淘宝 MNN 团队开源 MNN-Pocket-0.3B 手机端模型

IT之家 11 月 6 日消息，淘宝旗下 MNN 团队今日发布了 MNN-Pocket-0.3B 模型 ，面向手机应用的任务需求与资源预算，在有限算力、内存和能耗下，兼顾任务能力、响应速度与持续运行体验。 围绕淘宝等综合型手机应用，团队将“手机应用原生大模型”落实为四个维度的设计目标： 速度上，在指定设备与上下文配置下， 解码吞吐超过 200token/s 。这一目标参考高速云端模型服务的生成吞吐，力求在本地提供流畅的生成体验。 内存上，在指定测试条件下， 峰值内存低于 300MB 。即使手机拥有 8～16GB 内存，也需要由系统与多个应用共享。以约 500MB 的模型模块预算为例，将推理峰值控制在 300MB 以下，可以为上下文增长和集成开销保留余量。 功耗上，在典型推理负载（输入 512~1024token、输出 128token）下，单次推理增量能耗目标不超过参考手机电池能量的万分之一， 即 100 次推理耗能不超过电池能总量的 1% ，控制高频调用的续航开销。 能力上，以在指定业务场景上达到 8B 级模型的效果为目标，兼顾中英文理解、世界知识与数学、代码推理能力，重点强化指令遵循，并为长上下文与多步骤任务保留扩展空间。 MNN 团队从零设计并训练了这个约 3 亿参数、重点支持中文与英文的轻量语言模型，将模型结构、词表、训练数据、预训练与后训练方法，以及量化和推理引擎纳入协同优化，为淘宝业务与开源社区开发者提供一个具备任务理解能力、响应迅速、易于适配和集成的模型底座。 MNN-Pocket-0.3B 在苹果 iPhone 18 Pro 上的真机表现实测，模型通过 MNN 推理引擎完全离线运行， 平均解码（Decode）速度约为 350token/s 。 MNN-Pocket-0.3B 的 INT4 MNN 部署文件体积仅为 173MB ，包含模型权重、分词器、计算图和推理配置。 在 iPad Pro M5、Metal 后端、512token 测试配置下，模型加载与推理期间的峰值 Metal 驻留内存相对加载前基线增加 228MB 。 同一测试中，Qwen3-0.6B 的部署文件体积为 340MB，峰值内存增量为 427MB。相比之下，MNN-Pocket-0.3B 的部署体积减少约 49% ，峰值内存增量减少约 47% 。 对于手机应用原生大模型，较小的部署体积能够降低模型下载与更新成本，较低的运行内存则为页面、图片、视频等业务模块保留更多空间，降低应用集成的资源负担。 团队在苹果与 Android 设备上，使用 Metal、OpenCL 和 CPU 后端评估推理吞吐。测试采用 MNN 3.6.2、INT4 量化及统一运行设置，每组配置预热一次、测量五次，取吞吐中位数，Prefill 与 Decode 分别测量。 在 iPad Pro M5/Metal、512token 测试配置下，MNN-Pocket-0.3B 的 Prefill 吞吐达到 8,721token/s ，Decode 吞吐达到 466token/s ，约为同条件下 Qwen3-0.6B（286token/s）的 1.63 倍 。在 Snapdragon 8 Gen 5 的 CPU 后端，Decode 吞吐达到 251token/s 。 面向手机应用原生大模型，团队将 峰值内存低于 300MB、解码吞吐高于 200token/s 作为架构选型目标，在资源预算内尽可能保留模型容量。围绕这一目标，团队构建了覆盖约 50M 至 1.3B 参数的稠密（Dense）模型配置，在 iPad Pro M5、统一推理设置下进行测试。约 300M 是该组实验中同时满足两项约束的最大候选规模。 确定规模后，团队进一步在相近参数预算内，联合调整模型深度、隐藏层宽度、前馈网络与注意力配置。从 16 层增加到 28 层带来了能力提升；继续增加到 36 层，评测均分没有进一步提高，解码吞吐却从 355token/s 降至 323token/s。这里的吞吐用于架构选型对比，与前述最终部署版本的测试配置不同。 最终， MNN-Pocket-0.3B 采用 28 层结构 ，结合分组查询注意力（GQA）等配置，在模型能力、运行内存与推理效率之间取得平衡。 面向中文互联网手机应用，MNN-Pocket-0.3B 将中文与英文作为重点支持语言，降低对其他语言分词效率的优先级。基于 Qwen3 分词器，团队将词表从约 151K 精简至 64K，词条数量缩减约 57% ，减少词嵌入与输出层的参数和存储需求，并降低逐 Token 生成时的输出投影开销。 在能耗方面，团队还在一加 13（骁龙 8 至尊版）上，使用 MNN 对 MNN-Pocket-0.3B 的 4-bit 模型进行了功耗测试。在 CPU

来源只提供摘要，完整内容请打开原文。