當(dāng)空氣炸鍋發(fā)出“叮”的一聲提示音，還沒等你反應(yīng)過來，一個AI聲音搶先說道：“好了，它已經(jīng)叮了。”這不是科幻電影里的場景，而是面壁智能最新開源的全模態(tài)模型MiniCPM-o4.5帶來的真實體驗。這款模型突破了傳統(tǒng)AI“一問一答”的交互模式，實現(xiàn)了邊看、邊聽、主動說的全新能力。

在廚房場景中，只需將手機放置一旁，MiniCPM-o4.5就能同時處理視覺和聽覺信息。當(dāng)用戶詢問水果價格時，模型會結(jié)合持續(xù)觀察的貨架變化給出實時回答；在電梯場景中，它能夠識別樓層變化并在到達指定樓層時主動提醒。這種持續(xù)感知能力使其更像一位隨時待命的助手，而非需要反復(fù)喚醒的工具。

該模型的核心突破在于引入全雙工多模態(tài)實時流機制。傳統(tǒng)模型采用串行處理方式，必須完成輸入接收后才能生成輸出，而MiniCPM-o4.5通過并行處理架構(gòu)，使視頻/音頻輸入流與語音/文本輸出流同步運行。這種設(shè)計讓模型在說話時仍能接收新指令，甚至能被中途打斷并即時響應(yīng)。

技術(shù)實現(xiàn)層面，研發(fā)團隊對模態(tài)編碼器與解碼器進行流式升級，采用文本與語音token交錯建模技術(shù)提升語音生成穩(wěn)定性。通過時分復(fù)用機制，模型在毫秒級時間線上統(tǒng)一處理多模態(tài)信息，實現(xiàn)高效的流式交互。在對話時機判斷上，模型以1Hz頻率持續(xù)進行語義分析，取代了傳統(tǒng)的語音靜音檢測機制。

實際測試中，模型展現(xiàn)出驚人的臨場反應(yīng)能力。當(dāng)它正在描述畫面中的藍色鴨子時，測試人員突然插入詢問黃色鴨子位置的新指令，模型在完成當(dāng)前句子后立即切換回答。這種即時自由對話能力，標(biāo)志著AI交互從回合制轉(zhuǎn)向連續(xù)實時模式。

在性能基準(zhǔn)測試中，僅9B參數(shù)規(guī)模的MiniCPM-o4.5在全模態(tài)理解、視覺解析、語音克隆等多個維度達到行業(yè)領(lǐng)先水平。其端到端全模態(tài)架構(gòu)通過稠密特征直接連接各模態(tài)組件，使視覺、音頻信息在模型生成輸出的同時持續(xù)更新，這種設(shè)計特別適合需要持續(xù)感知的場景。

這款模型的推出反映了AI技術(shù)的重要轉(zhuǎn)向。傳統(tǒng)問答式AI如同對講機，而MiniCPM-o4.5更像持續(xù)運行的智能體，能夠在感知環(huán)境的同時參與對話。這種特性使其在具身智能、車載助手、復(fù)雜系統(tǒng)控制等領(lǐng)域具有獨特優(yōu)勢，因為這些場景需要AI在動態(tài)環(huán)境中做出實時決策。

作為端側(cè)AI的堅定踐行者，面壁智能將MiniCPM-o4.5定位為賦能終端的基礎(chǔ)模型。公司自2022年成立以來就專注端側(cè)部署，與芯片廠商建立深度協(xié)同機制，在模型訓(xùn)練階段即針對端側(cè)芯片進行優(yōu)化。這種軟硬一體化的研發(fā)模式，解決了隱私保護、延遲控制等云端方案難以克服的痛點。

據(jù)透露，該模型將與面壁計劃年中發(fā)布的AI開發(fā)板松果派配套推出，實現(xiàn)開箱即用的端側(cè)智能硬件開發(fā)。這種模型與硬件的深度適配策略，旨在打通端側(cè)AI落地的最后一公里。面對日益激烈的端側(cè)市場競爭，面壁智能強調(diào)其差異化戰(zhàn)略：專注于端側(cè)領(lǐng)域并將技術(shù)做到極致。

當(dāng)前，手機、汽車、機器人等終端設(shè)備對大模型的需求已從質(zhì)疑轉(zhuǎn)向共識。MiniCPM-o4.5的發(fā)布展示了端側(cè)AI的新可能——通過持續(xù)感知與實時交互，讓智能助手真正融入現(xiàn)實世界的連續(xù)時空。這種技術(shù)演進不僅改變了人機交互方式，更為AI在物理世界的深度應(yīng)用開辟了新路徑。

相關(guān)資源已通過多個平臺開放：GitHub開源代碼庫、HuggingFace模型空間及ModelScope模型庫均提供完整技術(shù)文檔。開發(fā)者可通過專屬體驗鏈接測試全雙工模式與圖文對話功能，親身感受下一代AI交互方式的革新。