MiniCPM-V 4.7 推测解码达 370 tok/s

面壁智能 OpenBMB 推出 MathForm，一个面向 Lean 4 数学自动形式化的开源框架、数据集与模型。其 FormalVerse 数据集含 367K+ 已验证示例；在匹配 100K 预算下，基于其训练的模型 Consistency Check 达 60.32%，优于 FineLeanCorpus（46.53%）与 NuminaMath-LEAN（41.49%）。

面壁智能开源首个具身AI模型系列 MiniCPM-Robot，包含 1.5B 参数的通用视觉-语言-动作（VLA）模型 MiniCPM-RobotManip 和用于目标跟踪的 MiniCPM-RobotTrack。同时发布高性能推理框架 PhyAI，旨在让机器人实现理解、记忆与行动。

面壁智能 OpenBMB 发布 VoxCPM2 技术报告。该模型为最新语音生成模型，拥有 2B 参数，基于超 200 万小时多语言语音数据训练，支持 30 种语言和 9 种中文方言。具备自然语言语音设计、可控及高保真延续性语音克隆能力。技术报告涵盖架构设计、统一序列公式、AudioVAE 高保真语音重建、大规模训练评估，以及零样本和指令跟随 TTS 基准结果。采用 16kHz 语义编码 + 48kHz 波形重建，在公开 TTS 基准上达到 SOTA 或极具竞争力。模型权重、…

面壁智能 MiniCPM-V 4.7 已在 ModelScope 开源，是 35B-A3B 的 MoE 多模态模型，采用 Apache 2.0 协议。官方称其可在 iPhone 17 Pro Max 上以 13+ tokens/s 流畅运行端侧无损推理，Instruct 模式下整体得分高于 Qwen3.6 35B-A3B 且推理时间更短；支持 4x/16x 视觉 token 压缩，提供 35B-A3B 和 1B 两种规格及 FP8、GPTQ、AWQ、BNB、GGUF 变体，…

OpenBMB（面壁智能）发布 MiniCPM-V 4.7，35B-A3B MoE 多模态模型在手机上仅需 3GB 内存运行，可识读现实场景标识、按约束规划、解析复杂文档并对视觉数据进行推理。

面壁智能 OpenBMB 转发社区分享，介绍 MiniCPM V4.7：35B-A3B 端侧 MoE 版在 iPhone 17 Pro Max 上以约 3GB 内存达到 13+ tok/s，综合得分和推理时间优于 Qwen3.6 35B-A3B。1B 轻量 VLM 在性能和效率上均优于 Qwen3.5 0.8B；两版本支持图像、多图与视频理解，4×/16× 视觉 token 压缩，覆盖 iOS、Android 与 HarmonyOS，采用 Apache 2.0 协议。

本地 VLM 的有趣结果。MiniCPM-V 4.7 35B-A3B 不仅用了更少的 token，还生成了比 Qwen 3.6 35B-A3 更好的体素宝塔。效率 + 质量正在成为多模态模型真正的战场。🔥

很高兴看到 MiniCPM-V-4.7-35B-A3B 在真实智能体工作流中接受测试。👀 强大的工具调用、长上下文处理以及智能体循环，正是高效模型需要证明自己的地方。

面壁智能 OpenBMB 发布开源多模态模型系列 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个型号。

在 iPhone Air 上跑到 37 tok/s，太猛了。🚀 这正是小而强的开源模型大放异彩的地方：无需云端 GPU 就能拥有强大的多模态智能。很高兴看到 MiniCPM5-2B 在移动端流畅运行。