iPhone断网跑35B多模态！国产开源新模型，只占3G内存

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> iPhone断网跑35B多模态！国产开源新模型，只占3G内存 十三 2026-10-14 04:55:15 来源： 量子位 金磊 发自 凹非寺 量子位 | 公众号 QbitAI 什么？ 35B 的 MoE ，在 手机 上也能跑得很丝滑？ Yeah~It’s true. 我们直接在 断网 状态下，给 iPhone 17 Pro Max 手机上传一张数据可视化经典图——拿破仑远征俄国失败的行军路线图： 然后我们直接提问： 图里记录的最低气温是多少摄氏度，出现在哪一天，换算过程顺带讲一下。 可以看到，不到1分钟的时间，苹果手机上的模型，就从那条线上找到了零下30度的标注，判断出日期是1812年12月6日，再按1列氏度等于1.25摄氏度换算，给出了零下37.5摄氏度的答案。 而且啊，这个手机上的模型的速度， 还能更快 。 例如同一张路边停车标志的照片、同一个停车时间的问题，左边是没做优化的35B模型，右边是优化过后的模型： 可以看到，没优化的时候，速度每秒大概2个Token；但在优化之后，速度达到了每秒8-12个Token。即便是在断网状态下，答案也是唰唰唰地往外蹦。 据了解，这个35B模型在iPhone 17 Pro Max上的解码速度，再仅占用3G内存的情况下，能做到 每秒13个token以上！ 丝滑，着实是有点丝滑。 那么这个在手机上能跑成这样的模型，到底是何许AI也？ 不卖关子，它就是面壁智能和OpenBMB刚刚正式开源的MiniCPM-V 4.7。一共包含两个大小的版本： 35B-A3B：总参数35B，每次推理只激活3B，也是MiniCPM-V系列的第一个MoE模型。大约只要3G内存就能在iOS、安卓设备上流畅运行。 1B：实际参数1.3B，主打极小体积，OCR、数学和视频理解，放在同尺寸模型里都属于第一梯队。 不过有一说一，跑得快还只是一方面，那么MiniCPM-V 4.7放到端侧大模型的圈子里，到底是个什么水平？ 通用视觉 上，35B-A3B的MMBench拿到91.72、MMStar是80.67； 理科题 方面，MMMU和MathVista分别是80.22和88.00。 视频理解 的Video-MME和LongVideoBench也拿到了76.40和68.90。 尤其是OmniDocBench v1.6上，35B-A3B拿到 94.24分 ，另外四个模型都在80分上下，领先了12分以上。 更值得一提的是视觉压缩开到16倍之后的表现。MMBench只从91.72降到90.87，OCRBench从91.20降到90.40，省下来的算力几乎没有拿精度去换。 除此之外，MiniCPM-V4.7在 纯文本能力 上，中文知识CMMLU拿到90.21，工具调用的τ2-Bench拿到84.65，同样是表里最高。 据悉，MiniCPM-V4.7是 首个 能在端侧流畅运行、同时不牺牲性能的开源MoE模型。 那么接下来，我们来看它更多的效果。 把35B装进口袋，断网也能用 先来看一道和我们生活比较贴近的题目。 这次给模型输入的，是一张家庭用电调查表，上面列着空调、冰箱、电热水壶、电视、洗衣机和待机设备的功率与使用时长，再附上这个月的电费账单，一共420度电，126块钱。 这道题的问题一共有三个，它们分别是： 先估算每样电器一个月用多少电，排个序；再算算这几样加起来能解释账单的百分之多少，差出来的那部分能不能全算到别的电器头上；最后在三个省电方案里挑出最省的那个，分别是空调每天少开1小时、电视每天少看2小时，以及待机设备每天彻底断电8小时。 从结果来看，35B-A3B先把瓦换算成千瓦，再拿功率乘以使用时长，一项一项往下算。空调每月144度，排在第一位；冰箱则按标签上的年耗电280度，折算成每月约23.33度；后面依次是电热水壶、电视、待机设备和洗衣机。 六样电器加起来约213.63度，按账单的电价折合64.09元，只能解释账单的50.9%左右，还差206.37度。三个方案里，空调少开1小时最划算，一个月能省24度电，合7.2元。 可以看到，即便是在断网状态下，面对如此复杂的图表，35B-A3B依旧是稳稳拿捏住。 看完35B，我们再来看看1B这边的效果；这次给1B的任务，是把一页论文转成Markdown： 请将这个图片转写为markdown。 不到半分钟的时间，标题层级、段落和表格都被还原了出来，公式也写成了LaTeX，渲染之后和原文的排版基本对得上。 对经常要把论文截图、PDF页面搬进笔记的人来说，这类活儿过去大多要联网交给云端模型。现在一个1.3B的小模型，在手机本地就能干完。 当然，除了手机之外，像 iPad 这样的端侧设备，同样也是不在话下。 例如刚才我们那个拿破仑远征图的题，在iPad M4上跑了一遍，给出的答案依旧是1812年12月6日、零下37.5摄氏度。 除了端侧之外，我们还用 API 把MiniCPM-V4.7跑了一遍。 第一道题是记账，我们准备了一张超市小票的样张，上面有6样商品，从纯牛奶、全麦面包一直到抽纸，还有会员优惠和优惠券两笔减免，最后实付78.40元。要求是把它整理成一张中文记账表，再核对一下小票上的账算得对不对。 从结果来看，35B-A3B先把门店、日期和6样商品的数量、单价、金额一项项列进表里，跟原图逐个对下来，没有一处读错。 核对的时候，小票上明明印着商品合计86.40元，它还是把6个金额从头加了一遍，得出86.40元，再减去两笔共8元的优惠，算出78.40元，正好和小票上的实付金额对上。 第二道题也和停车有关，不过规则要比我们开头展示的更复杂一些。 我们设定的情况是，周二持居民证，当天还没在这里停过车，计划从14:10停到15:40。然后让它判断五件事，包括这次停多久、会不会撞上清扫禁停、有没有超过限时、要不要交停车费，以及整个计划合不合规。 35B-A3B五个问题全部答对。它算出这次一共停90分钟，从14:10开始，正好避开了12点到14点的清扫时段，也没超过2小时的上限；因为持有居民证，停车费可以免掉。 最后的综合判断里，它把每条规则都过了一遍，还注意到当天此前没停过车，所以“再次进入要隔30分钟”这条用不上，结论是这个停车计划符合规定。 3G内存怎么跑动35B的？ 看完效果，问题也就来了： 一个35B的模型，凭什么能在12GB内存的手机上跑起来，还跑得不慢？ 35B-A3B这个MoE模型，虽然总共有35B参数，但生成每个token时真正参与计算的只有3B左右。不过这里还有个麻烦，那就是每一层该叫哪几位专家，要等上一层算完才知道。 而手机内存又装不下全部专家，大部分只能放在闪存里，用到了再读进来。 过去常见的办法有两种。一种是用到哪个专家就读哪个，大模型倒是能跑，可解码慢到没法实时对话；另一种是给整段对话提前固定一小组专家，读盘次数少了，模型能挑的专家也跟着变少，能力难免打折扣。 MiniCPM-V 4.7想要的是两头都顾上：速度要够快，