Zeng Guoyang, CTO von Mianbi Intelligence, wies darauf hin, dass On-Device-Modelle der Schlüsselweg
für die KI-Implementierung sind. Die ursprüngliche Methodik, der "Model Wind Tunnel", kann die volle Trainingsleistung in kleinräumigen Experimenten vorhersagen und schlägt das "Wall-Facing Law" auf Basis der "Wissensdichte" vor: Die Wissensdichte verdoppelt sich alle 3,5 Monate. Die MiniCPM-Leistung der 2B-Parameter übertrifft konkurrierende 8B-Modelle desselben Zeitraums. FaceWall hat bereits eine Chipanpassung für Qualcomm, MediaTek, Intel, Nvidia, AMD und andere abgeschlossen. Die neu veröffentlichte BitCPM-CANN-Modellreihe kann bis zu sechsmal so viele Modelle auf demselben Speicher von Huawei Ascend-Chips installieren. Das Vollduplex-, vollmodale Modell MiniCPM-o4.5 unterstützt Echtzeit-Interrupts und Stimmungsanpassungen. Das Team entwickelte das weltweit erste produktionsfähige Trainingsframework, das vollständig von KI geschrieben wurde, ForgeTrain, und führte eine Verhaltensmusterbibliothek ein, um ein "Tacit Understanding System" zu schaffen, das keine Öffnung der Schnittstelle erfordert.
面壁智能CTO曾国洋指出,端侧模型是AI落地的关键路径。
其原创方法论"模型风洞"可在小规模实验中预测完整训练效果,并基于"知识密度"提出"面壁定律":知识密度每3.5个月翻一番。
2B参数的MiniCPM表现优于同期8B竞品。
面壁已完成高通、联发科、英特尔、英伟达、AMD等芯片适配,新发布的BitCPM-CANN模型系列可在华为昇腾芯片上让同一内存多装约6倍模型。
全双工全模态模型MiniCPM-o4.5支持实时打断与情绪调整。
团队开发了全球首个完全由AI编写的生产级训练框架ForgeTrain,并引入行为模式库实现无需开口的"默契系统"。