智东西10月13日报道，今日，面壁智能发布新一代端侧多模态大模型系列MiniCPM-V4.7，包含35B-A3B与1B两个版本。官方称，这款35B‑A3B模型，是首个能够在手机端流畅运行、且能力无损的开源大模型。
具体来看，35B-A3B是MiniCPM-V系列首款MoE模型，总参数350亿、每次推理仅激活30亿，仅约3GB内存即可运行。其在iPad Pro实测数据显示，该模型解码速度超15 token/s，以及在iPhone 17 Pro Max上仅使用3GB内存即可实现超13 tokens/s的解码速度。
今天起，该模型便支持瑞芯微、英伟达、英特尔和苹果等国内外主流芯片平台，同时支持iOS、安卓和鸿蒙系统，并提供开源端侧适配代码及主流推理框架。
另一个1B版本模型主打提升端侧效率，实际参数1.3B。根据面壁智能的测试结果，在指令模式下，1B版本在基础功能方面较MiniCPM-V4.6有所提升，并且在总体得分和推理效率方面优于Qwen3.5 0.8B。
截至目前，由面壁智能联合OpenBMB开源社区发布的MiniCPM系列开源模型，全球累计下载量已突破6000万次，覆盖文本、视觉、语音全模态。
智东西通过面壁智能提供的在线演示平台体验了MiniCPM-V4.7 35B-A3B模型。
我们上传了一个餐厅墙上的英文菜单图片，让模型进行翻译并给出具体的用餐建议。从下方的动图可以看出，35B-A3B模型的生成速度很快，按照图片上的分类对菜单进行了翻译，并按照不同的需求给出了建议，如用户只想喝点东西、吃点轻食、有酒精需求等，可以选择哪些食物。
接着我们上传了MiniCPM-V4.7系列模型的发布海报，让其分析这张海报，拆解构图、配色、文案卖点、受众，说说它的优点和可以优化的地方。
在十余秒时间内，模型逐条拆解分析了上述要点，并在最后生成了一个可视化的表格。
从具体的基准测试结果来看，MiniCPM-V4.7 1B在General通用图文理解、Document/OCR/文档图表分析、多图理解方面更占优势。
此外，长视频时序理解方面，MiniCPM-V4.7 1B的表现超过了V4.6、Qwen、LFM、Gemma。
MiniCPM-V4.7 35B-A3B的基准测试结果显示，其在通用图文、STEM数学、OCR文档、视频理解方面均超过了Qwen3.6 35B-A3B，仅在RefCOCO上得分略低。
MiniCPM-V4.7系列模型的核心突破，得益于面壁智能自研的LES（前瞻专家调度）技术，以及细粒度的逐层量化和DSpark推测性采样集成。
MoE模型总参数大于单次推理激活的参数，但端侧不能只存激活参数。不同token会调用不同层的不同专家，设备内存通常装不下全部专家权重。
一种思路是把权重放在SSD上按需加载、用完释放，但频繁加载会拖慢解码，达不到实时交互要求；另一种办法是缩小可用专家池，给整条提示词固定一批专家，减少加载次数，但缺点是后续token只能从这批专家里选，会漏掉本该选中的专家，降低模型效果。
针对上述挑战，面壁智能提出了三种互补技术：
前瞻专家调度（LES）：利用跨层路由预测来预加载下一层可能需要的专家。在实际路由器选择的专家中，LES会优先处理那些成功预取的专家，并将它们计算与加载剩余所需专家的计算重叠进行。预测仅指导预取和调度；计算仍然遵循模型原有的token级路由，预测遗漏的所需专家也会照常加载和评估。
▲前瞻专家调度架构（图源：面壁智能）
细粒度的逐层量化：减少专家权重的存储空间和内存流量，同时保持模型能力，使专家加载更适合设备内存和带宽限制。
DSpark推测性采样集成：将推测性采样融入到设备端推理过程中，与专家调度和量化技术协同工作，以提高解码效率。
