先把"35B跑进手机"说人话：35B是货架，3B才是干活的
10月13日，面壁智能联合OpenBMB开源了MiniCPM-V 4.7，官方口径一句话就能把端侧圈炸开：350亿总参数的多模态MoE模型，约3GB内存，iPhone 17 Pro Max上断网能跑出13+ tokens/s。量子位的实测更直观：飞行模式下给一张拿破仑远征俄国的行军路线图，问"图里最低气温、哪一天、换算成摄氏多少"，不到一分钟，本地模型从图上读出零下30度（列氏度）、定位到1812年12月6日、换算出零下37.5摄氏度，全程没联网。同一张停车牌照片，优化前约2 token/s，优化后8~12 token/s。微博知乎
先给准备动手的玩家拆一个最容易误解的点：35B不是"每次运算动用35B"。这是MiniCPM-V系列第一次上MoE架构（前几代都是稠密模型），总参数35B、每个token实际激活约3B——35B是货架容量，3B才是每次上架干活的。它之前，行业里能在手机上流畅跑的主流是3B~7B稠密档位，30B级MoE上手机，多数手机厂商给的时间表是两三年之后。这次是直接把时间表提前"违规施工"了。知乎
能把"货架很大、随身负担很小"做成，靠三样东西叠加，每一项都对着端侧的真实瓶颈：
LES前瞻专家调度：MoE的老毛病是"这一层该叫哪个专家，要等上一层算完才知道"，专家权重又大多躺在闪存里，读盘时间卡死每一层。LES把当前层的路由输入提前送进下一层的路由器，先猜出大概率要用的8个专家，后台线程提前从闪存搬运，实测能提前备好超过80%的所需专家，而且不需要额外训练；没猜中的照常加载照常算，不牺牲精度。iPad Pro M4 16GB上，这套调度把解码速度提了约5倍，到17~19 tokens/s。知乎
逐层混合精度量化+连续存储布局：一个减少要搬的字节数，一个让闪存按顺序批量读数。
DSpark草稿模型（投机采样）：小模型先猜一串token，主模型批量核验，固定开销摊薄。社区已经有人在RTX PRO 5000上跑第三方NVFP4量化版，单路149 tokens/s、8路接近950——开源的好处就是24小时内就有人帮你把各硬件档位试了一遍。
视觉侧则延续LLaVA-UHD v4的编码器内早期压缩，4x/16x两档随便切，外加全系列256K上下文，模型权重、推理代码、微调代码全开源。知乎
数字盘点：它赢在哪、输在哪，一张表替你对完
官方跑分看着很猛：MMBench 91.72、MMStar 80.67、MMMU 80.22、MathVista 88.00、Video-MME 76.40；最夸张的是文档解析榜OmniDocBench v1.6，94.24分，表里另外四个对手都在80分上下，领先12分以上。纯语言能力也不拉胯：中文知识CMMLU 90.21、工具调用τ²-Bench 84.65都是全场最高。知乎
但知乎有篇逐格抠模型卡的锐评值得对照看：拿4x压缩档对Qwen3.8-27B逐项比26个基准，它输掉的几项恰好是"手机AI最性感的卖点"——
维度 | MiniCPM-V 4.7 35B-A3B | Qwen3.8-27B | 谁赢 |
|---|---|---|---|
OmniDocBench文档解析 | 94.24 | 80.36 | 面壁，+13.9 |
MMBench综合视觉 | 91.72 | 85.91 | 面壁 |
LongVideoBench长视频 | 68.90 | 60.90 | 面壁 |
ScreenSpot（GUI识屏） | 86.99 | 93.31 | Qwen |
LiveCodeBench代码 | 56.57 | 63.62 | Qwen，差一个身位 |
MM-IFEval指令跟随 | 65.41 | 68.03 | Qwen |
MathVision纯视觉数学 | 74.24 | 78.22 | Qwen |
这个偏科分布其实符合直觉：它本质是多模态理解模型，看文档、读图表、长视频、账单小票是主战场；GUI操作、写代码、复杂agent不是它的活儿。量子位实测里，它把一张超市小票6件商品的单价金额逐行核对、算出优惠后实付78.40元与票面一致，1B版本（实际1.3B参数，MathVista 74.3、OCRBench 86.1）离线半分钟把一页论文截图转成带LaTeX公式的Markdown——这两个恰好就是端侧最刚需的场景。知乎知乎知乎
三处必须打折的信号：分数可信度先看这里
端侧圈的老人都有条件反射：厂商自测榜单，先扣两成再信。这篇也照做：
