面壁智能开源 MiniCPM-V 4.7：3GB 内存跑起 35B 多模态模型

35B 参数的多模态模型，在手机上流畅跑起来需要多少内存？面壁智能给出的答案是：3GB。

10 月 13 日，面壁智能正式开源 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个版本。其中 35B-A3B 采用 MoE 架构：总参数 350 亿，每次推理只激活 30 亿，是首个能在端侧无损流畅运行的开源 MoE 模型。iPad Pro 实测解码速度超过 15 token/s，基本做到即问即答。

卡顿是怎么被解决的

MoE 模型内部有大量「专家」，每次回答只调用其中几位。传统做法是用到哪位就临时搬进运存，一搬一停，落在手机上就是肉眼可见的卡顿。

面壁这次拿出的 LES（前瞻专家调度）技术换了思路：提前预判接下来要用哪些专家，趁当前计算还在跑，就把它们提前加载好，让加载与计算同步推进。官方称这是目前业界独家开源的方案。

生态铺得很快

发布当天，MiniCPM-V 4.7 就支持了瑞芯微、NVIDIA、Intel 和 Apple 等主流芯片平台，iOS、安卓、鸿蒙三个系统通吃，端侧适配代码和主流推理框架一并开源。

另一组数字值得留意：MiniCPM 系列模型联合 OpenBMB 社区发布至今，全球累计下载量已突破 6000 万次，覆盖文本、视觉、语音全模态。

当谷歌靠 Gemini 4 Argon 在云端把输出上限堆到百万 token 时，面壁在往 3GB 里塞旗舰能力。端侧和云端的路线之争，2026 年显然还没到分胜负的时候——但对没有云端算力牌的开发者来说，端侧开源是眼下更现实的那张票。