¿Qué es MiniCPM5-2B?
MiniCPM5-2B es un modelo de lenguaje pequeño del grupo chino de código abierto OpenBMB. Publicado el 7 de septiembre de 2026, sucede a MiniCPM5-1B y tiene 2.520 millones de parámetros en una arquitectura estándar de tipo Llama, así que herramientas habituales como llama.cpp, Ollama, LM Studio, MLX y vLLM lo cargan sin código personalizado. Lee y escribe texto, con un contexto de 131.072 tokens.
OpenBMB lo entrenó para asistentes locales, agentes de programación y uso de herramientas. El post-entrenamiento usó 400.000 millones de tokens de ejemplos de razonamiento paso a paso, seguidos de aprendizaje por refuerzo y destilación. Junto al modelo final publicó los checkpoints base, de mid-training y de fine-tuning, versiones GGUF, MLX y GPTQ de 4 bits, un modelo borrador para generar más rápido y buena parte de los datos de entrenamiento, incluidos 500.000 ejemplos de agentes.
Todo está bajo Apache 2.0.
¿Merece la pena MiniCPM5-2B?
MiniCPM5-2B es el modelo pequeño a batir en llamadas a herramientas y correcciones de código breves, al menos según las cifras de sus creadores. La tabla de OpenBMB da una media de 53,9 en 34 benchmarks frente a 51,1 de Qwen3.5-4B, un modelo de casi el doble de tamaño, con las mayores ventajas en SWE-bench Verified (46,4 frente a 33,6), la prueba de llamadas a funciones BFCL v4 (66,6 frente a 56,8) y la prueba de contexto largo NoLiMa (68,1 frente a 43,5). OpenBMB ejecutó la mayoría por su cuenta; solo las cifras de GPQA Diamond y Terminal-Bench proceden de Artificial Analysis.
Las debilidades son el conocimiento y el aguante. Queda por detrás del modelo de 4B en MMLU-Pro (70,8 frente a 78,0) y GPQA Diamond (70,2 frente a 77,1). En Terminal-Bench 2.1, que mide trabajo largo de varios pasos en terminal, obtiene 8,6 frente a 25,8, y en SWE-bench Pro, 14,4 frente a 28,2. Encaja con un modelo post-entrenado con 400.000 millones de tokens de trazas de razonamiento y 500.000 ejemplos de agentes: bueno en la siguiente llamada a herramienta, flojo para sostener un plan a lo largo de docenas de ellas.
Para un modelo que se vende por funcionar en local, la ficha va escasa de las cifras que deciden un despliegue. No da ningún dato de memoria, latencia ni tokens por segundo en ningún dispositivo, ni una aceleración medida para su modelo borrador DSpark. Los tamaños de archivo cubren parte del hueco: el GGUF oficial Q4_K_M ocupa 1,56 GB y el Q8_0, 2,68 GB, lo que por tamaño lo pone al alcance de teléfonos y portátiles modestos, aunque nadie en OpenBMB ha publicado un consumo medido.
La apertura es lo que lo separa de los tamaños pequeños de Gemma 4, que se quedan en 24,6 y 31,2 en la misma tabla. Los checkpoints base, de mid-training y de fine-tuning se publican bajo Apache 2.0 junto a buena parte de los datos, así que un equipo que lo ajuste a su propio esquema de herramientas parte de un punto documentado. La ficha también advierte de que el min_p por defecto de 0,05 en llama.cpp puede hacer que se repita, un detalle que pillará desprevenido a quien lo cargue con los ajustes de fábrica.
Dónde se gana su sitio
Una desarrolladora móvil que lanza un asistente sin conexión dentro de una app de Android o iOS
Convertir peticiones escritas o habladas en llamadas a las funciones de la propia app sin ir y volver a un servidor
El GGUF Q4_K_M de 1,56 GB o la versión LiteRT-LM funcionan en el dispositivo, así que no hay coste por llamada y los datos del usuario se quedan en el teléfono. Las llamadas a funciones son su punto fuerte (66,6 en BFCL v4); mantén cortas las cadenas de herramientas, porque las ejecuciones largas de varios pasos son donde falla.
Un ingeniero de plataforma que ejecuta un asistente de programación interno en una GPU de gama media
Clasificar y parchear errores pequeños y bien acotados en CI antes de que los mire una persona
vLLM 0.21 o SGLang con el parser de herramientas minicpm5 sirven los pesos BF16 de 5 GB. Un 46,4 en SWE-bench Verified es alto para su tamaño, pero el 14,4 en SWE-bench Pro aconseja limitarse a correcciones de un solo archivo y enviar las incidencias más difíciles a un modelo mayor.
Un grupo académico de ML que estudia el post-entrenamiento de modelos pequeños
Reproducir o ablacionar una receta actual de SFT, RL y destilación con un presupuesto modesto
Los checkpoints publicados de cada etapa, más los conjuntos de datos UltraData de SFT, agentes y RL, permiten a un equipo hacer fine-tuning desde cualquier punto y comparar, bajo Apache 2.0 y sin restricciones de uso. Pocos laboratorios publican tanto a este tamaño.
