具身智能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在2026世界人工智能大会（WAIC 2026）现场，把这扇门直接踹开了。这家估值突破200亿元的端侧智能独角兽正式发布并开源了首个具身智能技术成果MiniCPM-Robot系列模型，将1.5B参数的视觉-语言-动作模型完整放出，让个人开发者也能在真实机器人上跑操作与目标跟踪。
该系列包含两个核心模型。MiniCPM-RobotManip是一款面向机器人操作的通用VLA模型，基于面壁智能今年5月发布的多模态大模型MiniCPM-V 4.6训练而成。仅1.5B参数规模，性能却可比肩3至4B模型。其独家视觉Token压缩技术将流式实时推理计算开销降低一半，同时支持长达1分钟的具身原生记忆——这意味着机器人能记住自己按了几次按钮、做到哪一步了，而非每次只看眼前一帧画面就做出反应。在考验上下文记忆能力的RMBench榜单上，MiniCPM-RobotManip拿下53.5分，而美国知名VLA模型π0.5仅有10.4分。另一个模型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。它原生适配宇树Go2 Edu机器狗，仅依靠原装摄像头和本地算力即可完成目标跟踪，端到端响应时延约180毫秒。
目前，MiniCPM-Robot系列模型权重与代码已全面开源，模型权重与代码托管于GitHub仓库，两个模型的权重也分别在Hugging Face开放下载。截至今年6月，面壁旗下MiniCPM开源模型家族累计下载量已突破3800万次。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。
原创文章，作者：李森，如若转载，请注明出处：https://www.kejixun.co/article/757742.html
