面壁智能宣布联合清华大学、OpenBMB开源社区，在清华大学鲲鹏昇腾科教创新卓越中心的支持下，正式发布并开源其在低比特大模型训练方向的最新成果——BitCPM-CANN。

根据介绍，从量化算子、训练算法到全链路框架，BitCPM-CANN 均在 华为昇腾 上原生完成，包含 0.5B、1B、3B、8B 四个模型尺寸，与同尺寸 MiniCPM4 全精度家族逐项对照评测，性能表现优异。

相比传统 BF16 精度，BitCPM-CANN 在推理阶段 释放约 6 倍显存红利，同时将模型能力保留率维持在 90%–97.2%。对手机产业来说，6 倍的显存红利意味着，一个 8B 参数的 BitCPM-CANN 大模型，可以轻松运行在当前主流旗舰手机之上。

从评测结果看，BitCPM-CANN 三个尺寸模型的能力保留率达到 95.7%—97.2% 区间；即使是能力保留最弱的 0.5B，保留率也达到了 90% 以上（90.1%）。这个结果表明：低比特训练的技术路线具备系统性、可扩展性和工程可复现性。

公告称，面壁智能基于 MindSpeed × Megatron-LM 主干搭建了完整的低比特训练底座，包含环境适配、32K长序列支持、并行策略、融合算子等完整工程体系。从此，所有面向昇腾的低比特训练工作，都可建立在同一套公共基础设施之上。