面壁智能发布首款AI端侧开发板“松果派”，基于NVIDIA Jetson模组，集成麦克风、摄像头等多模态接口，适配自研MiniCPM系列模型，旨在让开发者便捷构建智能硬件。
面壁智能获数亿元融资，将用于端侧高效大模型研发与生态建设，巩固其在边缘智能领域的领先地位。作为国内端侧大模型先行者，公司已形成从理论到产品的技术闭环，核心产品MiniCPM“面壁小”系列表现突出。
开源AI社区发布多模态大语言模型MiniCPM-V4.5，专为智能手机和平板等端侧设备优化。该模型仅8亿参数，轻量化设计实现高效运行，在OpenCompass评估中获77.2分，性能领先同类开源模型，为移动端AI应用开辟新可能。
面壁智能联合清华大学发布端侧多模态大模型MiniCPM-V4.5，采用SigLIP2-400M视觉模块与MiniCPM4架构，以更小参数实现更强性能，显著提升边缘AI部署效率和应用广度，推动端侧多模态技术发展。
MiniCPM-o 2.6是一个强大的多模态大型语言模型，适用于视觉、语音和多模态直播。
MiniCPM-o 2.6：一款GPT-4o级别，可在手机上实现视觉、语音和多模态直播的MLLM。
高效能的第三代MiniCPM系列模型
高性能多模态语言模型，适用于图像和视频理解。
Mungert
MiniCPM4.1-8B GGUF是专为端侧设备设计的高效大语言模型，在模型架构、训练数据、训练算法和推理系统四个关键维度进行了系统创新，实现了极致的效率提升。支持65,536个标记的上下文长度和混合推理模式。
mlx-community
MiniCPM4.1-8B-8bit是基于MiniCPM4.1-8B模型转换的8位量化版本，专为MLX框架优化，提供高效的多模态语言处理能力
openbmb
MiniCPM4.1-8B-GGUF是MiniCPM4.1-8B模型的GGUF量化格式版本，专为端侧设备设计的高效大语言模型，采用80亿参数，支持融合思维，在典型端侧芯片上可实现超过5倍的生成加速。
MiniCPM4-8B是专为端侧设备设计的高效大语言模型，通过模型架构、训练数据、训练算法和推理系统四个维度的创新，实现了极致的效率提升。
MiniCPM4 是一款专为端侧设备设计的高效大语言模型，在相同规模下保持最优性能的同时实现了极致的效率提升，在典型端侧芯片上可实现超 5 倍的生成加速。
AyyYOO
MiniCPM4-8B-Q8_0-GGUF 是通过 llama.cpp 将 openbmb/MiniCPM4-8B 转换为 GGUF 格式的模型，适用于本地推理。
MiniCPM4是专为端侧设备设计的高效大语言模型，在相同规模下实现了极致的效率提升和最优性能。
MiniCPM4-MCP是一款开源的端侧大语言模型智能体模型，基于80亿参数的MiniCPM-4构建，能够通过MCP与各种工具和数据资源交互，解决广泛的现实世界任务。
MiniCPM4是专为端侧设备设计的高效大语言模型，通过系统创新在模型架构、训练数据、训练算法和推理系统四个关键维度实现极致的效率提升。
MiniCPM4是专为端侧设备设计的高效大语言模型，通过系统创新在模型架构、训练数据、训练算法和推理系统四个维度实现极致效率提升，在端侧芯片上可实现超5倍的生成加速。
AgentCPM-GUI是一款具备RFT增强推理能力的设备端图形界面代理，可操作中英文应用，基于80亿参数的MiniCPM-V构建。
MiniCPM-S-1B-sft 是一个基于激活稀疏化技术优化的1B参数规模语言模型，通过ProSparse方法实现高稀疏性推理加速，同时保持与原始模型相当的性能。
second-state
MiniCPM-o-2_6 是一个多模态转换模型，支持多种语言，适用于多种任务。
FriendliAI
MiniCPM-V 2.6是一款强大的多模态大语言模型，能够在手机等设备上高效运行，支持单图像、多图像和视频理解任务。
该模型在多个中文和英文数据集上进行了测试，包括语义文本相似度和分类任务。
MiniCPM-o 2.6的int4量化版本，显著降低GPU显存占用，支持多模态处理能力。
MiniCPM-o 2.6是一个多模态模型，支持视觉和语言任务，专为llama.cpp设计。
MiniCPM-o 2.6是一款手机端运行的GPT-4o级多模态大模型，支持视觉、语音与直播流处理
c01zaut
MiniCPM-V 2.6是支持单图、多图和视频理解的GPT-4V级别多模态大语言模型，专为RK3588 NPU优化
AI-Engine
MiniCPM-V-2_6的GGUF量化版本，基于llama.cpp实现高效图像文本转换
Transformers支持多种语言%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
