面壁智能与 OpenBMB 社区开源了新一代端侧模型 MiniCPM5-2B。在国际权威基准 Artificial Analysis Intelligence Index 评测中，该模型以 23 分的成绩登顶全球 4B 以下开源基座模型第一，尤其在 Agent 能力上断层领先同级模型。

AA 榜单 4B 以下性能第一

按照 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），高于参数量数倍于己的 Gemma 4 12B（22 分）、Qwen3.5 9B（22 分）和 Qwen3.5 4B（20 分）。

把全部模型按「参数量—得分」放进同一张坐标系，MiniCPM5-2B 站在整条帕累托线的最顶端——两个尺寸（2B 和 1B）各自占住了同级别的性能天花板，印证了面壁智能所坚持的「密度定律」。

低 token 消耗，高响应速度

完成同样的 Intelligence Index 任务时，MiniCPM5-2B 平均只消耗 21k 输出 token（推理 14k、回答 7k），处于全场最低一档——而得分相近的 Qwen3.5 9B 需要 34k，Granite 4.2 8B 需要 26k。对端侧部署来说，这意味着更快的响应和更低的推理成本。

Agent 能力断层领先

在 AA Agentic Index 上，MiniCPM5-2B 拿下 20 分——不仅是第二名 Granite 4.2 8B（9 分）的两倍以上，更远超 gpt-oss-20b（3 分）等参数量十倍于己的模型，而多数同级端侧模型仅有 2 分。

在 GDPval-AA v2 榜单上（以人类基线 1000 分为锚点的 Elo 评分），MiniCPM5-2B 拿到 891 分，是所有参评模型中最接近人类水平的一个，领先第二名 Granite 4.2 8B（702 分）近 190 分。

在「通用智能体」「搜索智能体」「工具调用」「代码推理」等关键维度上均斩获最高分，验证了通用 Agent 能力在高密度端侧模型上的技术可行性。

端侧 Agent 的落地价值

• 隐私安全：端侧 Agent 可直接读取屏幕内容、调用本地应用，处理设备上的本地数据——这些权限出于安全原因很难完全开放给云端服务。
• 离线可用与确定性响应：核心推理不依赖网络连接和远程服务，对嵌入操作系统和硬件产品的 Agent（手机、车机、机器人），确定性比绝对速度更重要。
• 成本优势：本地推理通常不需要按调用次数或 Token 数量持续支付云端 API 费用。对于常驻个人助理、每日自动化流程等长期高频任务，端侧方案有望降低长期使用成本。

MiniCPM 系列模型的开源下载量已突破 5000 万，社区用下载量投的票，往往比跑分更诚实。

高密度端侧模型是怎样炼成的

当参数规模受到端侧设备的硬约束时，底层的数据治理与训练技术栈就成为决定模型上限的关键变量。这次与 MiniCPM5-2B 一同开源了四个数据集：

• UltraX（预训练）：用 0.6B 小模型对网页数据做「行级别」自动编辑，避免大模型端到端改写带来的语义漂移。用 UltraX 修复后的数据训练 1B 模型，160 亿 token 达到了原始数据训 200 亿 token 的效果。
• UltraData-Code（代码预训练）：按 L0–L3 分级治理，从约 1.92 亿个 GitHub 仓库逐级精炼，完成清洗去重、算法代码筛选和任务导向的结构化合成。
• 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长链路复杂工作流等多样化任务。
• UltraData-RL-2609（RL 后训练）：针对答案不可验证、奖励标签不可信、难度不匹配三大痛点，设计了「可验证性过滤→多模型共识校验→rollout 难度筛选」的三阶段清洗流水线。

自研 RL 框架 Meshy 与 JustRL II 算法

面壁智能随 MiniCPM5-2B 开源了全新的自研强化学习框架 Meshy，去掉了 RL 训练的中央控制器和 Ray 依赖，将训练、推理、奖励计算全部建模到对等服务，能够在同步、异步、全异步三种训练模式中灵活切换。

算法层面，MiniCPM 团队提出基于奖励的强化学习策略 JustRL II：数据上用三阶段流水线筛选校准训练数据，算法上给 GRPO 装上 Critic，实现词元级信用分配。在 JustRL II 加持下，MiniCPM5-2B 在 RL 后训练中获得了显著的性能收益。

一本开源账：十个数据集，三年时间线

行业里有个心照不宣的共识：数据管线是各家真正的护城河。绝大多数所谓的「开源模型」，开的其实只是权重。面壁智能这次 MiniCPM5-2B 将模型权重 + 训练 Recipe + 四个训练数据集一并开源，在头部大模型团队里是绝对罕见的做法。

从 2023 年底至今，面壁智能和 OpenBMB 社区累计开源了超过 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，被全球超过 200 个大模型用于对齐训练。
• 2023 年 12 月：UltraFeedback，6.4 万条提示词、38 万条 GPT-4 反馈的偏好数据集。
• 2025 年 12 月：Ultra-FineWeb，约 1T 英文 + 120B 中文 token 的高质量网页预训练语料。
• 2026 年：UltraData-Math（290B+ token 数学语料）、Ultra-FineWeb-L3（600B token）、UltraX-Preview、Ultra-FineWeb-L1，几乎「按月上新」。

截至 2026 年 9 月，UltraData 系列数据集的开源总下载量超过 266 万次。

高质量数据是最厚的地基

当「更大」不再自动等于「更好」，各家比拼的重心正在向数据侧转移。数据治理从不见光的后台工作，变成了决定成败的核心竞争力。一个模型的先进性是有保质期的，几个月后就会被新模型盖过；但一套公开的修复方法、一批高质量的数据集，是别人可以接着往上盖的地基。