五行自测面壁小钢炮4.0发布：性能比肩 Qwen-3-8B，极限220倍提速

　　新浪科技讯 6月10日下午消息，近日，面壁(🏿)智能第四代“面壁小钢炮” MiniCPM4.0 端侧模型（代号“前进四”）发布。据悉，第四代小钢炮拥有 8B 、0.5B两种参数规模，实(🦉)现了同级最佳的模型性能。可让长文本、深思考在端侧真正跑起来，实现(🏐)220倍极限加速。

五行自测　　其中，MiniCPM 4.0-8B 模型为稀疏注意力模型，在MMLU、CEval、MATH500、HumanEval等基准测试中，以仅22%的训练开销，性能比肩 Qwen-3-8B、超越Gemma-3-12B。MiniCPM 4.0-0.5B在性能上，也较更大的Qwen-3-0.6B、Llama 3.2实现仅2.7%的训练开销，一半参数性能翻倍，并实现了最快  (💰)600 Token/s的极(💪)速推理速度。

　　相较于Qwen-3-8B、Llama-3-8B、GLM-4-9B等(🔒)同等参数规模端侧模型，实现了长文本推理(🚼)速度5倍常规加速以及最高  220倍加速（显存受限(🥑)极限场景下测出），让端侧模型长文本推理“快如闪电”。面壁智能联合创始人兼首席科学家刘知远在与新浪科技沟通中表示，“最高220倍加速，其实是建立在(🥫)我们模型架构、数据治理、软硬件结合、训(🎳)练等方面全栈创新优化成果之上的。”

　　刘知(🍷)远指出，220倍的(😳)加速看上去比较夸张，但本身其实存在一个特殊性——由于MiniCPM4.0 在处理更长序列的数据时，可以更好地去处理Transformer架构带来的内存爆炸问题(🍰)，避免了长序列数据处(🗄)理带来的内(🚈)存占用倍增，而同尺寸的Qwen-3-8B、Llama-3-8B等模型并未就此进行优化，因此MiniCPM4.0有了突出的表现。

　　据悉，MiniCPM 4.0 模型采用的InfLLMv2稀疏注意力架构改变了传统 Transformer 模型的相关性计算方式，有效摆脱了逐字重复计算的低效，将稀疏度从行业普遍的40%-50%，降至(🆘)极致的(📜)5%，注意力层仅需1/10的计算量即可完成长文本计算。且对算子底层重写，进一步加速提升，并使得对文本相关性精准性大大提升。

五行自测　　值得一提的是，DeepSeek 使用的长文本处理架构NSA（Native Sparse Attention）也引用并采用了与InfLLM相同的分块注意力计算思路，但(🧝)其对于短文本的推(📉)理较慢(🏫)，InfLLMv2则很好地解决了NSA在短文本推理上的短板。

五行自测　　在缓存消耗上，MiniCPM 4.0-8B在 128K 长文本场景下相较于Qwen3-8B仅需 1/4 的缓存存储空间。在速度、性能飙升的同(🧔)时，又做到了模型极致压缩，让端侧算力不再有压力。

　　据悉，基于 8B 版本，面壁智能已微调出两个特定能力模型，分别可以用作 MCP Client 和纯端侧性能比肩Deep Research的研究报告神器MiniCPM4-Surve。截至目前，面壁小钢炮 MiniCPM 系(🧢)列全平台下载量累(🥋)计破1000万。（文猛）