小模型当道，Meta上周公开了参数不到10亿的推理模型MobileLLM-R1系列，都可在本地设备执行。

MobileLLM-R1是机上（on-device）型模型家族MobileLLM最新系列，为具有推理能力的文字模型。新模型包含基础模型（Base）及最终模型两类，各有三种参数量规模，分别是1.4亿、3.6亿及9.5亿。基础模型的上下文长度为4K，最终模型上下文长度为32K。

Meta说明，MobileLLM-R1并非用于聊天机器人的通用模型，而是经过监督式微调（supervised fine-tuned，SFT）训练，专用于解决数学、编程（如Python、C++）和科学问题的模型。三种规模中的MobileLLM-R1 950M预训练数据仅2TB高质量token，而总训练数据也小于5TB。但是成果优异，在多项基准测试如MATH、GSM8K、MMLU、LiveCodeBench中，结果优于以36TB token数据训练的Qwen 3 0.6B。

而和现有完整开源模型相比，小巧的MobileLLM-R1 950M模型在MATH测试的准确率是Olmo 1.24B的5倍，是SmolLM 1.7B的2倍。在编程能力上，MobileLLM-R1得分双双超越Olmo 1.24B及SmolLM 1.7B。

开发人员也可以使用vLLM推理引擎运行Meta mobileLLM-R1模型，只需将模型架构Llama4ForCausalLM注册到ModelRegistry。最新模型以Apache 2.0授权开源于Hugging Face。