OpenBMB 发布 MiniCPM5-1B 大语言模型。目前同尺寸下最强大的大语言模型之一。（在 Artificial Analysis Intelligence Index 上得分为 17.9）

OpenBMB 已发布 MiniCPM5-1B（Non-reasoning），这是领先的 1B 开源权重模型，在 Artificial Analysis Intelligence Index 上得分为 17.9。 @OpenBMB 是一家中国实验室，由清华大学自然语言处理实验室和 ModelBest Inc. 于 2022 年联合成立。此次发布将开源权重的智能度与参数量的帕累托前沿扩展到了 20亿参数以下规模。该模型比表现最佳的 2B 开源权重模型——@阿里巴巴的 Qwen3.5 2B（Reasoning，16.3）高出近 2 分，比 Qwen3.5 0.8B（Reasoning，10.5）高出 7 分。 与最近发布的 MiniCPM-V 4.6 1.3B Instruct 不同，MiniCPM5-1B（Non-reasoning）不支持原生多模态输入，仅支持文本输入和输出。 关键结果： ➤ MiniCPM5-1B 在 Artificial Analysis Intelligence Index 上得分为 17.9，比任何 10亿参数及以下的开源权重模型高出 7.4 分。在此规模下，智能度次高的开源权重模型是 Qwen3.5 0.8B（Reasoning，10.5）。没有其他低于 20亿参数的开源权重模型在智能度指数上超过 15 分；其前代 MiniCPM-V 4.6 1.3B 的得分为 12.7。 ➤ MiniCPM5-1B 将开源权重在智能度 vs. 总参数量和智能度 vs. 活跃参数量两个维度上的帕累托前沿扩展到了 20亿参数以下规模。它比前代 MiniCPM-V 4.6 1.3B（12.7）高出 5.3 分，而参数量减少了约 23%；同时以不到一半的参数量击败了 Qwen3.5 2B（Reasoning，16.3），高出 1.6 分。 ➤ MiniCPM5-1B 在 token 效率上优于它超越的更大推理模型，但使用的输出 token 多于其前代（同样是非推理型）MiniCPM-V 4.6 1.3B。它在运行智能度指数时使用了 1260 万输出 token，比 Qwen3.5 2B（Reasoning，3.89 亿）少约 31 倍，比 Qwen3.5 2B（Non-reasoning，1 亿）少约 8 倍，但比 MiniCPM-V 4.6 1.3B 的 540 万多约 2.3 倍。 ➤ AA-Omniscience 得分为 -1，是其尺寸类别中的最高分，通过弃权而非产生幻觉获得。MiniCPM5-1B 拒绝回答绝大多数 AA-Omniscience 问题，从而避免了将低于 20亿参数的同类模型拉低到 -70 至 -89 范围（Qwen3.5 0.8B Non-reasoning 为 -89，MiniCPM-V 4.6 1.3B 为 -85，Exaone 4.0 1.2B Non-reasoning 为 -83）的幻觉惩罚。选择弃权而非猜测是一种更诚实的姿态，AA-Omniscience 对此给予正面评价。 其他模型详情： ➤ 规模：1B 总参数（密集） ➤ 上下文窗口：128K ➤ 模态：仅文本输入和输出 ➤ 精度：BF16 ➤ 许可协议：Apache 2.0 ➤ 提供商：发布时暂无确认的提供商