10 月 13 日，面壁智能发布了新一代端侧多模态大模型 MiniCPM-V 4.7。当天传开的标题都差不多：手机能跑 350 亿参数的大模型，只要 3GB 内存。
这句话有水分，后面我会拆。但它真正挪动的是一个默认前提：大模型必须待在机房里。（据上海证券报·中国证券网报道）
以前想在手机上跑大模型，卡在哪一步
参数越多，模型的能力上限越高，对内存的胃口也越大。手机想自己跑，第一道关就是内存。过去几年端侧模型都在往小做，不是不想做大，是做大了装不下。
MoE（混合专家）架构本来是个绕开的办法。它把模型内部拆成很多个「专家」，每次回答只调用其中几位，单次计算量就降下来了。代价在另一头：虽然每次只激活一部分，但全部专家权重仍然得存着。手机内存有限，装不下所有专家；频繁从存储里读数据，又会把解码速度拖垮。
智东西的报道把两条老路和它们的代价说得很清楚。一条是把权重放在固态存储上按需加载、用完就释放，听着合理，可加载太频繁，达不到实时交互的要求；另一条是缩小可用专家池，给整条提示词固定一批专家，加载次数是少了，但后面每个 token 只能从这批专家里挑，本该选中的被漏掉，模型能力跟着下降。
面壁这次动手的地方，就在这。
面壁这次把哪一步搬开了
它的解法叫 LES，中文是「前瞻专家调度」。思路不复杂：提前预测接下来要用到哪些专家，趁当前这一步还在算的时候，就把它们先加载好，让加载和计算叠在一起。（面壁智能方面介绍）
用接力赛打个比方，就是接棒的人提前起跑，棒子到手时已经是全速。真正关键的是分工。这套预测只负责预取和调度，计算本身仍走模型原来的 token 级路由；预测漏掉的专家，该加载还是照常加载、照常评估。换句话说，提速不是靠「少用专家」换来的。
据面壁智能公布的技术资料，配合权重量化和存储布局优化，LES 能把端侧推理速度提升约 5 倍。从上海证券报·中国证券网的报道看，面壁方面称这是目前业界独家的开源方案。
数字这边，面壁智能给出的口径是：35B-A3B 版本采用 MoE 架构，总参数 350 亿、每次推理只激活 30 亿，约 3GB 运行内存即可运行，iPad Pro 上解码速度 15+ token/s。（据多家媒体报道）智东西自己在 iPhone 17 Pro Max 上测到的数字，是超过 13 tokens/s。
适配面上，发布当天它就支持了瑞芯微、NVIDIA、Intel、Apple 等主流芯片平台，同时支持 iOS、安卓和鸿蒙，并开放端侧适配代码和主流推理框架。每日经济新闻的消息里也提到，这套适配是同步放出来的，不是画在后面的饼。（据每经网报道）
前后一对比，差别落在普通人身上是什么
以前的路径是这样：想用强一点的模型，就得联网，就得把要处理的东西先传到别人的服务器上；不想传出去，这件事基本就做不成。
现在中间多了一条路——一部分能力可以装进你自己的设备。好处很具体：不联网也能用；你拍了什么、写了什么、整理了什么，东西留在本机，不用先出门。
不过有几件事得说清，不然容易被标题带偏。
约 3GB 指的是特定部署方案下的运行内存占用，不等于这个 350 亿参数的完整模型只要 3GB 存储空间。华尔街见闻在报道里特意把这一条拎出来提醒过。
能力上限也还在。智东西的实测给了正面结论：推理速度很快，单任务基本秒级，图像识别和图文分析的准确度也不错；但它同时写明，受在线演示平台限制，模型的 token 输出长度存在上限，有些复杂问题答不完整。在纯文本的奥数、代码、严格约束指令和英文硬核专业知识上，它相对偏弱。
另外，这次一起发的还有 1B 版本，实际参数 1.3B，面向配置更低的设备，官方测下来在综合得分和推理效率上优于 Qwen3.5 0.8B。（据智东西报道）
那它该摆在什么位置？我的看法是，它更像把一部分简单的活接过来，不是替掉云端那个大模型。离线翻译、离线整理文档、随手分析一张图，这类事它接得下来；真要做复杂推理，眼下还不行。
什么时候轮到你手里这台手机
先记一个数字：MiniCPM 系列到现在的全球累计下载量已经突破 6000 万次，覆盖文本、视觉、语音。（据上海证券报·中国证券网报道）
但下载量是开发者的热闹，跟你手里那台手机不是同一回事。华尔街见闻的报道里提醒了距离：从模型跑通到真正装进普通消费级手机，中间还隔着一段路——持续推理带来的功耗和发热怎么控制，不同价位的芯片怎么适配，换上更大的模型能不能带来足够明显的体验提升，这些都还要再验证。
我的判断是两条。
一条是别急着换手机。短期内，这类能力不会以「一个能跑 350 亿参数的 App」的形式出现在你面前。
另一条是它已经在路上了，而且走的可能是最不起眼的方式——跟着系统更新悄悄进来。等你哪天发现手机里的 AI 关了网也能答，或者相册里的东西不上传就能整理好，这条新闻就是它的起点。