面壁智能完成新一轮数亿元融资，发布性能小钢炮 MiniCPM 第二弹
内容提要
面壁智能发布了2B旗舰端侧大模型面壁MiniCPM，超越了欧洲版OpenAI的性能标杆，整体领先于Google Gemma 2B量级，还比肩7B、13B量级模型。MiniCPM-V2.0多模态模型在OCR能力上显著增强，通用能力超越Qwen-VL-Chat-10B、CogVLM-Chat-17B、Yi-VL-34B等更大的模型。MiniCPM-V2.0与清华大学合作，能识别高清大图和长文本。MiniCPM-MoE-8x2B MoE性能超越全系7B量级模型，推理成本仅为Gemma-7B的69.7%。MiniCPM-1.2B模型保持上一代2.4B模型87%的综合性能，在多个测试榜单上表现优异。MiniCPM-1.2B模型在iPhone 15手机上推理速度提升38%。面壁智能选择研发体积更小、性能更强的模型。
延伸解读
端侧模型的实用突破：速度与成本优势
MiniCPM-1.2B在iPhone 15上推理速度提升38%，达到每秒25 token/s，内存减少51.9%，成本下降60%。这些数据表明，小模型在端侧设备上能实现更快的响应和更低的资源消耗，为移动端AI应用落地提供了实际可能。
多模态OCR能力：从技术到应用
MiniCPM-V2.0在OCR能力上显著增强，能无损识别180万像素高清大图和1:9极限宽高比长图，并与清华合作探索清华简识别。这显示其在高精度文字识别场景的潜力，但实际部署中需考虑图像质量和计算资源。
小模型性能越级：架构创新与效率平衡
MiniCPM-MoE-8x2B采用MoE架构，性能超越全系7B量级模型，推理成本仅为Gemma-7B的69.7%。MiniCPM-1.2B保持上一代2.4B模型87%的综合性能。这体现了通过架构优化，小模型能在控制成本的同时实现越级性能。
Q&A
MiniCPM的主要性能优势是什么？
MiniCPM在性能上超越了欧洲版OpenAI和Google Gemma，尤其在OCR能力和多模态识别上表现优异。
MiniCPM-V2.0与清华大学的合作有什么意义？
MiniCPM-V2.0与清华大学合作，探索清华简的识别能力，推动多模态技术的发展。
MiniCPM-1.2B模型的性能如何？
MiniCPM-1.2B模型保持了上一代2.4B模型87%的综合性能，并在多个测试中表现优异。
MiniCPM在长文本处理方面有什么突破？
MiniCPM-2B-128K模型将上下文窗口扩展到128K，显著提升了长文本处理能力。
MiniCPM的推理成本与其他模型相比如何？
MiniCPM-MoE-8x2B的推理成本仅为Gemma-7B的69.7%，显示出更高的性价比。
面壁智能的融资情况如何？
面壁智能完成了新一轮数亿元融资，由春花创投和华为哈勃领投，旨在加快大模型的应用落地。
