面壁智能开源MiniCPM-Robot：1.5B的VLA模型，让个人开发者也能玩转具身智能

2026年7月，上海世博展览馆，世界人工智能大会（WAIC）现场。一只宇树机器狗收到“跟随前面的人”这条指令后，开始一路跟在目标身后——从室外走进办公楼，再进入电梯、地下停车场，机器狗始终没有跟丢。

同一展区的另一侧，两只机械臂围着桌面开始做三明治。它们分工合作，先取面包，再夹起生菜、火腿和鸡蛋，一层层叠到一起。

这两段演示的背后，是面壁智能在WAIC期间正式发布并开源的MiniCPM-Robot系列模型。面壁智能联合创始人、首席科学家刘知远在现场说了一句值得记住的话：“如果你的目标是登月，但你现在以爬树的形式尝试离月亮更近，你是永远不可能到月亮上去的。”

▲ 图片由AI生成 MiniCPM-Robot 在WAIC现场演示：机械臂协作制作三明治，机器狗在弱网环境下持续跟踪目标

一组关键数字：MiniCPM-RobotManip参数量仅1.5B，在LIBERO、Calvin等主流VLA评测中进入第一梯队；RMBench上下文记忆测试得分53分，远超π0.5的10分；单次决策延迟约120毫秒，接近π0.5的一半；视觉Token压缩至64个，支持1分钟原生视频上下文。

具身智能的“记忆短板”，被一家端侧AI独角兽打破了

今年WAIC，一个微妙的变化正在发生：越来越多的VLA模型都在尝试让机器人完成更长的任务链条。然而，一旦任务步骤超过五六步，机器人的表现便会出现断崖式下滑。

问题出在哪？目前大多数VLA模型的工作模式，本质上是一种“反应式”智能——它们基于机器人当前看到的画面和任务描述直接输出下一步动作，至于刚才做了什么、任务推进到哪一步，这些历史信息并不参与决策。机器人每一次推理都是一次“重新开始”。

为什么不加入历史观测？答案很简单：计算量太大。如果每次推理都要把过去几秒、十几秒的视觉信息全部带上，Token数量会爆炸式增长，推理速度急剧下降。这就形成了一个两难：要么保留记忆但牺牲速度，要么保住速度但放弃记忆。

面壁智能要做的，就是正面突破这道墙。

两个模型，一套组合拳

MiniCPM-Robot系列目前包含两个核心模型：

MiniCPM-RobotManip：一个1.5B参数的通用视觉-语言-动作（VLA）模型，专门负责机器人操作。它基于面壁智能今年5月发布的MiniCPM-V 4.6多模态大模型训练——后者仅1.3B参数，开源仅两个月下载量就突破200万。

MiniCPM-RobotTrack：一个0.9B参数的跟踪导航模型，让机器人能够根据自然语言指令，在动态环境里持续跟住指定目标。它是业内首个支持真实本地断网部署的纯视觉跟踪模型。

和它们一起出现的，还有开源具身智能推理框架PhyAI，负责让这些模型更快地适配硬件、跑到真实机器人上。简单来说：一个负责让机器人“动手干活”，一个负责让机器人“认准人、跟着走”，再配上一套高效推理的底座。

1.5B的VLA模型，凭什么进入第一梯队？

参数量只有1.5B，能好用吗？

在LIBERO、Calvin、RoboTwin2等主流VLA评测里，MiniCPM-RobotManip的整体表现已经进入第一梯队，与π0.5等模型处在相近水平。

真正把差距拉开的，是上下文记忆能力。在专门考察VLA模型记忆能力的RMBench榜单上，π0.5的成绩约为10分，接近随机水平；MiniCPM-RobotManip则达到53分，实现了断层式领先。

叠衣服、收拾桌面、做三明治——这些日常小事拆开后都包含一连串动作。机器人只看眼前，很容易做到一半便“失忆”；能记住此前的状态，才有机会把长任务完整做完。

除了记得住，机器人还得反应快。在H100显卡、bf16精度下，MiniCPM-RobotManip单次决策延迟约为120毫秒，π0.5约为234毫秒，前者接近后者的一半。机械臂每做一步都停顿一秒，动作马上就会变得僵硬——120毫秒的延迟，意味着机器人的动作可以做到流畅连贯。

密度定律：把“智能密度”带入具身智能

面壁智能的这套逻辑背后，有一个核心理论支撑——密度定律。

2024年，面壁智能提出了“大模型密度定律”：模型智能密度会随时间呈指数级增强，达到相同智能水平所需要的参数量，约每3.5个月缩小一半。刘知远将这一定律类比为“模型制程”的持续进步——“如果摩尔定律提高的是芯片电路密度，密度定律提高的就是单位参数所能承载的智能。”

如今，面壁智能将这条曲线延伸到了具身智能领域。按照面壁智能学术合伙人、多模态智能首席科学家姚远的说法，“这套模型没有为某一个场景单独设计一套参数，而是尝试用一个模型控制不同本体，覆盖多种任务和环境，在相关评测中，它已经可以与过去3-4B、甚至规模更大的专用模型取得相当效果，部分指标甚至更好。”

