MiniCPM5-1B

MiniCPM5-1B 是 10 亿参数模型，面向端侧和资源受限场景。已开源 Ultra-FineWeb、Ultra-FineWeb-L3、UltraData-Math、UltraData-SFT-2605。

核心亮点

• 18.2 Artificial Analysis Index V4.0 — 同尺寸开源模型评测结果：与同规模开源模型的对照结果见评测表，涵盖智能体工具调用、代码生成和复杂推理任务。
• 综合文本性能排名优异：在 Artificial Analysis（AA）Intelligence Index 中，MiniCPM5-1B（thinking）得 18.2 分，MiniCPM5-1B（non-thinking）得 17.9 分，同页展示的 Qwen3.5-2B 得 16.3 分。
• 桌面宠物：INT4 量化后权重约 0.5GB，可运行于手机、浏览器等端侧环境。 1B 参数规模下可驱动端侧应用，例如运行在本地设备上的「桌宠」。

技术亮点

• 三阶段训练（base → mid → post）+ 全开源语料：模型训练贯穿 基础训练（base）→ 中期训练（mid）→ 后训练（post） 三个阶段：基础训练用稳定训练 + 衰减训练构建核心语言能力与训练稳定性，中期训练强化目标能力并适配目标数据分布。配套语料全部开源（Ultra-FineWeb、Ultra-FineWeb-L3、UltraData-Math，以及后训练的 UltraData-SFT-2605）。
• SFT → RL → OPD 三步走：后训练分 SFT → RL → OPD 三步：先用 200B tokens 深度思考 SFT + 200B tokens 混合思考 SFT 建立深度思考/混合思考/通用对话能力；再为数学、代码、闭卷问答、写作等领域分别训练专门的 RL 教师模型，最后通过 On-Policy Distillation (OPD) 把多个教师的能力蒸馏回同一个发布模型。 结果：数学/代码/指令遵循平均分 +16 分，达到最大 token 预算的回复比例 -29 个百分点。
• 推理 RL + OPD 改进：推理 RL：基于 DAPO-Math-17k（受 JustRL 极简方案启发），采用两阶段长度调度，在提升推理准确率的同时压缩过长回复；并融合 TriviaQA、NQ-Open、LongWriter-Zero-RLData、合成 RLVR 及成对 RLHF 信号。 OPD 改进：在 RL 框架中用反向 KL 散度（reverse KL）作为优势估计替代原始基于验证的优势计算；在学生/教师 top-k logits 的并集上计算 RKL，兼顾准确性与效率；并直接复用各 RL 教师的领域内提示作为蒸馏数据，减少额外的数据整理步骤。
• 桌面宠物：我们还提供了 OpenBMB/MiniCPM-Desk-Pet，这是一个由 MiniCPM5-1B 本地驱动的桌面宠物。它支持 Apple Silicon / NVIDIA GPU / CPU 多种运行路径，可与 Cursor、Claude Code 和 Codex 等编码智能体协同工作，并支持 LoRA 角色切换。

模型表现

• 综合：对照模型包括 LFM2.5-1.2B-Thinking、Qwen3-0.6B/think 和 Qwen3.5-0.8B/think，各项分数见下表，涵盖工具调用、代码生成和复杂推理。适用于本地代码智能体、工具助手和推理助手等场景。
• 通用知识
• 领域知识
• 代码
• 指令遵循
• 数学推理
• 逻辑推理
• 智能体

* 数据来源于真实模型评测