Qu’est-ce que MiniCPM5-2B ?
MiniCPM5-2B est un petit modèle de langage du groupe open source chinois OpenBMB. Sorti le 7 septembre 2026, il succède à MiniCPM5-1B et compte 2,52 milliards de paramètres dans une disposition standard de style Llama, si bien que des outils courants comme llama.cpp, Ollama, LM Studio, MLX et vLLM le chargent sans code personnalisé. Il lit et écrit du texte, avec un contexte de 131 072 tokens.
OpenBMB l'a entraîné pour les assistants locaux, les agents de code et l'usage d'outils. Le post-entraînement a utilisé 400 milliards de tokens d'exemples de raisonnement étape par étape, suivis d'apprentissage par renforcement et de distillation. Aux côtés du modèle final, il a publié les checkpoints de base, de mi-entraînement et d'affinage, des versions GGUF, MLX et GPTQ 4 bits, un modèle draft pour une génération plus rapide, et une grande partie des données d'entraînement, dont 500 000 exemples d'agent.
Tout est sous Apache 2.0.
MiniCPM5-2B vaut-il le coup ?
MiniCPM5-2B est le petit modèle à battre pour l'appel d'outils et les courtes corrections de code, du moins sur les chiffres de ses créateurs. Le tableau d'OpenBMB fait une moyenne de 53,9 sur 34 benchmarks contre 51,1 pour Qwen3.5-4B, un modèle presque deux fois sa taille, avec les plus grandes avances sur SWE-bench Verified (46,4 contre 33,6), le test d'appel de fonctions BFCL v4 (66,6 contre 56,8) et le test de long contexte NoLiMa (68,1 contre 43,5). OpenBMB a exécuté la plupart de ces tests lui-même ; seuls les chiffres GPQA Diamond et Terminal-Bench viennent d'Artificial Analysis.
Les faiblesses sont la connaissance et l'endurance. Il est derrière le modèle 4B sur MMLU-Pro (70,8 contre 78,0) et GPQA Diamond (70,2 contre 77,1). Sur Terminal-Bench 2.1, qui mesure le long travail en terminal en plusieurs étapes, il obtient 8,6 contre 25,8, et sur SWE-bench Pro 14,4 contre 28,2. Cela correspond à un modèle post-entraîné sur 400 milliards de tokens de traces de raisonnement et 500 000 exemples d'agent : bon pour le prochain appel d'outil, faible pour tenir un plan sur des dizaines d'entre eux.
Pour un modèle vendu sur sa capacité à tourner en local, la fiche est maigre sur les chiffres qui décident d'un déploiement. Elle ne donne aucun chiffre de mémoire, de latence ou de tokens par seconde pour un quelconque appareil, ni d'accélération mesurée pour son modèle draft DSpark. Les tailles de fichier comblent une partie du manque : le GGUF Q4_K_M officiel fait 1,56 GB et le Q8_0 2,68 GB, ce qui le met à portée des téléphones et des portables modestes en taille, même si personne chez OpenBMB n'a publié d'empreinte mesurée.
L'ouverture est ce qui le sépare des petites tailles de Gemma 4, qui se situent à 24,6 et 31,2 sur le même tableau. Les checkpoints de base, de mi-entraînement et d'affinage sont publiés sous Apache 2.0 aux côtés d'une grande partie des données, si bien qu'une équipe qui l'ajuste à son propre schéma d'outils part d'un point documenté. La fiche prévient aussi que le min_p par défaut de 0,05 de llama.cpp peut le faire se répéter, un détail qui piégera quiconque le charge avec les réglages d'origine.
Là où il fait la différence
Un développeur mobile qui livre un assistant hors ligne dans une appli Android ou iOS
Transformer des requêtes tapées ou dictées en appels aux propres fonctions de l'appli sans aller-retour serveur
Le GGUF Q4_K_M de 1,56 GB ou la version LiteRT-LM tourne sur l'appareil, si bien qu'il n'y a pas de coût par appel et que les données utilisateur restent sur le téléphone. L'appel de fonctions est son point fort (66,6 sur BFCL v4) ; gardez les chaînes d'outils courtes, car les longues exécutions en plusieurs étapes sont là où il échoue.
Un ingénieur plateforme qui fait tourner un assistant de code interne sur un seul GPU milieu de gamme
Trier et corriger de petits bugs bien cadrés dans la CI avant qu'une personne ne regarde
vLLM 0.21 ou SGLang avec le parseur d'outils minicpm5 sert les poids BF16 de 5 GB. 46,4 sur SWE-bench Verified est élevé pour la taille, mais 14,4 sur SWE-bench Pro plaide pour des corrections à fichier unique, les tickets plus durs étant routés vers un modèle plus grand.
Un groupe ML universitaire qui étudie le post-entraînement de petits modèles
Reproduire ou ablater une recette actuelle de SFT, RL et distillation sur un budget modeste
Les checkpoints publiés pour chaque étape, plus les jeux de données SFT, agent et RL UltraData, permettent à une équipe d'affiner depuis n'importe quel point et de comparer, sous Apache 2.0 sans restriction d'usage. Peu de laboratoires publient autant à cette taille.