传统多模态和具身方案处理一帧图像，通常要消耗约256个视觉Token。MiniCPM-RobotManip将其压缩到了64个。如果具身机器人同时接收3-4路摄像头画面，视觉Token压缩不下来，机器人的记忆就无从谈起。MiniCPM-RobotManip进一步支持1分钟原生视频上下文，让历史观测直接进入模型，机器人不再只看当前画面。

“爬树去不了月球”：面壁的具身智能哲学

面壁智能在WAIC上传递了一个清晰的信号：具身智能不能走老路。

姚远指出，目前很多场景展示的所谓“专家模型”，实际上是通过对极少数场景进行高度“过拟合”来实现的，这并不代表具身智能领域的真实通用突破。刘知远则用那个“爬树登月”的比喻点明了问题所在。

面壁智能提出的破局路线是“先通后专”。刘知远解释：“通用人工智能的逻辑一定是先通后专。模型得先具备关于这个世界的通用常识，你再把他培养为相关领域的专家，那个上限才会更高。”

在面壁智能的技术蓝图中，大语言模型解决了“思考”与“决策”，多模态模型补齐了“感知”，具身智能则补齐了“行动”。MiniCPM-Robot系列，正是面壁智能第一次面向行业呈现包含“感知、思考、行动”完全态的模型体系。

开源：让个人开发者也能摸到真实机器人

具身智能这场仗，过去基本是巨头和实验室的专属游戏——模型太大、门槛太高，普通开发者连真实机器人都摸不着。

7月19日，面壁智能联合OpenBMB正式发布并开源了MiniCPM-Robot系列模型。模型权重与代码已托管在GitHub仓库github.com/OpenBMB/MiniCPM-Robot，两个模型的权重也分别在Hugging Face开放下载。

这种开放程度在具身领域相当罕见。当1.5B的VLA模型不再被锁在实验室里，具身智能的下沉速度，或许会超出很多人的预期。

面壁智能同时展示了与乐聚机器人联合打造的展厅导览Agent解决方案，可在无网络环境下纯端侧运行导览系统。此外，MiniCPM系列端侧模型即将预装于三星数款旗舰机型上市。

谁在用？用在哪？

个人开发者与研究者。 开源模型让个人开发者也能在真实机器人上跑操作与目标跟踪。做机器人的人，现在可以clone下来直接跑。

机器人与具身智能团队。 MiniCPM-RobotManip可完成做三明治等长程复杂任务。MiniCPM-RobotTrack适配宇树Go2 Edu等机器人平台。

展厅导览与园区巡检。 面壁智能与乐聚机器人联合推出展厅导览和园区巡检解决方案。

智能座舱与消费电子。 面壁智能MiniCPM系列端侧模型将搭载于三星手机上市，覆盖数款旗舰机型。

常见问题解答

MiniCPM-Robot是开源的吗？
是的。MiniCPM-Robot系列模型均已开源。模型权重与代码托管在GitHub：github.com/OpenBMB/MiniCPM-Robot，Hugging Face同步开放下载。

MiniCPM-Robot包含哪些模型？
目前包含两个核心模型：
– MiniCPM-RobotManip：1.5B参数的通用VLA模型，负责机器人操作
– MiniCPM-RobotTrack：0.9B参数的跟踪导航模型，负责目标跟踪

1.5B的模型性能够用吗？
在LIBERO、Calvin、RoboTwin2等主流VLA评测中，MiniCPM-RobotManip已进入第一梯队，与π0.5等模型处在相近水平。在RMBench上下文记忆测试中得分53，远超π0.5的10分。

推理速度快吗？
在H100显卡、bf16精度下，单次决策延迟约120毫秒，接近π0.5（234毫秒）的一半。

能在真实机器人上跑吗？
可以。MiniCPM-RobotTrack已在宇树Go2 Edu等真实机器人上完成部署测试。开源框架PhyAI负责让模型更快地适配硬件。

具身智能的“ChatGPT时刻”还没来，但门已经被踹开了

面壁智能联合创始人、首席科学家刘知远在接受采访时说了一句清醒的话：“目前具身智能发展还处于非常早期阶段，甚至连ChatGPT时刻还远未到来。”

面壁智能学术合伙人、多模态智能首席科学家姚远也指出：“目前针对一个固定任务采集上千条数据，再训练一个专家模型，做出一段表现不错的视频并不困难，真正困难的是，机器人换一个房间、换一台本体、换一种物体之后，能不能继续完成任务。”

MiniCPM-Robot的价值，不在于它让机械臂做了一个三明治，而在于它指向了一个方向——让具身智能从“爬树”走向“登月”。用更小的模型、更低的算力、更开放的方式，让更多人参与到这场探索中来。

当1.5B的VLA模型不再被锁在实验室里，当个人开发者也能在真实机器人上跑操作，具身智能的下沉速度，或许会超出很多人的预期。

一句话总结：MiniCPM-Robot是面壁智能在WAIC 2026发布并开源的具身智能模型系列，包含1.5B通用VLA模型和0.9B跟踪导航模型，以“密度定律”为技术底座，在主流评测中进入第一梯队，RMBench记忆测试断层领先。适合 具身智能研究者、机器人开发者、个人开发者、AI硬件爱好者 重点关注。

Hugging Face：https://huggingface.co/openbmb/MiniCPM-RobotManip