把地图放大到湄公河。河水在这一段拐了个几乎看不出的弯,北岸就是万象。城中某间办公室的桌上,一部手机亮了一下,G-Chat v2 的界面里多出一个按钮。按下去,老挝语和另一种语言之间的那层东西,被抹掉了。
这行按钮背后,是一个 8B 的模型。截至 2026 年 11 月,MiniCPM 的下载量超过 7000 万。参数榜上它不是主角;但在老挝政府的这款通讯软件里,它做的是国家级的事:翻译。据报道,它在这里的老挝语翻译,在国际基准上超过了 GPT-4o。


一个 8B 模型,走进了政府的通讯录
国家模型这四个字,听起来像要占一栋楼。真落到地上,它常常只有一个按钮那么大的位置:一条消息发出去之前,中间那半秒钟。
G-Chat v2 是已经在跑的软件,用的人不会为了一个新功能改变习惯。模型要做的只有一件事——别让人发现它在那儿。不卡,不宕,不要求换手机,不要求先连上某个遥远的机房。
国家模型这个词,第一次出现时多半是发布会上的说法。真正让它成立的,是有一天没人再提它。人们只是发消息,中间那半秒顺手就过去了。
这是小模型真正的位置。它不站在台上,它站在管道里。

榜单是考场,系统才是工地
老挝语翻译超过 GPT-4o,这句话可以有两种读法。一种读作中国模型赢了美国模型,另一种读作:在一个具体语种、一个具体任务上,8B 比通用大模型更懂。
我更愿意看第二种。通用大模型的强,是平均分的强。平均分是很多种语言一起算出来的,老挝语在里面的分量,薄得像张纸。参数再多,也不会自动补上纸外的部分——得有人专门去喂。
端侧这个词,字面意思是模型跑在你自己的设备上。值钱的部分不是「跑得动」,是「跑在你已经在用的东西里」。基础设施不会为 AI 让路,AI 得自己找缝钻进去。
所以刷分和落地是两回事。榜单是考场,答案有标准;系统是工地,没有标准答案,只有出不出事。工地上不看谁分数高,看谁能一直站着。

同一件事,在另外三个地方发生
把地图往东南挪。马来西亚在用 VoxCPM2 做语音交互。语音比文字苛刻,它要当场出声,要能在端上跑完,网络抖一下也不能停下来等。
再往西,肯尼亚。一家银行把端侧风控 Agent 跑在它上面。风控要的是当场给结论,不是把请求送上去、再等云端回话——在支付那一步,等,本身就是代价。
还有一群开发者,用它做了离线应用。离线这两个字,在办公室的语境里是省流量;在工地、海上、山里、机舱里,是有没有的区别。
三件事,地理上隔着几千公里,共同点却很清楚:网络不保证,算力不富裕,语言不在大厂的优先名单里。这三样凑齐的地方,一个 8B 模型的分量,比一张榜单重。
本地语料这件事,说起来平淡。它意味着有人把这种语言一句一句录下来,对齐,校对,而做这件事的回报,在通用榜单上几乎是零。愿意下这份功夫的人少,所以能做成的地方也少。

七千万次下载,是七千万次信任吗
下载量是最好看、也最不说明问题的数字之一。有人下载是为了跑个 demo,看一眼就删;有人下载,是把一家银行的风控压在上面。两种动作,在同一个计数器里是同一个 1。
一个模型要进系统,过的不是评测,是采购、是运维、是某个不愿签字的人。这一关过不去,下载量再高,也只是停在压缩包里。
所以 7000 万这个数,只能说明它被很多人拿在手里过。要判断它到底站在哪儿,得看另一种数字:凌晨三点还在跑的场景有多少,出错的时候有没有人接电话。
这些数字不会出现在转发里。它们只出现在机房里、账本上,和某个运维的睡眠时间里。

把地图缩小
把地图缩小。万象、吉隆坡、内罗毕,三个点在地球仪上隔着很远,做的事却很像:把一个不那么大的模型,塞进一个已经在运转的系统,然后希望它别出错。
参数榜每周都在换名字,没人记得上个月的第一。G-Chat v2 里那个按钮不会换,它只关心一件事:按下去,话有没有翻对。
模型的大小,正在让位于它站在哪里。