现了面壁智能的UltraData分层数据管理理念，分为基础训练、中期训练和后训练三个阶段。基础训练阶段通过稳定训练和衰减训练构建核心语言能力；中期训练则强化目标能力并适应目标数据分布。训练语料随模型一同发布，包括Ultra-FineWeb、Ultra-FineWeb-L3和UltraData-Math。后训练阶段采用三步走：先使用200B tokens的深度思考SFT和200B tokens的混合思考SFT建立相应能力（SFT数据发布为UltraData-SFT-2605），然后训练数学、代码、闭卷问答、写作等领域的专用RL教师模型，最后通过On-Policy Distillation（OPD）将这些教师模型的知识蒸馏回一个发布模型。
官方数据显示，RL+OPD后训练在数学、代码和指令遵循任务上带来了显著提升：平均分提升16点，同时达到最大token预算的回复占比下降29个百分点。推理RL基于DAPO-Math-17k（受JustRL极简配方启发），采用两阶段长度调度以减少超长回复；OPD则借鉴Thinking Machines Lab的On-Policy Distillation，并整合了Rethinking On-Policy Distillation的改进，使用反向KL散度作为优势估计，在每步取学生和教师模型top-k logits的并集计算反向KL，兼顾信号准确性与训练效率。
为方便部署与微调，面壁智能在GitHub仓库提供了针对主流推理后端和微调框架的单页教程及Agent Skills。模型提供多种格式：BF16最终版（含RL+OPD）、BF16 SFT-only版本、BF16 Base版本、GGUF版本（适用于llama.cpp/Ollama/LM Studio）以及MLX/4bit版本（适用于Apple Silicon）。此外，官方还推出了一款由MiniCPM5-1B驱动的本地LLM桌面宠物（Desktop Pet），进一步展示了模型的端侧应用潜力。
在评测对比中，MiniCPM5-1B与同尺寸的LFM2.5-1.2B-Thinking、Qwen3-0.6B/think和Qwen3.5-0.8B/think等模型进行比较，官方称在该对比集内达到SOTA，尤其适合本地编码代理、工具助手和推理助手等场景。
MiniCPM5-1B的发布，反映了当前AI模型小型化、端侧化的重要趋势。对于AI产业投资者而言，这一进展意味着在算力成本高企的背景下，小参数模型通过精细的数据管理与创新的后训练技术，也能在特定任务上逼近甚至超越更大规模模型的表现，这可能推动边缘AI、端侧推理和隐私敏感型应用的发展，并影响相关芯片、基础设施及模型层的投资叙事。