一句话看懂：7 月 19 日，面壁智能联合 OpenBMB 发布并开源了其首个具身智能模型系列 MiniCPM-Robot，包含一个 1.5B 参数的通用 VLA 操作模型和一个 0.9B 参数的视觉跟踪模型。这两个模型在参数规模远小于同类产品的情况下，实现了接近或超越 3-4B 参数模型的性能，并首次在真机上实现了断网环境下的纯视觉指令跟踪。
事件核心：发生了什么
面壁智能在世界人工智能大会的分论坛上正式发布了两款具身智能模型：MiniCPM-RobotManip（1.5B 参数）和 MiniCPM-RobotTrack（0.9B 参数）。MiniCPM-RobotManip 是一款通用 VLA（视觉-语言-动作）模型，基于其端侧多模态模型 MiniCPM-V 4.6 训练。在主流 VLA 基准测试中，它综合性能位列第一梯队，尤其在有上下文记忆的 RMBench 测试中得分 53，远超主流模型 π0.5 的 10 分。该模型通过视觉 Token 的高效压缩，支持 1 分钟原生记忆，流式推理计算成本仅为 3.3 TFLOPs，远低于传统重算方式的 125 TFLOPs，在 H100 上单步推理时延约 120ms，相比 π0.5 降低近一半。MiniCPM-RobotTrack 由面壁智能与南京大学合作研发，是业内首个支持真实本地断网部署的跟踪模型。它仅依靠机器狗的原装摄像头和本地算力，在宇树 Go2 Edu 上稳定达到 5+ Hz 帧率，端到端响应时延约 180 毫秒，无需联网即可完成单目标、动态多目标及模糊目标的零样本指令跟随。目前，两款模型均已开源，并提供一键部署脚本。
为什么重要
这次发布的意义在于，面壁智能证明了“小模型”在具身智能领域同样可以做出高效的端侧决策。相较于其他主流 VLA 模型动辄 3-4B 甚至更大的参数规模，MiniCPM 系列通过极致的视觉 Token 压缩和高效推理框架（PhyAI），将流式实时推理的计算成本减半，同时保持了更强的上下文记忆能力。这直接挑战了“大模型必须有更大算力”的行业共识，为机器人终端提供了一条更经济、更可落地的技术路径，尤其是在机器人需要低时延、高实时性的操作和跟踪场景中。此外，MiniCPM-RobotTrack 的本地断网部署能力，突破了当前机器人跟踪任务对网络强依赖的瓶颈，直接拓展了其在弱网或断网环境（如地下车库、电梯、灾害现场）中的应用范围。
对用户/开发者/创作者的影响
对开发者而言，这是目前公开信息中参数最小且性能优秀的开源 VLA 与跟踪模型，可降低硬件门槛。机器人爱好者或初创公司可直接在宇树 Go2 等硬件上尝试部署，无需大算力 GPU 或云端连接。MiniCPM-RobotTrack 的开源，意味着开发者可以零成本获得一套完整的、可在真机上跑通的视觉指令跟踪方案，包括自进化数据管线，有助于在复杂场景中持续优化模型表现。对企业用户，尤其是楼宇巡检、园区安防、仓储物流等场景的采购者，该方案提供了更低的部署成本（本地算力即可）和更强的环境适应性（断网可用），可减少对云端服务的依赖。对于创作者或教育机构，MiniCPM-RobotManip 的三明治制作等演示视频展示了其直观的操作能力，可用于快速搭建机器人教学或演示项目。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
值得留意三个观察点：一、面壁智能已与乐聚机器人、吉利汽车等产业伙伴展开合作，后续能否推出更多可量产的终端产品或行业解决方案，将直接影响其商业化落地速度。二、MiniCPM-Robot 系列目前仅在特定硬件（如宇树 Go2）上完成真机验证，开源后能否被更广泛的机器人硬件生态（如教育、服务机器人）快速适配，将检验其通用性和生态影响力。三、在 VLA 模型竞争日趋激烈的当下，面壁智能能否持续迭代其小模型路线，并保持与更大参数模型在复杂任务上的竞争力，将决定这一技术方向能否成为主流选择之一。
