面壁智能开源 MiniCPM-Robot：1.5B 参数 VLA 模型把具身 AI 拉到端侧

面壁智能（OpenBMB）近日在 X 上宣布开源其首个具身智能模型系列 MiniCPM-Robot，包含两个核心模型和一套推理框架。这是国内团队在机器人基础模型方向的一次集中输出。

这次开源的「主角」是 MiniCPM-RobotManip，一个 1.5B 参数规模的视觉-语言-动作（VLA）模型。它试图把「看懂画面—听懂指令—输出动作」三件事统一在一个模型里，也是当前具身智能研究的主流路线。

配套的还有 MiniCPM-RobotTrack，专做目标跟踪。它和 Manip 模型组合后，可以让机器人在执行抓取、搬运等任务时持续锁定目标对象，缓解「半路丢目标」这类工程痛点。

为什么选择开源

把 1.5B 这种「轻量级」尺寸作为默认配置，背后是面壁一贯的端侧落地思路。模型不依赖超大显存，意味着开发者用消费级显卡甚至边缘设备就能跑推理，部署门槛被显著压低。

与此同时发布的 PhyAI 推理框架，被官方定位为面向机器人场景的高性能推理引擎。它和模型解耦，意味着即便未来模型迭代，研究者也可以单独测试推理优化方案。

面壁此前已经在 MiniCPM 系列上验证过「小模型+开源」的路径。这次切入具身智能，相当于把过去做端侧语言模型的经验迁移到机器人方向，社区生态可以直接复用。

对开发者和企业意味着什么

对机器人开发者来说，最大的利好是有了一个可以直接拿来做底座的中文开源 VLA。过往训练类似模型要么依赖海外开源权重，要么自己从头攒数据，工程周期被拉得很长。

对中小型机器人公司，这种开源模型可以作为预训练起点，再针对自家硬件做微调。比起从零训练，时间和算力成本可以压缩一大截。

对内容创作者和教学场景，MiniCPM-RobotManip 也能用于演示、教学视频或者二次开发案例，相比闭源模型更利于拆解原理和复现实验。

值得继续观察的点

实际抓取成功率是绕不开的指标。开源声明里通常不会写清楚真机表现，开发者最好自己跑一遍基准测试再下结论。

PhyAI 框架和 MiniCPM 现有推理栈的关系也值得关注——是独立产品还是后续会合并到统一工具链，会影响开发者的学习成本。

具身智能的开源生态目前仍处早期，模型、仿真器、硬件之间的兼容标准尚未统一。面壁这次选择开源而非闭源，对国内具身社区的整体推进是一个积极信号。

相关背景与后续阅读

本页本轮复核重点：说明 1.5B 端侧 VLA 的部署意义，同时保留真实机器人效果的不确定性。

• MiniMax Code 桌面端 2.0：继续跟踪桌面编码代理的产品路线
• Salesforce 把 Slackbot 改造成 AI 代理：观察企业协作入口如何转向可执行代理

编辑复核说明：本页把已公开事实与编辑分析分开呈现；事件后续、产品能力和商业条款可能变化，请结合原始来源核对。