MiniCPM-V 4.7 在 2026 年 10 月 13 日由面壁智能正式发布并开源，这是 MiniCPM-V 系列的新一代端侧多模态模型，包含 35B-A3B 与 1B 两个版本。其中 35B-A3B 是该系列第一个 MoE 模型，总参数 350 亿、每个 token 约激活 30 亿；按面壁在 Hugging Face 模型卡中自报的数据，它在 iPhone 17 Pro Max 上只占约 3GB 内存就能达到 13 token/s 以上的解码速度。也就是说，这次更新要解决的不是云端跑分，而是让 35B 级别的多模态模型真正在手机和平板上跑起来。
3GB 内存跑 35B，关键在专家调度
MoE 模型端侧运行的难点不在计算，而在存储：不同 token 会在不同层选中不同专家，设备内存装不下全部专家权重，反复从存储里加载会让解码卡顿。面壁这次随模型一起给出了名为 LES 的前瞻专家调度技术，用跨层路由预测提前把下一层可能用到的专家预取进内存，命中的先算、没命中的再正常加载，计算本身仍按模型原本的路由走，不靠砍专家换速度。再叠加细粒度分层量化压低权重体积、DSpark 推测采样提高解码效率，才凑出无损流畅这个说法。这里的无损是面壁的口径，指调度不改变模型选专家的结果，最终效果仍要等第三方在真实设备上复测。
视觉编码先压缩，1B 版本瞄准更小的设备
架构上，4.7 借用了 LLaVA-UHD v4 的视觉编码器内部早期压缩做法，在编码器里就把视觉 token 压下来，并支持 4 倍与 16 倍两种混合压缩率，开发者可以按任务在细节和成本之间选。面壁称 35B-A3B 在 Instruct 模式下以更短的推理时间拿到了比 Qwen3.6 35B-A3B 更高的综合得分，但没有在文字里给出逐项分数，读者宜把它看作厂商自测结论。另一个 1B 版本主打极致效率，面壁称它比上一代 4.6 继续提升基础能力，综合得分和推理效率都明显领先 Qwen3.5 0.8B，适合塞进算力和内存更紧的设备。
平台、框架与微调，开源配套给得比较全
落地配套方面，模型支持 iOS、安卓和鸿蒙三大系统，发布当天即适配瑞芯微、后摩、Intel、AMD、Arm 等芯片平台。推理框架覆盖 SGLang、vLLM、llama.cpp 和 Ollama，提供 GGUF、BNB、AWQ、GPTQ 量化版本并新增 FP8 支持；微调侧有 SWIFT、LLaMA-Factory，并同步开源名为 Self-Replay Fine-Tuning 的微调方案，目标是让开发者低成本扩展能力、同时少丢原有能力。对想在本地设备上做看图、读文档、理解视频的团队，这套配套意味着不用从零搭部署链路，下载权重就能开始验证。
该怎么看待这组端侧数字
需要注意两个边界。一是 3GB 内存和 13 token/s 以上都是面壁在特定设备、特定量化配置下自报的结果，换到中端安卓机或更长的上下文，速度和占用都会变，选型前应在目标设备上实测。二是端侧流畅不等于能力全面够用：35B-A3B 的综合能力与同级云端模型仍有差距，它真正的价值在隐私不出设备、离线可用和零调用成本这三件事上。下一步值得看的是社区复测数据，以及会不会有手机厂商把这一代模型直接装进系统级功能。
