面壁智能「开源周」：一场定义端侧 AI 终局的系统性「亮剑」

国产算力首开极低位宽模型：三值BitCPM-CANN开源

5月25日，面壁智能联合清华大学、OpenBMB开源社区正式发布并开源BitCPM-CANN，这是国内首个完全基于国产算力平台（华为昇腾）实现端到端训练并开源的三值（1.58-bit）模型。这一动作直接突破了两个关键瓶颈：一是国产算力在大模型训练环节的可用性与有效性验证，二是极低位宽模型在推理效率与硬件适配上的可行性。BitCPM-CANN的发布意味着端侧AI可以绕过对高端进口芯片的依赖，利用昇腾等国产硬件实现高效部署，为汽车、手机等终端设备的国产化智能方案提供了坚实底座。

全双工交互模型MiniCPM-o 4.5：端侧多模态新高度

2月4日，面壁智能开源了仅有9B参数的MiniCPM-o 4.5模型。这款模型的核心亮点在于“高密度、全模态、全双工交互”——它能够在端侧实现类似GPT-4o级别的多模态理解与对话能力，同时支持实时语音、图像、视频的全双工交流。在模型体积被压缩至9B的前提下，MiniCPM-o仍能保持强大的性能表现，这得益于面壁在数据、架构与成长算法上的持续优化。该模型的开源使开发者能够直接在移动设备上运行具备高级交互能力的AI，无需依赖云端，极大降低了延迟与隐私风险。

知识密度为王：面壁智能的“以小博大”哲学

面壁智能的核心逻辑始终是“提升大模型的知识密度”，即用更小的参数量实现更强的能力。通过数据筛选、模型架构创新以及成长算法的精进，面壁不断压缩模型体积，同时保留甚至增强其推理与生成质量。这种“以小博大”的策略直接决定了端侧AI的可行性——只有足够轻量的模型才能流畅运行在手机、汽车、智能家居等资源受限的终端上。面壁智能联合OpenBMB社区持续聚合端侧AI的前沿信息与技术，将理论落地为实际案例，描摹出从云端向终端迁移的完整路径。

系统性开源周：从算力到模型的终局布局

面壁智能并非孤立地开源单个模型，而是以“开源周”的形式系统性亮剑：从基于国产昇腾的BitCPM-CANN，到全双工多模态MiniCPM-o 4.5，再到更广泛的社区生态建设，面壁正在构建一套覆盖算力、模型、交互范式的端侧AI完整基础设施。这套布局直指端侧AI的终局——让智能真正“下沉”到每个人的设备中，且不牺牲性能、不依赖封闭生态。通过开源，面壁吸引了全球开发者参与迭代，形成以国产技术为内核的协同创新网络，加速了端侧AI从实验到普及的进程。