OpenBMB 发布 MiniCPM5-1B

背景

小型语言模型面向的是无法依赖数据中心的场景。手机、笔记本电脑和边缘设备的存储、功耗和算力都有限，因此参数更少的模型更容易在本地运行。MiniCPM5-1B 的定位是端侧（on-device）和资源受限部署^[2]。在这些场景里，模型能不能装进本地内存、能不能在有限算力下完成推理，往往和模型在服务器上的表现同样重要。一个模型如果大到无法在本地运行，即使它在服务器上表现很好，也不能解决端侧问题。内存容量决定权重能不能加载，功耗决定能不能持续运行，算力决定响应速度，这些限制从设计之初就会影响模型的选择。

发布

2026 年 5 月 21 日，OpenBMB 发布 MiniCPM5-1B^[1]。这是 MiniCPM5 系列的第一个模型^[2]。名称中的“1B”表示模型规模约为 10 亿参数；它是一个稠密 Transformer^[2]。稠密（dense）模型在推理时对每个词元（token）使用全部参数，而稀疏模型只让词元经过网络的一部分。稠密设计让结构保持直接，代价是推理时全部参数都会参与计算。MiniCPM5-1B 面向端侧和资源受限部署^[2]。

关键细节

模型权重采用 Apache-2.0 许可^[1]。Apache-2.0 是一种宽松的开源许可，允许使用、修改和再分发，前提是遵守许可条款。对一个小模型来说，这意味着开发者可以测试、改造并把它放进自己的项目中，而不必另谈一套授权。模型卡（model card）记录的下载量为 240,856 次^[1]。它的训练数据属于同一团队发布的 UltraData 家族^[2]。把数据家族写进发布信息，使模型与该团队的数据工作连接在一起；模型、模型卡、许可和训练数据家族被放在同一个发布中呈现。下载数字是模型卡上的一个记录点，方便读者了解这个发布被查看和获取的规模。

影响

1B 稠密 Transformer 的规模足以被考虑用于本地执行，Apache-2.0 许可则降低了试验和复用的门槛^[1]。UltraData 的关联也让模型处在同一团队的数据谱系中^[2]。OpenBMB 的这次发布不只是权重文件：它同时给出了模型卡、许可和训练数据家族，开发者可以据此检查和继续构建。作为 MiniCPM5 系列的第一个模型，MiniCPM5-1B 标记了该系列的起点^[2]。对关注小模型发展的读者来说，这个事件展示了端侧 AI 的一种常见打包方式：紧凑的架构、宽松的许可，以及有名字的训练数据家族。它也让“小模型”不只是一个参数量描述，而是一组关于部署位置、授权方式和数据来源的具体选择。这类发布把模型能力之外的工程条件也摆到台面上：参数规模、许可、数据来源和部署目标共同定义了一个小模型能做什么、能在哪里运行。