Una jefa de operaciones en una empresa de servicio técnico cuyos técnicos trabajan con mala cobertura
Dar a los técnicos un asistente en el portátil que rellene partes de trabajo a partir de notas sueltas
Ejecutarlo en local elimina el gasto en API y la revisión de protección de datos que exigiría enviar notas de clientes a un modelo en la nube. A cambio, tiene menos conocimiento general que los modelos de 4B, así que todo lo que vaya más allá de rellenar formularios hay que revisarlo.
Antes de decidirte
- Puesta en marcha
- Se carga como un modelo Llama estándar en Transformers 5.6+, vLLM 0.21+, SGLang 0.5.16+, llama.cpp, LM Studio, Ollama y MLX; OpenBMB recomienda temperature 1.0, top_p 0.95 y min_p 0.
- Integraciones
- SGLang es el backend recomendado para llamadas a herramientas (--tool-call-parser minicpm5); versiones oficiales GGUF, MLX de 4 bits, GPTQ de 4 bits y LiteRT-LM, más un modelo borrador DSpark para decodificación especulativa.
- Datos y privacidad
- Apache 2.0 para código y pesos, sin tope de ingresos ni anexo de uso aceptable. Solo se aloja por cuenta propia, así que los prompts se quedan en tu hardware; ningún proveedor de inferencia de Hugging Face lo ofrece.
- Coste a escala
- No existe precio alojado, así que el coste es el hardware: unos 5 GB de pesos BF16, 2,68 GB en Q8_0 y 1,56 GB en Q4_K_M, que caben en una sola GPU de consumo o en un portátil con margen para el contexto. OpenBMB no publica cifras de rendimiento para dimensionar una flota.
- Límites
- Contexto de 131.072 tokens. Las puntuaciones de 8,6 en Terminal-Bench 2.1 y 14,4 en SWE-bench Pro señalan las ejecuciones largas de agente como punto débil, y el min_p por defecto de 0,05 en llama.cpp puede provocar repeticiones.
Lo bueno
- Apache 2.0, con checkpoints base, de mid-training y SFT, y datos
- 66,6 en BFCL v4 y 46,4 en SWE-bench Verified (ejecutados por el fabricante)
- 1,56 GB en Q4_K_M; se carga en todos los entornos locales habituales
- Contexto de 131K tokens
Lo malo
- Unos 7 puntos por detrás de Qwen3.5-4B en MMLU-Pro y GPQA Diamond
- 8,6 en Terminal-Bench 2.1: flojo en ejecuciones largas de agente
- Sin cifras publicadas de memoria, latencia ni rendimiento
- Se repite con el muestreo por defecto de llama.cpp
Ideal para
Desarrolladores que llevan asistentes de llamadas a herramientas o de programación a teléfonos, portátiles y hardware de borde, e investigadores que quieren un entrenamiento de modelo pequeño totalmente documentado.
Alternativas a MiniCPM5-2B
MiniCPM5-2B: preguntas frecuentes
- ¿Merece la pena MiniCPM5-2B?
- Un modelo de 2B que llama a herramientas y parchea código como uno de 4B, y sabe bastante menos que uno. Le damos un 4.0 sobre 5.
- ¿Cuánto cuesta MiniCPM5-2B?
- Pesos y datos de entrenamiento gratuitos bajo Apache 2.0.
- ¿Qué inconvenientes tiene MiniCPM5-2B?
- Unos 7 puntos por detrás de Qwen3.5-4B en MMLU-Pro y GPQA Diamond; 8,6 en Terminal-Bench 2.1: flojo en ejecuciones largas de agente; sin cifras publicadas de memoria, latencia ni rendimiento; se repite con el muestreo por defecto de llama.cpp.
- ¿Para quién es MiniCPM5-2B?
- Desarrolladores que llevan asistentes de llamadas a herramientas o de programación a teléfonos, portátiles y hardware de borde, e investigadores que quieren un entrenamiento de modelo pequeño totalmente documentado.
- ¿Cuánto cuesta MiniCPM5-2B para un equipo o en producción?
- No existe precio alojado, así que el coste es el hardware: unos 5 GB de pesos BF16, 2,68 GB en Q8_0 y 1,56 GB en Q4_K_M, que caben en una sola GPU de consumo o en un portátil con margen para el contexto. OpenBMB no publica cifras de rendimiento para dimensionar una flota.
- ¿Es MiniCPM5-2B seguro para los datos de la empresa?
- Apache 2.0 para código y pesos, sin tope de ingresos ni anexo de uso aceptable. Solo se aloja por cuenta propia, así que los prompts se quedan en tu hardware; ningún proveedor de inferencia de Hugging Face lo ofrece.
- ¿Cuáles son las mejores alternativas a MiniCPM5-2B?
- Las alternativas más cercanas que hemos analizado son SmolLM3-3B, Granite 4.2 y Gemma 4.
Respuestas comprobadas el 22 oct 2026.