面壁智能開源新模型「劍指」具身智能，對話創始團隊

2月4日，來自北京的端側AI模型公司面壁智能開源了僅有9B，但高密度、全模態且擁有「全雙工交互」的新模型 MiniCPM-o 4.5。在毗鄰清華大學南校門的面壁智能公司總部，圍繞模型研發、端側模型未來的可能性以及面壁智能作為AI初創公司的發展戰略，新京報貝殼財經記者採訪了面壁智能CEO李大海、面壁智能首席科學家劉知遠、面壁智能聯合創始人兼COO雷升濤，以及該模型的主要研發者，面壁智能多模態首席科學家姚遠。

李大海告訴貝殼財經記者，一直秉承「密度法則」（Densing Law，由劉知遠提出，其認為模型的能力密度每100天就可倍增一次），不斷將大模型的能力壓縮至極致的面壁智能要做「大模型的光刻機」。而經歷範式提升後，擁有新能力的MiniCPM模型也有望在具身智能領域「大放異彩」。

而劉知遠則把目光看向了未來，在他看來，隨著模型能力的提升，端側模型有望陪伴人類成長，最終每個人都會有專屬於自己的模型，讓電影中的「賈維斯」成為現實。

首創原生全雙工技術，僅有9B卻有望成為「具身大腦」

相比其他的大模型公司，面壁智能團隊在創業初期就選擇了一條非比尋常的道路：做「小而精悍」，可在本地運行的端側模型。這次發佈的MiniCPM-o 4.5，其參數量為9B（記者註：1B代表10億參數），對比DeepSeek-R1的671B，以及通義千問Qwen3的235B，可以發現面壁智能的這款新模型僅分別為前兩者的1.34%和3.83%。

麻雀雖小，五臟俱全。姚遠介紹，該模型的能力覆蓋全模態、視覺理解、文檔解析、語音理解和生成、聲音複製等方方面面，還擁有「邊看、邊聽、主動說」的全雙工與主動交互能力，這意味著其自身可以根據環境的動態變化實時反應，以最合適的時機、最恰當的內容回覆，讓大模型對於信息的感知與傳遞不會慢半拍。

姚遠對貝殼財經記者解釋道，傳統的單工模型猶如對講機，當模型回答時，無法接收外部信息，「你很難想像一個人在說話的時候耳朵是堵住的，聽的時候又不能說話，而全雙工模型在語音方面就解決了這一問題。」談到具體表現，姚遠稱，考慮到模型主動「打斷」用戶有可能會影響交互體驗，面壁實際上並沒有展示語音維度的能力，但在視覺上，全雙工模型可以根據看到的景色變化主動判斷交互的時機，輸入輸出的多模態信息流互不阻塞，對話的延遲更低。

「我們在做這個模型時將其視為全模態基礎模型看待，我們相信，全模態在未來賦能終端上有非常大的潛力，無論是汽車、手機還是機器人。有了這樣一個能夠全雙工感知環境並回應用戶的模型，將可以把我們現在的設備從被動響應變為主動式智能，所以這是一個範式提升，未來一定能衍生出很多場景。」李大海表示。

對於MiniCPM-o 4.5的應用前景，面壁智能在官方公眾號中這樣寫道：具備類人感知與交互能力、再加上只有 9B 的「小身材」，意味著像具身機器人、汽車、PC 等不同終端交互模式都將進化。以具身機器人為例，目前具身廠商是以研發運控、VLA 模型為主，但行業一直缺乏「理解、溝通、交互」的能力，而像 MiniCPM-o 4.5 則有望補齊具身機器人大腦能力，變得更加智能。

李大海在接受貝殼財經記者採訪時表示，在具身智能領域，目前本體的發展比大腦更快，相信具身智能大腦的突破能夠為行業帶來突飛猛進的進展。姚遠也表示，多模態大模型「一定是具身智能實現通用性的最大機會」。

堅持密度法則，面壁智能要做「大模型的光刻機」

此外，對於面壁智能作為初創公司，如何與國內外大廠「差異化競爭」的問題，李大海與雷升濤也回應了貝殼財經記者。

李大海首先提到了面壁智能一直秉承的「密度法則」。他表示，這一定律引發的推論是每一個領先大模型的「保鮮期」都非常短，所以任何大模型公司都需要持續不斷進行研發，否則就會被淘汰。

「面壁智能要做‘大模型的光刻機’，在技術層面，我們會不斷訓練出更高知識密度的大模型。同時，我們也會同步構建其他優勢，積極商業化，目前我們的端側模型在汽車、手機等很多終端設備上運轉，交出了還算不錯的答卷。」李大海說。

雷升濤則補充道，當前讓底層的infra（註：基礎設施）模型在端側跑到極致，是一件非常難的事情。他舉例稱，「比如車載AI的遺留物品提醒功能，我們最開始做出來時是4秒，客戶認為4秒鍾‘人就已經走出十來步了’，希望我們做到2秒以內，而最終我們把這個功能做到了1秒之內，這一體驗就非常極致。端側模型意味著算力小、內存小，有著極致的約束，我們把infra這一塊做到極致，就能拉長模型領先的時間。」

而對於未來，AI的發展將走向何方，劉知遠認為有兩大「主旋律」。

在他看來，其一是智能能力越來越強，智能使用越來越高效，「在過去五六年的時間里，我們見證了模型從海量數據中學習知識、理解用戶意圖、深度思考，接下來這一兩年，我們將快速見證模型的專業能力越來越強，跟世界的交互越來越強。當智能體具備了在相關領域進行自主探索、學習成長的能力後，下一步的大突破將是多智能體的協同，完成任何一個個體都無法完成的工作，這也是面壁智能團隊將持續發展的方向。」

另一個方面則是「密度法則」，劉知遠表示，未來大模型將像芯片一樣，不斷提高密度，極致地降低模型使用成本與模型尺寸，這樣就可以將模型放入終端，更好地服務用戶。

「我們可以預見，在未來三到五年的時間里，會有越來越多的終端具備更強智能，當個人的模型也具備了自主學習能力和協同能力時，就會形成一個重要的奇點：這個世界上每個人都會有專屬於自己的，持續成長的模型，成為每個人越來越貼心的、懂你的助手。」劉知遠說。

記者聯繫郵箱：luoyidan@xjbnews.com

新京報首席記者 羅亦丹

編輯 嶽彩周

校對 付春愔