面壁智能近日发布了全球首个完全由AI编写的大模型预训练框架ForgeTrain，并利用该框架成功训练出端侧模型MiniCPM5-1B。这一进展将“AI制造AI”从概念推进到可展示、可评测、可复现的工程样本阶段。
ForgeTrain：AI编写的大模型预训练框架
ForgeTrain是面壁智能推出的生产级预训练框架，完全由AI自主编写代码。在相同硬件条件下，其训练速度比英伟达的Megatron框架快10%。在华为昇腾平台上，ForgeTrain相比昇腾原生框架同样实现了10%的加速。该框架在功能上对齐Megatron，但性能更优。
伴随ForgeTrain，面壁智能提出了一套新的软件编程范式——Forge Engineering（锻造工程）。其核心思路是：当AI编写代码的成本越来越低，未来软件可以不拘泥于通用大框架，而是针对不同模型、不同硬件、不同任务，由AI现场锻造专用代码。这种从“工业批量生产”到“高级定制”的转变，旨在将每个场景的性能压榨到极致。
AI自主编写预训练框架的难点在于验证代码正确性与效率。面壁智能采用三阶段构建方法论，将Harness作为“考场”，让AI自动生成代码、运行测试、获取反馈并迭代修改，整个过程无需人类干预。目前ForgeTrain在功能上与英伟达Megatron完全对齐，且速度更快。
MiniCPM5-1B：低门槛的端侧模型
由ForgeTrain训练出的MiniCPM5-1B是一个1B参数规模的端侧模型。在FP16精度下权重体积约2GB，适合GPU、高端笔记本电脑和服务器；INT4/Q4精度下约0.5GB，可面向手机、平板、车机等设备。该模型可以常驻电脑桌面，成为一个随时响应的AI伙伴，支持聊天、上下文接话、人格设置等功能（基于clawd-on-desk项目二次开发）。
在公开评测中，MiniCPM5-1B/think平均分为42.57。在MMLU-Pro、MMLU-Redux、AIME-2025、AIME-2026、BFCL-v4、AA-Index等多项基准测试中均取得对应成绩。值得关注的是，以1B参数规模，它在AA-Index上超越了所有2B以下参数模型，再次刷新了小模型的智能密度上限。相比3个月前发布的Qwen3.5-2B，MiniCPM5-1B参数量减少一半但效果更优。面壁智能指出，大模型的智能密度正在以约每3.5个月翻一番的速度持续提升。
MiniCPM5-1B提供了完整的工具链，推理侧支持SGLang、vLLM、llama.cpp、Ollama、Hugging Face、ArcLight等；微调侧支持LLaMA-Factory、ms-swift等工具，降低了开发者的部署和定制门槛。
面壁智能将AI制造AI的能力划分为L1至L5五个阶段。ForgeTrain对应的是已进入大模型研发最核心基础设施层的阶段，即预训练框架的自主构建。尽管尚未达到AI自行发明下一代Transformer的程度，但这一工程样本表明，AI自主编写核心代码的路径已可行。
本文参考来源：量子位
微信扫描下方的二维码阅读本文
