面壁智慧（OpenBMB）於今日釋出MiniCPM5系列的首個模型MiniCPM5-1B，這是一款1B引數的稠密Transformer模型，專為端側部署、本地執行和資源受限場景設計。據官方介紹，在與同尺寸級別的多個強開源模型對比中，MiniCPM5-1B達到了1B級開源模型的SOTA（最優水平），其優勢在智慧體工具呼叫、程式碼生成和困難推理任務上尤為突出。

MiniCPM5-1B的架構採用標準的LlamaForCausalLM，引數量為1,080,632,832（其中非嵌入引數約6.8億），共24層，使用GQA注意力機制（16個查詢頭，2個鍵值頭），支援131,072（約13.1萬）token的上下文長度。模型提供Think/No Think兩種聊天模式，通過`enable_thinking`開關切換，同一檢查點既能作為快速助手，也能作為深思熟慮的推理器。

在訓練方法上，MiniCPM5-1B體現了面壁智慧的UltraData分層資料管理理念，分為基礎訓練、中期訓練和後訓練三個階段。基礎訓練階段通過穩定訓練和衰減訓練構建核心語言能力；中期訓練則強化目標能力並適應目標資料分佈。訓練語料隨模型一同釋出，包括Ultra-FineWeb、Ultra-FineWeb-L3和UltraData-Math。後訓練階段採用三步走：先使用200B tokens的深度思考SFT和200B tokens的混合思考SFT建立相應能力（SFT資料釋出為UltraData-SFT-2605），然後訓練數學、程式碼、閉卷問答、寫作等領域的專用RL教師模型，最後通過On-Policy Distillation（OPD）將這些教師模型的知識蒸餾回一個釋出模型。

官方資料顯示，RL+OPD後訓練在數學、程式碼和指令遵循任務上帶來了顯著提升：平均分提升16點，同時達到最大token預算的回覆佔比下降29個百分點。推理RL基於DAPO-Math-17k（受JustRL極簡配方啟發），採用兩階段長度排程以減少超長回覆；OPD則借鑑Thinking Machines Lab的On-Policy Distillation，並整合了Rethinking On-Policy Distillation的改進，使用反向KL散度作為優勢估計，在每步取學生和教師模型top-k logits的並集計算反向KL，兼顧訊號準確性與訓練效率。

為方便部署與微調，面壁智慧在GitHub倉庫提供了針對主流推理後端和微調框架的單頁教程及Agent Skills。模型提供多種格式：BF16最終版（含RL+OPD）、BF16 SFT-only版本、BF16 Base版本、GGUF版本（適用於llama.cpp/Ollama/LM Studio）以及MLX/4bit版本（適用於Apple Silicon）。此外，官方還推出了一款由MiniCPM5-1B驅動的本地LLM桌面寵物（Desktop Pet），進一步展示了模型的端側應用潛力。

在評測對比中，MiniCPM5-1B與同尺寸的LFM2.5-1.2B-Thinking、Qwen3-0.6B/think和Qwen3.5-0.8B/think等模型進行比較，官方稱在該對比集內達到SOTA，尤其適合本地編碼代理、工具助手和推理助手等場景。

MiniCPM5-1B的釋出，反映了當前AI模型小型化、端側化的重要趨勢。對於AI產業投資者而言，這一進展意味著在算力成本高企的背景下，小引數模型通過精細的資料管理與創新的後訓練技術，也能在特定任務上逼近甚至超越更大規模模型的表現，這可能推動邊緣AI、端側推理和隱私敏感型應用的發展，並影響相關晶片、基礎設施及模型層的投資敘事。