面壁智能开源 MiniCPM-V 4.7 多模态模型系列
先了解这件事
2026年10月13日，面壁智能 OpenBMB 在 X 平台宣布开源多模态模型系列 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个型号。早先报道称该系列主打 iOS 和 Android 端侧高效运行，后续报道称其主打端侧高效部署。同日，面壁智能介绍 MiniCPM-V 4.7 提出的 Lookahead Expert Scheduling（LES）技术，通过跨层路由预测提前预取专家权重，使已加载专家的计算与其余专家的加载并行，解决 35B MoE 模型在端侧（有限内存设备）按需从 SSD 加载专家导致的生成卡顿，且无需额外训练。此外，面壁智能还发布了 Self-Replay Fine-Tuning，称其为一种低成本定制模型同时保留通用性能的方法，以缓解微调新任务带来的通用能力损失，并开放 MiniCPM-V 4.7 全栈开源部署。
事件进展
报道时间线
- 面壁智能 OpenBMB 推出 Self-Replay Fine-Tuning 并开放 MiniCPM-V 4.7 全栈部署
面壁智能 OpenBMB 发布 Self-Replay Fine-Tuning，称其为一种低成本定制模型同时保留通用性能的方法，并开放 MiniCPM-V 4.7 的全栈开源。
- 面壁智能 MiniCPM-V 4.7 用 LES 加速端侧 MoE 推理
面壁智能 OpenBMB 介绍 MiniCPM-V 4.7 采用的 Lookahead Expert Scheduling（LES），用于解决 35B MoE 模型在有限内存设备上按需从 SSD 加载专家权重导致生成卡顿的问题。
- 面壁智能开源 MiniCPM-V 4.7 多模态模型系列
面壁智能发布开源多模态模型系列 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个型号，主打端侧高效部署。
- 面壁智能 OpenBMB 推出 Self-Replay Fine-Tuning 并开放 MiniCPM-V 4.7 全栈部署
面壁智能 OpenBMB 发布 Self-Replay Fine-Tuning，称其为一种低成本定制模型同时保留通用性能的方法，以缓解微调新任务带来的通用能力损失。
- MiniCPM-V 4.7 用 LES 加速端侧 MoE 推理
MiniCPM-V 4.7 提出 Lookahead Expert Scheduling（LES），通过跨层路由预测提前预取专家权重，让已加载专家的计算与其余专家的加载并行，解决 35B MoE 模型在端侧按需从 SSD 加载专家导致的生成卡顿，且无需额外训练。
- 面壁智能开源 MiniCPM-V 4.7 多模态模型系列
面壁智能发布开源多模态模型系列 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个型号，主打 iOS 和 Android 端侧高效运行。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。