开源模型

面壁 MiniCPM5-1B 5-1B

MiniCPM5系列 · 面壁智能（OpenBMB） · 2026-05发布

开源支持本地部署多模态国内可直连长上下文

🔗 官方体验地址 → 📄 API文档地址 → 📥 模型下载地址 →

模型介绍

面壁智能开源的同尺寸最强端侧模型，1B 稠密架构、128K 原生上下文，支持文本与图像对话，Think / No Think 双模式，CPU、端侧与低功耗设备均可运行。

模型基础信息

模型系列MiniCPM5系列

开发机构面壁智能（OpenBMB）

发布时间2026-05

参数规模1B（Dense）

上下文窗口128K

模型类型多模态（文本+图像）

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

开源权重免费

免费规则详情

BF16 / GGUF / MLX 权重免费开源，端侧免费部署。

收费标准简介

开源免费；算力自备。

模型能力介绍

✅ 核心优势

1B 同尺寸 SOT
端侧 / 本地部署友好
128K 原生长上下文
文本图片对话 + 双模式

⚠️ 短板与局限

参数小，极限能力有限
视觉为附加能力

🎯 适用场景

手机 / 平板端侧 AI
低功耗设备助手
本地 Agent 与工具调用
嵌入式场景

模型使用教程

本章节整理面壁 MiniCPM5-1B 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。

体验网址：<https://openbmb.github.io/MiniCPM/>（官方演示）或 [Hugging Face](https://huggingface.co/openbmb/MiniCPM5-1B) 试玩。
能力简介：面壁智能开源同尺寸最强端侧模型，1B 稠密架构、128K 上下文，支持文本与图像对话，Think/No Think 双模式。
适用场景：手机/平板端侧 AI、低功耗设备助手、本地 Agent、嵌入式场景。
使用建议：端侧用 GGUF / MLX 量化版，性能与体积更佳。
开发接入：提供 BF16 / GGUF / MLX 多种格式，方便端侧集成。

访问 [Hugging Face](https://huggingface.co/openbmb/MiniCPM5-1B) 或 [ModelScope](https://www.modelscope.cn/models/OpenBMB/MiniCPM5-1B)。
选择格式下载：

git lfs install
git clone https://huggingface.co/openbmb/MiniCPM5-1B-GGUF

端侧使用 MLX（Apple）或 GGUF（Ollama / llama.cpp）。

Ollama 一键运行（GGUF）

ollama run openbmb/minicpm5-1b

Python（Transformers）

pip install transformers

from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained("openbmb/MiniCPM5-1B", device_map="auto")
tok = AutoTokenizer.from_pretrained("openbmb/MiniCPM5-1B")
msg = tok.apply_chat_template([{"role": "user", "content": "你好"}], tokenize=False)
print(model.generate(**tok(msg, return_tensors="pt").to(model.device)))

> 提示：端侧推理使用 GGUF / MLX 版本更高效。

部署方式：开源权重（Apache-2.0），支持 llama.cpp / Ollama / MLX / Transformers。
硬件要求：1B 参数，CPU / 手机 / 低功耗设备均可运行。
端侧：提供 GGUF、MLX 等格式，支持 Intel 集成显卡加速。
参考：GitHub [OpenBMB/MiniCPM](https://github.com/OpenBMB/MiniCPM) 提供部署与微调脚本。

💡 使用小技巧

端侧用 GGUF / MLX 量化版，性能与体积更佳。

❓ 常见问题 FAQ

Q1：能在手机上跑吗？

A1：可以，提供 GGUF / MLX 端侧版本。

访问备注与注意事项

2026-05-19 发布，MiniCPM5 系列首个模型