面壁智能开源MiniCPM-Robot：1.5B的VLA模型完整放出，个人开发者也能在真机器人上跑操作

一句话看懂：2026年7月19日，OpenBMB（面壁智能）正式开源了MiniCPM-Robot系列，包含一个1.5B参数的视觉-语言-动作（VLA）模型MiniCPM-RobotManip，以及专用的目标跟踪模型和推理框架。这使得个人开发者在真实机器人上运行操作任务成为可能，大幅降低了具身智能的入门门槛。

事件核心：发生了什么

OpenBMB此次开源了三个核心组件：MiniCPM-RobotManip，一个1.5B参数的通用VLA模型，负责机器人操控任务；MiniCPM-RobotTrack，一个用于真实世界目标跟踪的紧凑模型；以及PhyAI，一个专为具身模型设计的高性能推理框架。整套方案的目标是让机器人实现“理解、记忆和行动”的闭环。模型权重和代码已托管在GitHub仓库（github.com/OpenBMB/MiniCPM-Robot），同时也在Hugging Face上提供单独下载。此前，具身智能领域的模型体积大、门槛高，主要以大公司和实验室为主，普通开发者甚至难以接触到真实的机器人硬件。此次开源直接打破了这一局面。

为什么重要

具身智能的VLA模型此前多停留在论文与演示阶段，模型参数量动辄数十亿甚至上百亿，对算力、硬件接口和工程能力要求极高。MiniCPM-Robot以1.5B的轻量参数实现完整的功能开源，并且配套了专用的推理框架PhyAI，意味着个人开发者或小型团队首次能够在真实机器人硬件上直接复现和运行操作任务。这种“模型+框架+开箱可运行”的开放程度，在具身智能领域中极为罕见。它不仅降低了技术门槛，还可能加速具身智能从实验室研究向实用机器人开发的转化速度。

对用户/开发者/创作者的影响

对于机器人开发者、AI研究者以及智能硬件爱好者而言，MiniCPM-Robot提供了一个直接可用的技术起点。开发者可以从GitHub或Hugging Face获取权重和代码后，直接部署到真实机器人上进行操作验证和目标跟踪实验，无需从零搭建VLA训练流程。PhyAI推理框架的同步推出也降低了部署过程中的工程优化成本。这有助于个人和小团队在智能控制、服务机器人、自动化等场景中快速原型验证，也可能推动更多开源机器人项目的涌现。不过，目前公开信息显示，该方案对机器人硬件平台的具体适配要求和接口规范尚待社区测试反馈。

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。

了解 GamsGo AI

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

1. 开发者生态的反馈与扩展：MiniCPM-Robot是否能快速吸引开发者在GitHub上提交Issue、贡献适配不同机器人硬件的代码，将直接影响其社区活力。2. 竞品是否跟进：其他具身智能研究团队或企业（如开源机器人领域的类似项目）是否会发布更低门槛的开源VLA方案，形成技术竞争。3. 模型实际效果与场景验证：1.5B参数量的VLA模型在复杂操作任务中的鲁棒性、泛化能力，以及PhyAI推理框架对主流机器人硬件的支持范围，需等待更多实际部署结果验证。

来源：AIbase