端侧模型太夯了！面壁智能开源2B「小钢炮」，通用Agent杀到端侧

编辑｜陈陈 过去几年，端侧大模型一直在不断突破能力边界。 最初，人们关注的是手机等设备能否运行一个基础语言模型；随后，长文本理解、数学推理、代码生成、多语言能力逐渐被压缩进更小的模型。如今，随着模型能力进一步提升，一个新的问题开始浮现：Agent 能力，是否也能从云端走向端侧？ 这并不是简单地把一个聊天模型放进设备，一个 Agent，需要理解目标、拆解任务、调用工具、根据反馈调整策略，并在多轮交互中持续推进任务。 随着端侧模型能力不断提升，过去属于云端的复杂工作流，开始具备在设备侧独立运行的可能。 面壁智能正是在这一方向上的代表性机构。 9 月 8 日， 面壁智能开源新一代端侧语言基础模型 MiniCPM5-2B ， 让端侧通用 Agent 能力开始具备雏形 。该模型将 工具调用、深度搜索、代码生成 等智能体核心能力引入端侧，为复杂任务在设备侧运行提供了新的可能。 另外，团队此次开放的不只是模型权重和算法，还包括部分 训练 Recipe（如 RL recipe）、自研强化学习框架 Meshy、基于奖励的强化学习策略 JustRL II ，以及一批 SFT 数据 。这在当前大模型开源生态中并不常见。 端侧模型轻装上阵，Agent 能力正在成形 MiniCPM5-2B 轻量但不代表能力弱。 根据 Artificial Analysis Intelligence Index 榜单，MiniCPM5-2B 在开源模型类别中排名第一。该榜单综合了 9 项评测，覆盖知识推理、代码能力以及 Agent 任务执行等多个维度。结果显示， MiniCPM5-2B 以 23 分领先 Gemma 4 12B、Qwen3.5 9B 等参数规模更大的模型 。 在衡量模型在 Agent 工作流中的榜单中， MiniCPM5-2B 以 20 分排名第一 ，领先于 Granite 4.2 8B（9 分）、Qwen3.5 9B（7 分）等参数规模更大的模型。 MiniCPM5-2B 在推理效率上也展现出优势 ，完成单个任务平均仅需要约 21K output tokens，与同规模模型相比处于较低水平。 值得注意的是，MiniCPM5-2B 在 真实工作任务评测中取得接近人类基准的成绩 ，这一结果表明，端侧模型的能力边界正在从简单问答进一步延伸到真实任务处理。 MiniCPM5-2B 也展现出 较高的智能密度 ，进入同级开源模型领先位置。 在 综合能力评测 中，根据多项 benchmark 测试，其平均分达到 53.9 分，领先于 Qwen3.5-2B 等模型。 评测覆盖代码推理、数学推理、工具调用、代码智能体、搜索智能体等多个维度，MiniCPM5-2B 在多个方向保持均衡，说明其提升并非来自单一能力，而是 整体能力的增强 。 这些榜单成绩背后值得关注的是端侧通用 Agent 能力已经有了雏形。 过去提到 Agent，大家默认的前提是云端大模型才玩得转。MiniCPM5-2B 的意义在于，它把端侧 + 通用 Agent 这两件事拼在了一起：模型原生支持工具调用、深度搜索、代码生成等智能体核心能力，并且从预训练阶段就开始为 Agent 能力铺路，一路贯穿到 SFT、大规模强化学习对齐，确保这些能力在实际使用中稳定可靠，而不是能跑但不好用的半成品。 而在强化学习阶段，MiniCPM5-2B 还采用了面壁智能 自研的强化学习框架 Meshy 与 基于奖励的强化学习策略 JustRL II 。 在训练框架侧 ，Meshy 彻底去掉了 RL 训练的中央控制器和 Ray 依赖，将训练、推理、奖励计算等全部建模到对等服务，利用 TransferQueue 中的数据就绪状态来驱动实际控制流，能够简单的在同步、异步、全异步三种训练模式中灵活切换，便于扩展。 在算法层面 ，端侧模型做长思维链强化学习，常常训练过程中分数不升反降：一方面训练数据里噪声多、难度不匹配，奖励信号容易带偏模型；另一方面 GRPO 信用分配太粗糙，面对上万词元的推理链，分不清哪步对、哪步错。为此，MiniCPM 团队提出 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。 真实效果如何？我们上手测了一下。感兴趣的用户可以前往开源地址获取模型，并自行部署体验。 首先我们让 MiniCPM5-2B 在本地处理一篇长篇会议纪要（AI 生成）。测试中，我们连续提出多个问题，例如本次会议缺席人员是谁？Atlas V2.0 正式上线日期是哪一天？ 结果显示，MiniCPM5-2B 能够从长文本中提取关键事实，并区分讨论过程与最终结论，给出正确答案，能够满足日常需求： 接下来我们让 MiniCPM5-2B 根据 5 份简历，提取每位候选人的姓名、年龄、工作年限、核心技能，并整理成结构化表格。 MiniCPM5-2B 能够从多份长文本简历中准确提取关键信息，并完成后续的匹配分析。整个过程无需将候选人资料上传云端，模型可以直接在本地完成文档理解和信息处理。 对企业而言，这类招聘筛选、资料整理等任务往往涉及大量敏感信息。端侧 Agent 的价值，就在于让模型具备处理真实业务流程的能力，同时降低数据离开本地带来的安全风险。 最后，我们还测试了模型的网页生成能力。MiniCPM5-2B 能够根据简单描述完成页面布局设计和代码生成，并生成包含多个功能模块的网页。 最终结果如下： 从以上案例可以看出，MiniCPM5-2B 已经开始具备理解任务、处理信息并生成结果的端侧 Agent 雏形。 公开数据治理、开源数据集 这在行业里很罕见 除了算法，数据质量正在成为决定模型能力的重要因素。尤其对于参数规模有限的端侧模型而言，如何从海量数据中筛选、提炼高价值信息，直接影响模型能力上限。 面壁智能此次进一步公开了支撑 MiniCPM5-2B 能力提升的数据体系，包括 全新的预训练数据处理工具 UltraX ，以及 三个最新开源的数据集 。 UltraX 是一个函数调用式的精炼框架，核心思路和过去用大模型端到端重写文本不同：它训练了一个仅 0.6B 参数的轻量模型，去预测一套结构化的编辑操作，包括 保留、删除、替换、插入 ，然后由确定性的执行器把这些操作实际应用在原始文本上。 传统的数据处理是文档级过滤：判断一篇网页文章质量好不好，差就整篇丢掉，但有价值的部分和垃圾内容往往交织在一起，整篇扔掉损失太大。 UltraX 做法是让模型像一个精细的编辑，逐行判断「这段留、那段删、这句换个说法」。这样做既避免了端到端重写容易带来的语义漂移和结构破坏，又因为编辑操作本身可保存、可审计，让整个精炼过程完全可追溯，数据被改了什么、为什么改，都有据可查。 UltraX 的整体工作流程，包括程序监督数据生成、精炼模型训练以及推理阶段的程序执行。 效果上 ，UltraX 在 FineWeb、RedPajama-v2、AICC 等五个主流语料上做了验证：用同样规模的 1B 模型从零预训练，UltraX 精炼后的语料在下游任务上全面优于原始语料，仅用 16B tok