面壁智能與 OpenBMB 社群於 10 月 13 日正式發表多模態模型 MiniCPM-V 4.7，一次釋出兩個版本：35B-A3B 與 1B。前者是 MiniCPM-V 系列第一個混合專家（MoE）模型，總參數約 350 億，每次推論只啟用約 30 億；後者則鎖定入門級手機。
官方公布的端側數字是：35B-A3B 在 iPhone 17 Pro Max 上占用約 3GB 記憶體，解碼速度達 每秒 13 token 以上。程式碼與權重依 GitHub 儲存庫頁尾標示，採用 Apache-2.0 授權。
3GB 裝下 35B，靠的是提前調度專家
MoE 模型的難處在於，參數總量龐大，但每一步只會用到其中一小部分。放在伺服器上，可以全部塞進顯示記憶體；放到手機上就塞不下，只能邊運算邊從儲存空間把需要的專家讀進來，讀得慢就會卡頓。
面壁的做法稱為 LES（前瞻專家調度）。依 GitHub 頁面的說明，它做了三件事：
- 跨層預測路由，提前載入下一層大機率會用到的專家；
- 當前層優先運算已經在記憶體中、又被路由選中的專家；
- 搭配權重量化與重新設計的儲存配置，縮小體積並加快讀取。
官方表示，這套做法在真機上帶來約 5 倍的加速。另有一項既有技術沿用下來：視覺部分以 4 倍與 16 倍混合壓縮視覺 token，這在 5 月發表的 MiniCPM-V 4.6 中就已出現。
第三方開發者先前翻過模型的設定檔：共 40 層，其中 30 層為線性注意力、10 層為全注意力，256 個專家中每個 token 選用 8 個，上下文長度 256K。BF16 權重合計約 70.4GB。換句話說，3GB 是量化加上按需載入之後的執行占用，想不量化直接跑，一般電腦也吃不消。
跑分只和同級產品比
面壁的說法是，35B-A3B 在 34 項基準測試中涵蓋通用視覺、STEM 推理、OCR 與圖表、長影片等任務，Instruct 模式下的綜合得分高於同為 35B-A3B 規格的 Qwen3.6-35B-A3B，推理時間也更短，部分項目超越 Qwen 27B 與 Gemma-4 31B。1B 版本則對標 Qwen3.5 0.8B，綜合得分與推理效率都更好。
這些都是廠商自行公布的數字。GitHub 頁面上的成績表是圖片，具體分數在媒體報導中也沒有細談，目前尚未看到獨立複現。
發表過程本身有段小插曲。依第三方開發者的紀錄，35B-A3B 的權重在 10 月 6 日晚間就出現在 Hugging Face 上，當時沒有模型卡、沒有授權條款，也沒有評測資料，相關說明直到 10 月 12 日前後才補齊。
對中國大陸開發者，門檻在哪
這次面壁把適配名單寫得很長：作業系統涵蓋 iOS、Android 與鴻蒙，晶片列出 Intel、AMD、Arm、瑞芯微與後摩。瑞芯微和後摩出現在名單中，顯示面壁瞄準的不只是手機，還有大陸的邊緣運算盒、機器人與車載這類裝置，這些場景往往無法連網呼叫雲端大模型。
同步開源的還有一套名為 SRFT（Self-Replay Fine-Tuning）的微調方案，官方說法是能以低成本擴充能力，同時減少遺忘原有能力。對想在自家裝置上做客製化的團隊來說，這比單獨釋出權重更實用。
不過有幾點要看清楚：
- 每秒 13 token 是在 iPhone 17 Pro Max 上測得的，有媒體引述 iPad Pro 可達每秒 15 token 以上。中階 Android 手機、鴻蒙手機上的速度，官方尚未給出數字。
- 3GB 是執行時的記憶體占用，模型檔案本身仍要占用手機儲存空間，量化後的實際大小要以官方釋出的檔案為準。
- 適配名單寫的是「適配」，各平台的推論框架、量化格式是否已經能直接使用，得由開發者自行逐一驗證。
面壁過去幾代 MiniCPM-V 的路線一直是「小參數、上手機」。這次把 MoE 搬上來，從參數結構來看，是在總參數與手機記憶體之間換了一種配置方式：總量做大，每一步用到的仍控制在 30 億左右。接下來要看兩件事：LES 在記憶體更小的裝置上還能不能維持速度，以及第三方評測能否複現那 34 項成績。
參考來源：OpenBMB GitHub 儲存庫 MiniCPM-V（LES 原理、平台適配、授權）；IT之家；CocoLoop；鳳凰網科技；Hugging Face 模型頁與設定檔（層數、專家數、權重體積）。