面壁智能和 OpenBMB 社区 10 月 13 日正式发布多模态模型 MiniCPM-V 4.7，一次放出两个版本：35B-A3B 和 1B。前者是 MiniCPM-V 系列第一个混合专家（MoE）模型，总参数约 350 亿，每次推理只激活约 30 亿；后者面向入门级手机。
官方给出的端侧数字是：35B-A3B 在 iPhone 17 Pro Max 上占用约 3GB 内存，解码速度 13 token/s 以上。代码和权重按 GitHub 仓库页脚标注，采用 Apache-2.0 协议。
3GB 装下 35B，靠提前调度专家
MoE 模型的麻烦在于，参数总量大，但每一步只用其中一小部分。放在服务器上可以全塞进显存，放在手机上就塞不下，只能边算边从存储里把需要的专家读进来，读得慢就卡。
面壁的办法叫 LES（前瞻专家调度）。按 GitHub 页面的说明，它做了三件事：
- 跨层预测路由，提前把下一层大概率要用的专家加载好；
- 当前层优先计算已经在内存里、又被路由选中的专家；
- 配合权重量化和重新设计的存储布局，减小体积、加快读取。
官方称这套办法在真机上带来约 5 倍提速。另一项老技术延续下来，视觉部分用 4 倍和 16 倍混合压缩视觉 token，这在 5 月发布的 MiniCPM-V 4.6 里已经出现过。
第三方开发者此前翻过模型的配置文件：40 层，其中 30 层线性注意力、10 层全注意力，256 个专家里每个 token 选 8 个，上下文 256K。BF16 权重合计约 70.4GB。换句话说，3GB 是量化加按需加载之后的运行占用，想不量化直接跑，普通电脑也吃不消。
跑分只和同档比
面壁的说法是，35B-A3B 在 34 项基准上覆盖通用视觉、STEM 推理、OCR 与图表、长视频等任务，Instruct 模式下综合得分高于同为 35B-A3B 规格的 Qwen3.6-35B-A3B，推理时间更短，部分项目超过 Qwen 27B 和 Gemma-4 31B。1B 版本则对标 Qwen3.5 0.8B，综合得分和推理效率都更好。
这些都是厂商自报。GitHub 页面上的成绩表是图片，具体分数媒体报道里也没有展开，目前还没看到独立复现。
发布过程本身有一段小插曲。按第三方开发者的记录，35B-A3B 的权重 10 月 6 日晚就出现在 Hugging Face 上，当时没有模型卡、没有许可证，也没有评测数据，相关说明到 10 月 12 日前后才补齐。
对国内开发者，门槛在哪
这次面壁把适配名单写得很长：系统覆盖 iOS、安卓和鸿蒙，芯片列了 Intel、AMD、Arm、瑞芯微和后摩。瑞芯微和后摩出现在名单里，说明面壁瞄的不只是手机，还有国内的边缘盒子、机器人和车载这类设备，这些场景往往不能联网调用云端大模型。
同步开源的还有一套叫 SRFT（Self-Replay Fine-Tuning） 的微调方案，官方说法是低成本扩展能力，同时减少遗忘原有能力。对要在自家设备上做定制的团队，这比单放一个权重更实用。
不过有几处要看清：
- 13 token/s 是在 iPhone 17 Pro Max 上测的，有媒体引述 iPad Pro 能到 15 token/s 以上。中端安卓机、鸿蒙机上的速度，官方还没给出数字。
- 3GB 是运行时内存，模型文件本身仍然要占手机存储，量化后的具体体积要以官方发布的文件为准。
- 适配名单写的是”适配”，各平台的推理框架、量化格式是否已经现成可用，要开发者自己逐个验证。
面壁过去几代 MiniCPM-V 的路线一直是”小参数、上手机”。这次把 MoE 搬上来，从参数结构看，是在总参数和手机内存之间换了一种分配：总量做大，每步用到的仍然控制在 30 亿左右。后面看两件事：LES 在内存更小的设备上还能不能稳住速度，以及第三方评测能不能把那 34 项成绩复现出来。
参考来源：OpenBMB GitHub 仓库 MiniCPM-V（LES 原理、平台适配、协议）；IT之家；CocoLoop；凤凰网科技；Hugging Face 模型页与配置文件（层数、专家数、权重体积）。