刚刚，面壁智能小钢炮又上新了。
新的端侧语言基础模型MiniCPM5-2B 正式开源。
之前介绍过 MiniCPM 系列的其他模型，截止 26 年 8 月，这个系列开源下载量现在已经突破 5000 万了。
其它系列的模型介绍，感兴趣的可以去看 MiniCPM 主仓库，有相关介绍。
这个系列都是更高的智能密度，让大模型可以运行在手机、电脑等本地设备上。
这个刚开源的只有 2B 大小。
已经初具端侧通用 Agent 雏形，加入了工具调用、深度搜索和代码生成等能力，可以尝试处理更完整的任务。
Codex 这类 Agent 主要依赖云端大模型，能力更强。
端侧 Agent 则把模型运行在手机或你的电脑上。
它的价值是数据不用上传、断网也能工作，响应很快，也没有持续调用云端大模型 API 的费用。
目前 MiniCPM5-2B 已经实现了端侧通用 Agent 雏形。
我把这个 2B 模型接入了 DeepSeek Harness，用端侧模型跑 Agent，很神奇。
01
开源模型简介
MiniCPM5-2B 这款面向端侧运行和本地 Agent 场景的模型。
在全球 4B 参数以下模型中是领先的。
在 Artificial Analysis 的开源模型榜单中，MiniCPM5-2B 以 23 分排名第一，领先第二名的估算成绩 7 分。
也超过了多款 3B、4B 模型，有很强的参数效率。
下面是综合榜单评测成绩。
面壁智能团队在预训练、SFT 和大规模强化学习等阶段，都针对 Agent 任务进行了专项优化。
而且后面还会开源相应的训练流程哦。
目前相关的数据都开源了的：UltraData-Code、UltraData-SFT-Agent-2609、UltraData-RL-2609、UltraX。
这些数据包括对话、偏好对齐、数学和网页语料。
对端侧模型来说，数据质量会显著影响有限参数的利用效率与模型智能水平。
模型装不下无限的信息，训练数据就要尽量准确、清晰、有效。
同时 OpenBMB 也推出了两项强化学习技术：Meshy 让模型训练更灵活、更容易扩展。
JustRL II 通过筛选更合适的训练数据、更细致地判断推理中每一步的好坏，帮助 MiniCPM5-2B 学得更好。
02
2B 模型开始探索端侧通用 Agent
MiniCPM5-2B 的基础能力覆盖知识问答、数学与代码推理、长文本、多语言和复杂指令。
思考让它可以根据任务，在快速回答和深入推理之间切换。
它更大的变化在 Agent 能力上。
端侧 Agent 很适合处理敏感数据。
聊天记录、会议纪要、合同和邮件可以留在本地电脑中，上传云端可能会有隐私顾虑。
比如使用 DeepSeek Harness + MiniCPM5-2B 对本地会议纪要进行处理：
它也适合批量处理结构明确的任务。
试卷、简历或合同集可以拆分后交给多个本地 Agent 并行处理，也不会产生按云端 API 请求次数计费的调用成本。
比如使用 DeepSeek Harness + MiniCPM5-2B 对本地简历解析读取：
这些能力来自一套覆盖多个阶段的训练流程。
MiniCPM5-2B 针对 Agentic 预训练、监督微调和大规模强化学习进行了完整优化。
预训练阶段让模型接触工具和任务相关知识。
监督微调提供高质量的 Agent 操作轨迹。
强化学习继续调整模型在多步骤任务中的决策和执行表现。
03
如何使用和部署 MiniCPM5-2B
MiniCPM5-2B 是开源的。
你可以通过本文底部提到的 Hugging Face 或 GitHub 链接查看项目和部署说明。
想在个人电脑上快速体验，可以用 llama.cpp 或 Ollama。
也可以进入到 Deepseek Harness 里面。
使用很简单，你直接把这下面这个提示词丢给 CodeX 或者 Claude Code 它会引导你一步步完成：
请在我的电脑上从零部署 DeepSeek Harness，并接入 ModelBest 的 MiniCPM5 2B 模型。模型网关地址：
请你自动完成环境检查、安装、配置、启动和端到端测试。先通过 /v1/models 确认准确模型 ID，优先使用 MiniCPM5-2B，并设为默认模型。不要覆盖我已有的配置。
需要 API Key 时，引导我在本机安全输入，最后启动 dsh web，确认模型能够正常回答"你好"，遇到错误请继续排查直到成功。
04
相关链接
开源项目地址（含模型与 UltraData 系列数据）：
ruby
Hugging Face：https://huggingface.co/collections/openbmb/minicpm5
GitHub：https://github.com/OpenBMB/MiniCPM- *
Meshy 框架开源链接和技术博客：
arduino
- GitHub：https://github.com/OpenBMB/Meshy
- 博客：https://maydomain.notion.site/meshy-blog-zhJustRL II 强化学习算法：
vbnet
博客：https://panhaoxuan.notion.site/justrl-ii-small-llms-to-128k-reasoning-with-a-critic-cn