手机厂商的模型通常待在手机里。以安卓手机闻名的 vivo，一直公开地发表它的蓝心大模型（BlueLM）研究，而最新成果是围绕简单想法打造的小型多模态模型：让模型按每道题决定想思考多少。
多数推理模型要么永远思考、要么从不思考。BlueLM-2.5-3B 在一篇标注 2025 年 7 月的 arXiv 技术报告里被描述为首个支持「思考模式」与「非思考模式」、并能显式控制思考预算的 30 亿档多模态模型。对靠电池的设备，这个开关不是噱头——它是「干脆的回复」与「耗尽的电量」之间的差别。
关键要点
- BlueLM-2.5-3B 是来自 vivo AI Lab 的统一稠密多模态大模型（Large model），有 29 亿参数（一个 25 亿语言模型加约 4 亿视觉编码器），为边缘设备而设计。
- 它被称为首个支持思考与非思考两种模式、并让用户通过特殊 token 封顶思考 token 预算的 30 亿档多模态模型。
- 在思考模式下，它的纯文本表现可媲美 Qwen3-4B，并在多模态评测上平均落后大得多的 Kimi-VL-A3B-16B 约 5%。
- 在非思考模式下，它在多数多模态基准上超越 Qwen2.5-VL-3B，而总训练数据量远少于两个对比模型。
- 上下文长度经 YaRN 方法从 4K 扩展到 32K token；技术报告为 arXiv 2507.05934。
把思考当作旋钮，而非开关
推理模型变强，靠的是在回答前花几千 token 把问题推演一遍。这在服务器上美极了，手机上却糟透了，因为每个 token 都是电量与延迟。BlueLM-2.5-3B 把思考当作可调节的预算，而非开/关标志：一个特殊 token 让系统或 App 决定要不要推理，以及若推理，允许推理过程消耗多少 token。
这个设计解决了一个真实的产品问题。一个相机 App 问「这是什么植物」，想要此刻一行答案；一个学生问「证明这个几何命题」，想要完整链条。把两者塞进同一条重路径，前者浪费电力、后者亏待需求。把预算控制权交给设备，让手机琐碎查询时像手机、难题时像导师。
边缘效率的骨架
模式开关背后，是一套紧凑、效率优先的构造。视觉侧用一个 SigLIP2 视觉 transformer（约 4 亿参数、27 层）加动态分辨率处理器，把图像切成最多 1512×1512 的图块，于是高分辨率输入在小硬件上仍可行。语言主干是一个 25 亿 transformer，一个带空间下采样的双层适配器把 token 数与算力压住。
vivo 报告模型经由精心数据策划、关键数据重采样、以及在高性能基础设施上的混合异质强化学习训成。头条的效率说法是：BlueLM-2.5-3B 以远少于 Qwen2.5-VL-3B 与 Qwen3-4B 的总数据量，追平或击败更大的对比模型——对一家向数以亿计设备出货的公司，这个数据效率故事与原始分数同等重要。
它的前身 BlueLM-V-3B 定下了基调：一个 27 亿语言模型加 4 亿视觉编码器，在联发科天玑 9300 上以 4-bit 权重量化跑出每秒 24.4 token，并在 4B 及以下模型的 OpenCompass 平均分上领先，超越 MiniCPM-V-2.6 与 InternVL2-8B。BlueLM-2.5-3B 是这条线的推理能力继承者。
它到底落点在哪
这些对比是 vivo 自己的，取自与知名开源模型的对照。在思考模式的纯文本基准上，BlueLM-2.5-3B 被定位为可媲美 Qwen3-4B；跨多模态评测它平均落后大得多的 Kimi-VL-A3B-16B 约 5%。在非思考模式它于多数多模态集合上击败 Qwen2.5-VL-3B。这些都不是独立榜单结果——它们是报告对既定基线的定位。
对全球读者，要点与其说「vivo 击败了 X」，不如说「端侧推理这个品类正在成熟」。一家手机制造商不再满足于授权一个云端模型；它正在发表关于如何让一个 3B 模型有选择地推理并本地运行的、可复现的研究。据脑机网（BrainNet）首席科学家 Li An 的看法，可控思考才是边缘的正确竞争单位，因为用户感受到的不是峰值基准分，而是设备在该快时答得快、在该深想时想得深。
Li An 的评论仅代表其个人观点，不代表 NeuroAI 的编辑立场或脑机网（BrainNet）的背书。
诚实的局限
- 对比数字——可媲美 Qwen3-4B、落后 Kimi-VL-A3B-16B 约 5%、领先 Qwen2.5-VL-3B——来自 vivo 的技术报告，而非独立基准；第三方复现尚未发布竞争数字。
- 「首个带思考与非思考模式的 30 亿档 MLLM」是 vivo 的口径；这个领域变化很快，类似的小模型推理控制可能从其他实验室冒出来。
- 一个 29 亿模型，哪怕带思考模式，在最难推理与最长上下文上仍低于最大的多模态系统；32K 上下文有帮助，但它不是在最硬任务上替代规模的办法。
- 前身那个每秒 24.4 token 的数字，是在特定联发科天玑 9300 配 4-bit 量化下测的；其他芯片上的真实速度会变化。
- 思考预算控制只有在 App 或系统设得好时才有用；一个选错的预算会毁掉效率初衷。
普通人现在能做什么
- 如果你做端侧助手，拿 BlueLM-2.5-3B 做原型，并把思考预算 token 接到一个难度启发式上——琐碎查询走快路径、难题走推理路径——而非固定一种模式。
- 如果你训练小型多模态模型，把报告里的数据重采样与混合 RL 配方当作以更少数据追平更大模型的路径来研究。
- 如果你向手机出货，在你的目标芯片上以 4-bit 对它做基准，并测每种模式下真实的电池与延迟，再决定是否仍需要云端兜底。