众智FlagOS赋能面壁MiniCPM-o 4.5：跨芯片性能全面领先，开启AI部署新范式

2026年2月3日，面壁智能正式宣布开源其新一代全模态大模型MiniCPM-o 4.5。该模型集成了语言、视觉与语音能力，标志着AI交互向“类人”实时感知迈出了关键一步。尤为引人注目的是，在众智FlagOS统一系统软件栈的强力支撑下，该模型在发布当日便完成了对六大主流AI芯片的全面适配与深度优化，其端到端推理性能不仅实现了跨平台无缝运行，更在多项测试中超越了各芯片原生的解决方案。这一成就被视为国产基础软件在攻克“跨芯片适配”这一行业长期痛点上取得的里程碑式突破。

面壁MiniCPM-o 4.5作为业界首个全双工全模态大模型，能够模拟人类“边看、边听、边说”的实时交互体验。这种复杂的多模态数据流同步处理，对底层推理系统的计算效率、资源调度与延迟控制提出了前所未有的苛刻要求。面对这一挑战，众智FlagOS凭借其高性能、统一化的跨芯片系统软件栈，提供了从底层算子优化到高层编译调度的全链路加速方案。它有效破解了大型模型在多样化硬件平台上保持高实时性与高吞吐量的核心难题，真正践行了“一次开发，跨芯运行”的理念，为模型的高效部署扫清了障碍。

性能数据是最有力的证明。在确保模型精度无损的前提下，基于FlagOS优化的MiniCPM-o 4.5在全部六款测试芯片上均展现出显著的推理效率提升，不同应用场景下的平均加速比介于7.76%至22.4%之间。在统一的硬件环境下，FlagOS版本相较于CUDA版本实现了6.10%的端到端效率提升。而与各芯片厂商自身的原生软件栈对比，FlagOS带来的性能增益更为突出：例如在Nvidia硬件上提升6.10%，在Hygon硬件上提升4.57%。在模拟长时间、高负载任务的测试中，FlagOS版本的端到端性能比例达到了106.10%。这些数据强有力地表明，FlagOS不仅解决了“能否适配”的基础问题，更实现了“性能更优”的超越，为应用方提供了性价比更高的多元算力选择方案。

此次面壁智能与众智FlagOS的成功合作，为众多受困于硬件碎片化的模型厂商指明了一条清晰路径。通过集成像FlagOS这样的统一软件栈，企业能够以更低的成本和更快的速度，将前沿模型高性能地部署到多种芯片平台，从而将宝贵的研发资源重新聚焦于模型本身的创新与迭代。随着FlagOS开源生态的不断壮大与完善，其“一次开发，多芯运行”的核心能力有望成长为AI应用生态的基石性设施。这将极大地推动大模型技术以更经济的部署成本、更灵活的硬件选型，加速渗透至金融、制造、医疗、教育等千行百业，赋能全社会数字化转型。

众智FlagOS是由北京智源人工智能研究院牵头，汇聚了国内外顶尖科研机构、芯片设计公司及系统厂商共同打造的一款开源、统一的AI系统软件栈。其核心使命是解决各类AI芯片在实际大规模应用中的兼容性与性能瓶颈，致力于构建一个“模型-系统-芯片”三层深度打通的开放技术生态，最终实现“一次开发，处处高效运行”的愿景。

在此次对MiniCPM-o 4.5的适配中，FlagOS展示了一套高度智能化的“嵌入优化、自动加速”解决方案。该方案通过智能插件使模型能够被主流推理框架无缝识别与调用，同时将深度优化后的核心计算算子库直接嵌入模型内部。在运行时刻，系统能够自动感知硬件环境，并将关键计算任务动态切换至针对该芯片特调的高性能版本，整个过程无需开发者干预任何代码。最终，统一的编译工具链确保这些优化指令得以在各类芯片上精准、高效地执行。这套方案的核心价值在于，它将极其复杂的芯片适配与性能调优工作彻底封装在系统底层，向开发者和终端用户呈现出一个“开箱即用”的简洁界面。这显著降低了尖端AI模型落地应用的技术门槛与综合成本，为人工智能技术在从云端服务器到边缘设备等广泛计算场景中的普及，铺设了一条更加坚实可行的道路。

想获取更多AI最新资讯与智能工具推荐， 欢迎访问 👉 AI Tools Nav ——优质的 AI导航平台 与 AI学习社区

本文来源：机器之心

原文链接：https://www.jiqizhixin.com/articles/ddfa2f7c-08df-4c32-b822-5c0044fd607f