面壁一直都在做端侧大模型，之前有文本系列MiniCPM-2B模型，还有多模态系列的MiniCPM-V系列模型，今天又开源了MiniCPM3-4B模型，真是端侧一路走到低。
这次MiniCPM3-4B也是在效果上有了巨大的提升，超过Phi-3.5-mini-Instruct模型，肩比Llama3.1-8B-Instruct、GLM-4-9B-Chat、Qwen2-7B-Instruct等一众模型，堪称小模型之王。
之前的MiniCPM-2B模型报告也是干活满满，详见：https://shengdinghu.notion.site/MiniCPM-c805a17c5c8046398914e47f0542095a
这里说一下哈，MiniCPM-2B是1.0版本模型，MiniCPM-1B是2.0版本模型，现在是3.0版本4B。
模型改进
下面是3个版本的模型结构（1->2->3）的区别：
位置编码：RoPE->RoPE->RoPE 注意力机制：MHA->GQA->MLA，MLA也是DeepSeek-V2的核心创新 词表大小：123K->73K->73K 模型层数：40->52->62 隐藏层节点：2304->1536->2560 最大长度：4k->4K->32k 系统提示词：不支持->不支持->支持 工具调用和代码解释器：不支持->不支持->支持
同时，还发布了RAG套件MiniCPM-Embedding模型和MiniCPM-Reranker模型，针对 RAG场景还发布了微调版MiniCPM3-RAG-LoRA模型。
模型效果
MiniCPM3-4B模型在中文英文遵循、数据推理、代码能力、工具调用上表现均很不错的效果。
其中，工具调用能力尤为突出，在Berkeley Function Calling Leaderboard上优于Llama3.1-8B-Instruct、GLM-4-9B-Chat、Qwen2-7B-Instruct等更大模型。
长文档的大海捞针也是全绿。
模型快速使用
PS：模型下载有困难的同学，详见我之前写的一篇文章《大模型下载使我痛苦》。
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
# 模型加载
path = "openbmb/MiniCPM3-4B"
tokenizer = AutoTokenizer.from_pretrained(path, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(path, torch_dtype=torch.bfloat16, device_map="cuda", trust_remote_code=True)
# 输入构造
messages = [
{"role": "user", "content": "你知道刘聪NLP是谁吗？"},
]
model_inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to("cuda")
# 模型生成
model_outputs = model.generate(
model_inputs,
max_new_tokens=1024,
top_p=0.8,
temperature=0.9,
repetition_penalty=1.1
)
# 模型解码
output_token_ids = [
model_outputs[i][len(model_inputs[i]):] for i in range(len(model_inputs))
]
responses = tokenizer.batch_decode(output_token_ids, skip_special_tokens=True)[0]
print(responses)