所有分数出自OpenBMB自己。模型卡写明"public reports + 本地用官方checkpoint评测"，方法上比直接抄数字透明，但选基准往自家擅长的文档/OCR偏，是开源圈常态，MiniCPM不是例外。
换个实验室数字能差十几分。同一模型MathVision，Qwen官方卡给90.0，面壁表里给78.22——prompt、评测版本、判分口径都不一样，拿一张表去"对线"另一张表就是刻舟求剑。知乎
“帕累托前沿前移”≠全面吊打。前沿图里Qwen3.8-27B慢速档才是全场最高分（约79.3），MiniCPM赢的是"同样的时间拿更高的分"，不是"什么都能干"。3B激活的MoE比27B稠密快，本来就是架构红利，不能直接翻译成"更聪明"。
比较能打的一个亮点反而是16x视觉压缩几乎不掉分：MMBench从91.72只降到90.87，OCRBench从91.20降到90.40，省下的算力没有拿精度去换。这条比"登顶榜单"的含金量高。总体判断和那位抠模型卡的作者一致：方向可信，跑分待第三方（OpenCompass口径）复测再信，别急着拿它去替谁"站队"。知乎知乎
装不装？按设备和场景对号入座
先泼冷水：3GB内存是iPhone 17 Pro Max（12GB）的实测值，不等于你的手机。LES整套机制赌的是闪存读盘带宽——老旗舰如果闪存慢、剩余空间碎，专家预取命中率掉下来，速度会打回"每分钟往外蹦字"的原形。另外发热和续航目前没有公开量化数据，官方演示没提，第三方实测也还没铺满，这是接下来一周最值得盯的空缺。
按人群给判断：
手里是iPhone 17系列/近一两年旗舰、经常处理发票病历合同、或者就想要"数据不出门"：值得现在就装。官方支持iOS/安卓/鸿蒙，发布当天完成瑞芯微、后摩、Intel、AMD、Arm适配，llama.cpp、Ollama、SGLang、vLLM全线支持，GGUF/AWQ/GPTQ/FP8量化版本齐全。建议第一组测试题就用"4x vs 16x压缩跑同一组图+盯电量掉多少"。知乎
中端机/千元机：先上1B版。1.3B参数在极小体积下把OCR、数学、视频做到同尺寸第一梯队，论文截图转Markdown这类活儿离线就能接住，等35B的第三方续航数据出来再说。
主要拿本地模型写代码、跑复杂agent：别被"35B上手机"晃了眼，LiveCodeBench 56.57对63.62，这活儿现阶段还是Qwen3.8-27B或云端旗舰的。
做二次开发的企业/开发者：配套的自回放微调（Self-Replay Fine-Tuning）是这次发布里容易被标题淹没的干货——微调前让模型自己生成"复习材料"混进训练数据，学新技能不丢旧本领，成本接近普通SFT，沿用标准微调流程，SWIFT和LLaMA-Factory就能接。知乎
更大的账本：为什么手机厂商比玩家先紧张
这条新闻的消费侧意义，藏在两组数字里。Counterpoint：2026年Q2智能手机内存价格环比涨幅突破80%，DRAM已超越SoC成为旗舰手机造价最高的单一元器件，存储占整机物料成本从早年的10%~15%爬到30%~50%；IDC：今年中国新一代AI手机出货量预计1.47亿台，同比增长31.6%，渗透率首次破53%——每卖两台新手机就有一台带端侧AI。知乎知乎
一边是每两台手机就有一台要端侧AI，一边是内存越来越贵，“堆内存堆能力"这条路越走越贵。MiniCPM-V 4.7这种"3G内存扛35B"的解法，等于给厂商递了把钥匙：旗舰级多模态理解第一次具备向中端价位段下放的技术条件（面壁家叫它"密度定律”：模型能力密度约每3.5个月翻一倍；MiniCPM系列到9月底累计下载已破5000万次，CEO李大海的说法是"2026是端侧AI规模化落地元年"）。
对普通买家的反推：接下来选"AI手机"，看内存大小的参考价值在下降，看闪存读写规格和本地模型适配名单的参考价值在上升——同样12GB，闪存快不快，决定你的手机AI是"唰唰往外蹦"还是"转圈等一分钟"。
下一步盯什么
OpenCompass或第三方同基准复测——决定这波分数是"真越级"还是"会挑题"；
首批中端机实测的发热/续航数据——官方还没公开的短板，社区两周内会补齐；
手机厂商跟进节奏——vivo、荣耀、OPPO、小米都在押端侧MoE，35B时间表被提前后，明年新机发布会的"本地大模型"环节大概率换台词；
下一档1B级迭代——如果能力密度定律继续兑现，三个月后同性能可能只要一半参数。
一句话收口：这次不是"又一个端侧小模型"，是30B级多模态第一次合法住进你兜里的手机。分先打八折看，但方向和价格账本，值得所有玩机的人本周就装一版试试。
