隨著生成式AI朝向輕量化、本地化發展，Meta宣布開源最新的MobileLLM-R1系列模型，將可直接在手機等裝置佈署運行，並且專注於數學、程式撰寫與科學問題的推理處理。此舉不僅回應市場對「端側AI」需求，更展現大型科技公司對提升推理能力的持續投入。
MobileLLM-R1屬於Meta MobileLLM家族的新成員，最大特色是「精簡」與「專攻」。該系列包含基礎模型 (Base)與經過監督式微調 (SFT)的最終模型兩類，參數量分別為1.4億、3.6億與9.5億，基礎模型支援4K組tokens脈絡長度，而最終模型則可擴展至32K組tokens，顯著提升複雜問題的處理能力。
Meta特別強調，MobileLLM-R1並非一般用於聊天機器人的通用語言模型，而是針對特定推理場景設計。例如數學題演算、程式撰寫 (涵蓋Python、C++等語言)，以及科學研究相關任務。
雖然其最大版本MobileLLM-R1 950M僅以不到5TB高品質資料完成訓練 (其中預先訓練資料僅2TB組token)，但表現仍相當驚豔。Meta表示，在MATH、GSM8K、MMLU、LiveCodeBench等多項評測中，MobileLLM-R1的成績超越使用36TB組訓練資料的Qwen 3 0.6B模型。
在更細緻的比較上，MobileLLM-R1 950M在MATH測試的準確率是Olmo 1.24B的五倍，同時是SmolLM 1.7B的兩倍，在程式碼生成與解題能力上同樣全面領先。
而更小的MobileLLM-R1 140M (base)也優於SmolLM2-135M，至於360M版本更以大幅差距超過Gemma-3-270M-pt與SmolLM2-360M (base)，凸顯Meta 在模型架構與訓練策略上的最佳化成果。
值得注意的是，Meta也同步透過Hugging Face託管平台開放MobileLLM-R1，並且以Apache 2.0授權形式釋出，方便開發者下載使用，可直接搭配vLLM推論引擎運行，只需將模型架構以Llama4ForCausalLM登錄到ModelRegistry，即可完成部署。對於有需求的開發者來說，意味能以更低的成本在行動裝置上建置專屬的AI應用，無需完全仰賴雲端資源。
整體來看，MobileLLM-R1代表Meta在「小而精」的AI模型策略再下一城，透過專注推理能力、降低資源需求，使得AI能夠真正貼近使用者的裝置與生活場景。隨著更多廠商推進端側AI方案，未來智慧手機、筆電，甚至IoT物聯網裝置上的AI推理能力，將能迎來新一波升級。
