面壁智能联合清华发布MiniCPM-V4.6 1.3B参数刷新端侧多模态性能上限

2026年5月，面壁智能联合清华大学、OpenBMB开源社区正式发布新一代端侧多模态大模型MiniCPM-V 4.6。该模型仅1.3B参数，推出Instruct与Thinking两个版本，在AA（Artificial Analysis）榜单拿下13分的成绩，性能不仅远超阿里Qwen3.5-0.8B、谷歌Gemma4-E2B-it等同尺寸竞品，更直逼2B参数级模型，为端侧AI规模化落地提供了高性价比的技术路径。

长期以来，端侧AI的落地始终卡在“性能”与“体积”的两难选择里：要足够好用的多模态理解能力，往往需要7B以上参数模型，普通消费级硬件根本跑不动；压缩到1-2B参数区间，又容易出现识别准确率低、推理能力弱的问题，难以支撑复杂场景需求。这一僵局最近被一款新发布的小参数模型打破。

随着消费电子、智能车、工业边缘设备的智能化升级，用户对本地AI能力的需求正在快速上涨。相较于云端AI，端侧推理具有延迟低、隐私性强、无需联网的优势，但硬件算力、存储的限制，决定了端侧部署的模型参数不能过高。

此前行业的普遍思路是通过压缩大模型适配端侧，但往往会损失较多性能，导致1B级参数的多模态模型大多只能承担简单的图像识别、指令响应任务，无法完成逻辑推理、多轮多模态交互等高阶需求，行业亟需在小参数体量下实现更高智能密度的技术方案。