面壁智能发布35B多模态大模型MiniCPM-V 4.7，称可在手机端运行
科技日报报道，面壁智能发布总参数35B（十亿）、约3B激活参数的多模态大模型MiniCPM-V 4.7，企业称其可在手机端运行：运行时内存占用约3GB，生成速度超过每秒20个词元，同系列1B版本可下探至千元机乃至部分百元设备。
模型采用混合专家（MoE）架构，将专家权重存于闪存并按需加载，配合前瞻专家调度、分层量化与投机解码降低等待时间。 上述性能数字均为企业发布口径，报道未提供第三方复测或同行评审。
科技日报11月9日报道，面壁智能发布MiniCPM-V 4.7，为35B（十亿）总参数、约3B激活参数的多模态大模型，报道称其实现手机端无损流畅运行。 该模型采用混合专家（MoE）架构，手机端运行内存占用约3GB，生成速度超过20token/s（词元/秒）； 同系列1B版本可下探至千元机及部分百元设备。
技术做法上，面壁智能将大部分专家权重存于手机闪存、推理时按需加载，并提出前瞻专家调度技术，提前预测下一层可能调用的专家，将数据读取与当前层计算并行以隐藏存储I/O（输入/输出）等待，同时结合分层量化、投机解码提升推理效率。 面壁智能表示已将推理引擎、App代码及相关安装包开源。 报道中的性能数字来自企业发布，未见第三方复测。
这条发布把端侧多模态模型的竞争点从“能否运行”推进到“如何在手机内存与存储带宽约束下保持可用速度”。 其核心路线是用MoE（混合专家）稀疏激活把权重放到闪存，再用调度预测掩盖读取延迟，实际上把端侧体验的一部分交给了I/O（输入/输出）调度与量化策略，而非单纯堆参数。
35B总参数与3B激活参数的组合说明，厂商的参数规模宣传与实际推理开销之间存在明显区分，读者应分开看。 开源推理引擎和App代码若被手机与芯片厂商采用，可能加快端侧部署适配，但目前尚无独立测试验证不同机型上的内存占用与速度一致性。
后续观察信号
- 前瞻专家调度技术在真机长时间运行下的延迟稳定性如何
- 分层量化对多模态任务准确率的影响是否有公开评测