25亿参数端侧模型平均分 53.9，超越 Qwen3.5-4B

01

核心要点

• 来源为 AI旗页热点日报，原文入口保留在页面底部，适合继续核对完整信息。
• 这条内容被归入“模型发布与实时多模态能力”，可作为后续工具选型、教程选题或趋势观察线索。
• 相关标签：AI热点日报 / 论文 / 模型 / 端侧 AI。

编辑判断

AI旗页判断

这条资讯来自 AI旗页热点日报，更适合当作“模型发布与实时多模态能力”方向的信号来看：它说明相关能力正在进入更具体的产品、行业或工作流场景，而不只是停留在演示层。

读这类新闻时，建议重点看模型能力是否已经开放、支持哪些输入输出、价格和速率限制如何，以及能否接入真实业务。

AI旗页的处理方式是保留来源、摘要和相关入口，不做全文转载。这样既能让中文用户快速判断是否值得继续读，也避免把站点做成低价值搬运页。

03

来源信息

原文标题：OpenBMB Releases MiniCPM5-2B: A 2.52B Dense Model Averaging 53.9 Across 34 Benchmarks and Built to Run On Device

OpenBMB has released MiniCPM5-2B, a dense causal language model with 2,516,756,480 parameters and a native 131,072 token context. It averages 53.9 across the 34 benchmarks in its model card, ahead of Qwen3.5-4B at 51.1, with its clearest leads in tool use, coding agents and long-context retrieval. Post-training pairs 400B tokens of deep-thinking SFT with RL teachers and on-policy distillation that merges 16 expert mo

一句话结论：OpenBMB 发布 MiniCPM5-2B，一个 25 亿参数的稠密模型，在 34 项基准测试中平均分达 53.9，超过 Qwen3.5-4B 的 51.1，且支持原生 13 万 token 上下文。原始信息显示，该模型拥有 2,516,756,480 参数，在工具调用、编程 Agent 和长上下文检索方面优势最明显，其训练过程结合了 4000 亿 token 的深度思考 SFT 和 RL 教师及在线蒸馏技术。值得关注是因为它证明了小参数模型也能在复杂任务上超越更大规模的模型，且专为端侧部署设计，意味着手机和物联网设备也能运行高性能 AI。影响人群包括移动端 AI 应用开发者、边缘计算工程师以及关注模型小型化技术的研究者。下一步验证方式：在 ModelScope 或 GitHub 上获取 MiniCPM5-2B 的权重，在本地设备或云服务器上部署，重点测试其在工具调用和长文档理解任务上的实际表现，并对比其推理速度和内存占用与 Qwen3.5-4B 的差异。

来源信息：AI旗页热点日报，发布时间或入库日期为 2026-09-07。页面底部保留原文入口，适合继续核对完整上下文、原始表述和附带链接。

原文摘录

来源摘要

OpenBMB has released MiniCPM5-2B, a dense causal language model with 2,516,756,480 parameters and a native 131,072 token context. It averages 53.9 across the 34 benchmarks in its model card, ahead of Qwen3.5-4B at 51.1, with its clearest leads in tool use, coding agents and long-context retrieval. Post-training pairs 400B tokens of deep-thinking SFT with RL teachers and on-policy distillation that merges 16 expert mo

以上内容来自来源页/RSS 提供的摘要信息，AI旗页做中文整理、重点标注和入口归档；完整内容、上下文和版权归原作者所有，请以原文为准。

05

下一步怎么用

• 需要确认细节时，优先打开原文链接，看发布时间、上下文和官方表述。
• 如果这条动态与你的工作有关，可以继续查看同标签资讯和相关工具，判断是否需要写教程、做对比或加入工作流。
• 如果是产品或模型更新，建议同时比较价格、可用地区、中文体验、API 接入和数据安全边界。

相关阅读

相关资讯