Un responsable des opérations dans une entreprise de services sur site dont les techniciens travaillent avec un signal irrégulier
Donner aux ingénieurs un assistant sur portable qui remplit les fiches de travail à partir de notes brutes
Tourner en local supprime la dépense d'API et la revue de protection des données que déclencherait l'envoi des notes clients à un modèle cloud. Le compromis est une connaissance générale plus faible que les modèles 4B, si bien que tout ce qui dépasse le remplissage de formulaires demande une vérification.
Avant de vous engager
- Mise en route
- Se charge comme un modèle Llama standard dans Transformers 5.6+, vLLM 0.21+, SGLang 0.5.16+, llama.cpp, LM Studio, Ollama et MLX ; OpenBMB recommande une température de 1.0, top_p 0.95 et min_p 0.
- Intégrations
- SGLang est le backend recommandé pour l'appel d'outils (--tool-call-parser minicpm5) ; versions GGUF, MLX 4 bits, GPTQ 4 bits et LiteRT-LM officielles, plus un modèle draft DSpark pour le décodage spéculatif.
- Données et confidentialité
- Apache 2.0 pour le code et les poids, sans plafond de revenus ni addendum d'usage acceptable. Auto-hébergé uniquement, si bien que les prompts restent sur votre matériel ; aucun fournisseur d'inférence Hugging Face ne l'héberge.
- Coût à grande échelle
- Aucun prix hébergé n'existe, donc le coût est le matériel : environ 5 GB de poids BF16, 2,68 GB en Q8_0 et 1,56 GB en Q4_K_M, qu'un seul GPU grand public ou un portable tient avec de la place pour le contexte. OpenBMB ne publie aucun chiffre de débit pour dimensionner une flotte.
- Limites
- Contexte de 131 072 tokens. Des scores de 8,6 sur Terminal-Bench 2.1 et 14,4 sur SWE-bench Pro marquent les longues exécutions d'agent comme le point faible, et le min_p par défaut de 0,05 de llama.cpp peut causer de la répétition.
Les points forts
- Apache 2.0, avec les checkpoints de base, de mi-entraînement et SFT et les données
- 66,6 sur BFCL v4 et 46,4 sur SWE-bench Verified (exécutés par le fournisseur)
- 1,56 GB en Q4_K_M ; se charge dans tous les runtimes locaux courants
- Contexte de 131K tokens
Les points faibles
- Derrière Qwen3.5-4B d'environ 7 points sur MMLU-Pro et GPQA Diamond
- 8,6 sur Terminal-Bench 2.1 : faible sur les longues exécutions d'agent
- Aucun chiffre publié de mémoire, de latence ou de débit
- Se répète sous l'échantillonnage par défaut de llama.cpp
Idéal pour
Les développeurs qui mettent des assistants d'appel d'outils ou de code sur téléphones, portables et matériel edge, et les chercheurs qui veulent un entraînement de petit modèle entièrement documenté.
Alternatives à MiniCPM5-2B
MiniCPM5-2B : questions fréquentes
- MiniCPM5-2B vaut-il le coup ?
- Un modèle 2B qui appelle des outils et corrige du code comme un 4B, et en sait nettement moins qu'un. Nous lui donnons 4.0 sur 5.
- Combien coûte MiniCPM5-2B ?
- Poids et données d'entraînement gratuits sous Apache 2.0.
- Quels sont les inconvénients de MiniCPM5-2B ?
- Derrière Qwen3.5-4B d'environ 7 points sur MMLU-Pro et GPQA Diamond; 8,6 sur Terminal-Bench 2.1 : faible sur les longues exécutions d'agent; aucun chiffre publié de mémoire, de latence ou de débit; se répète sous l'échantillonnage par défaut de llama.cpp.
- À qui s’adresse MiniCPM5-2B ?
- Les développeurs qui mettent des assistants d'appel d'outils ou de code sur téléphones, portables et matériel edge, et les chercheurs qui veulent un entraînement de petit modèle entièrement documenté.
- Combien coûte MiniCPM5-2B pour une équipe ou en production ?
- Aucun prix hébergé n'existe, donc le coût est le matériel : environ 5 GB de poids BF16, 2,68 GB en Q8_0 et 1,56 GB en Q4_K_M, qu'un seul GPU grand public ou un portable tient avec de la place pour le contexte. OpenBMB ne publie aucun chiffre de débit pour dimensionner une flotte.
- MiniCPM5-2B est-il sûr pour les données de l’entreprise ?
- Apache 2.0 pour le code et les poids, sans plafond de revenus ni addendum d'usage acceptable. Auto-hébergé uniquement, si bien que les prompts restent sur votre matériel ; aucun fournisseur d'inférence Hugging Face ne l'héberge.
- Quelles sont les meilleures alternatives à MiniCPM5-2B ?
- Les alternatives les plus proches que nous avons testées sont SmolLM3-3B, Granite 4.2 et Gemma 4.
Réponses vérifiées le 22 oct. 2026.