手机本地跑大模型这事，我看了两年新闻，基本都当宣传听。参数写得漂亮，真机一跑就烫、就卡、就掉电。这种落差见多了，人就不太容易激动。所以 10 月 13 日面壁智能发 MiniCPM-V 4.7，我第一反应还是划过去。
直到看见「3GB 内存」「13+ token/s」这两个词。
它这次发了什么
按官方消息，型号有两个：35B-A3B 和 1B。35B-A3B 是 MiniCPM-V 系列的第一个 MoE 模型，官方说它基于一套叫 LES（前瞻专家调度）的推理加速技术，并且是「首个支持端侧无损流畅运行的开源 MoE 模型」。数字落在 iPhone 17 Pro Max 上：3GB 内存，解码速度 13+ token/s。
平台清单拉得很长。iOS、安卓、鸿蒙都支持，芯片侧适配了 Intel、AMD、Arm、瑞芯微、后摩。另外同步开源了一个 SRFT（Self-Replay Fine-Tuning）微调方案，用途是让开发者扩展模型能力、减少遗忘。
跑分也是官方给的。
35B-A3B 在 Instruct 模式下，用更短的推理时间拿到比 Qwen3.6 35B-A3B 更高的综合得分；1B 相比上一代 4.6，综合得分和推理效率都领先 Qwen3.5 0.8B。
就这些。
「3GB 内存」最容易被误读
先说清楚：下面是我对官方口径的理解，不是我的实测。
3GB 这个数最抓眼，也最容易读歪。官方原话是「以仅 3GB 内存达到 13+ token/s」，指的应该是运行时的内存占用，而不是模型文件本身只有 3GB。这两件事差得很远。模型权重多大、量化到什么精度、运行时峰值是多少，官方这次都没细说，【暂无相关资料】。
再看 13+ token/s。这个速度放在阅读场景里够用，正常中文阅读大概每秒几个字到十几个字，模型出字能跟得上你读。但够用和好用，是两回事。首 token 延迟多少？聊久了会不会越来越慢？发热和耗电怎么样？这些真机上最要命的部分，官方没提，我也没拿到机器，【本人未实测】。
这才是关键。
为什么非要塞进手机
官方没讲动机。不过看它适配的那串芯片名单，能猜出点倾向：Intel、AMD、Arm、瑞芯微、后摩，这明显不是给数据中心准备的。端侧的好处，行业里讲过很多遍。数据不出本机，断网也能用，不用按调用量掏钱。坏处也明摆着：手机的算力和内存，跟云端根本不在一个量级。
所以真正的看点不是「能不能跑」，而是「跑起来之后，还剩多少能力」。
这正是我留了个心眼的地方。官方说 35B-A3B 比 Qwen3.6 35B-A3B「综合得分更高」，可这个综合得分由哪些题构成、在什么条件下测的，官方没给，【暂无相关资料】。同一档模型比分数，测试集的构成往往就能决定结果。
【个人看法】端侧模型这几年确实在往前走。但「官方称」和「第三方实测」之间，通常隔着一截路。这次会不会例外，得等有人真拿手机跑一轮。
先别急着高兴。
和普通人有什么关系
如果你不是开发者，这事现在跟你关系不大。别急着期待 App Store 里马上冒出个能在手机上跑的 35B 助手，那是另一回事。方向倒是清楚的：当模型能塞进本地设备，很多「必须联网」的前提会松动。对开发者更直接，SRFT 方案开源了，适配平台也列了清单，二次开发的门槛在降低。至于降了多少、好不好用，我没试，【本人未实测】。
最后
面壁这一枪，开得挺响。
参数漂亮，方向也对。但参数漂亮和真能用之间，还差一次真机实测。这篇先把它是什么记下来，好不好用，等有人跑了再说。
你会为了「离线跑大模型」这个卖点换手机吗？