MiniCPM5-2B

MiniCPM5-2B är den andra modellen i OpenBMB:s MiniCPM5-serie, efter MiniCPM5-1B. Den är byggd för att köras lokalt på enheter och i miljöer med begränsade resurser, till exempel som lokal assistent, kodagent eller för arbetsflöden där modellen anropar verktyg. Den kan läsa upp till 131 072 tokens på en gång.

Modellen är en vanlig tät transformer med Llama-arkitektur och 2,5 miljarder parametrar, varav knappt 2 miljarder utanför inbäddningslagret. Efterträningen gjordes i tre steg: först 400 miljarder tokens övervakad träning för djupt resonerande, sedan förstärkningsinlärning och till sist en destillering (OPD) där förmågorna från 16 expertmodeller, varav 5 för agentuppgifter, slogs ihop.

Enligt OpenBMB får den i snitt 53,9 i deras jämförelse, före andra modeller i 2B-klassen som LFM2.5-2.6B (33,2) och även före större modeller som Qwen3.5-4B (51,1). Fördelarna syns mest inom kod, matte, långa texter, verktygsanvändning och agentuppgifter, till exempel 46,4 på SWE-bench Verified och 86,5 på AIME 2026. På allmänkunskap och instruktionsföljning ligger den däremot efter flera av jämförelsemodellerna.

Vikterna är öppna under Apache 2.0, och det finns färdiga versioner för llama.cpp, Ollama, LM Studio och Apples MLX. OpenBMB släpper också träningsdatan bakom modellen som en del av UltraData, bland annat en webbdatamängd för förträning, koddata, 500 000 exempel för agentträning och över 80 000 exempel för förstärkningsinlärning.