名字测算面壁小钢炮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。

名字测算(🐏)　　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。

名字测算　　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。

名字测算　　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。

　　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。

名字测算　　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）