Aitishiku.com
多模态开源端侧面壁 开源模型
面壁楚儿（端脑） 楚儿（端脑）
面壁 Mianbi系列 · 面壁智能 · 2025-08发布
模型介绍
面壁智能的端到端多模态大模型，端侧推理能力强，最新「楚儿」系列兼顾浏览器 agent 能力，中文好、本地可部署。
模型基础信息
模型系列面壁 Mianbi系列
开发机构面壁智能
发布时间2025-08
参数规模8B~35B
上下文窗口64K
模型类型多模态（文本+图像+操作）
中文能力优秀
使用方式网页体验 / API调用 / 本地部署
免费额度与收费政策
开源 合作
免费规则详情
权重开放，部分商用需授权。
收费标准简介
本地免费；合作另报。
模型能力介绍
✅ 核心优势
- 端侧强
- 浏览器 agent
- 多模态
- 中文好
⚠️ 短板与局限
- 生态较小
- 推理要求硬件
- 通用弱于大模型
🎯 适用场景
- 浏览器自动化
- 端侧多模态
- 个人助理
- 研究
模型使用教程
本章节整理 面壁楚儿（端脑） 的在线体验、API调用、本地部署全套入门教程，快速上手使用该模型。
- 本地体验：
ollama run mianbi-agent或 Transformers / vLLM 加载。 - 云端：HF 托管模型可在线体验。
ollama run mianbi-agent "用中文介绍一下面壁楚儿（端脑）"HF_ENDPOINT=https://hf-mirror.com huggingface-cli download 面壁智能/面壁 Mianbi --local-dir ./mianbi-agent或 ModelScope 国内直连下载。
from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained('面壁智能/面壁 Mianbi')
tok = AutoTokenizer.from_pretrained('面壁智能/面壁 Mianbi')
code = tok.apply_chat_template([{'role':'user','content':'你好'}], tokenize=False)
print(model.generate(**tok(code, return_tensors='pt')))楚儿（Chatting）是面壁智能开源的多模态 Agent 模型（8B~35B），支持图像/操作理解；小尺寸可单卡部署。
- 官方推荐用 Ollama / llama.cpp 运行 GGUF：
ollama pull chatting 或按官方文档下载 GGUF 后 llama-cli -m ./chatting.gguf
- transformers 部署端侧版：
pip install transformers==4.44.2
python -c "from transformers import AutoModel, AutoTokenizer; m=AutoModel.from_pretrained('OpenBMB/Chatting-8B', trust_remote_code=True, torch_dtype='float16').cuda(); t=AutoTokenizer.from_pretrained('OpenBMB/Chatting-8B', trust_remote_code=True); print(m.chat(t, '你好', None))"
Tips：35B 需要约 70GB 显存；端侧小版本适合手机/笔记本推理。
💡 使用小技巧
端脑可操作浏览器代理。
❓ 常见问题 FAQ
Q1：楚儿是什么？\nA1：面壁最新多模态与 agent 模型。
访问备注与注意事项
- 权重 hf-mirror 可下