O que é MiniCPM5-2B?
O MiniCPM5-2B é um modelo de linguagem pequeno do grupo chinês de código aberto OpenBMB. Lançado em 7 de setembro de 2026, ele sucede o MiniCPM5-1B e tem 2,52 bilhões de parâmetros em uma arquitetura padrão no estilo Llama, então ferramentas comuns como llama.cpp, Ollama, LM Studio, MLX e vLLM o carregam sem código próprio. Ele lê e escreve texto, com contexto de 131.072 tokens.
A OpenBMB o treinou para assistentes locais, agentes de programação e uso de ferramentas. O pós-treino usou 400 bilhões de tokens de exemplos de raciocínio passo a passo, seguidos de aprendizado por reforço e destilação. Junto com o modelo final, ela publicou os checkpoints base, de mid-training e de fine-tuning, builds GGUF, MLX e GPTQ de 4 bits, um modelo draft para geração mais rápida e boa parte dos dados de treino, incluindo 500.000 exemplos de agentes.
Tudo está sob Apache 2.0.
MiniCPM5-2B vale a pena?
O MiniCPM5-2B é o modelo pequeno a ser batido em chamadas de ferramenta e correções curtas de código, pelo menos pelos números dos seus criadores. A tabela da OpenBMB dá uma média de 53,9 em 34 benchmarks, contra 51,1 do Qwen3.5-4B, um modelo com quase o dobro do tamanho, com as maiores vantagens no SWE-bench Verified (46,4 a 33,6), no teste de function calling BFCL v4 (66,6 a 56,8) e no teste de contexto longo NoLiMa (68,1 a 43,5). A OpenBMB rodou a maioria deles por conta própria; só os números de GPQA Diamond e Terminal-Bench vêm da Artificial Analysis.
As fraquezas são conhecimento e fôlego. Ele fica atrás do modelo de 4B no MMLU-Pro (70,8 a 78,0) e no GPQA Diamond (70,2 a 77,1). No Terminal-Bench 2.1, que mede trabalho longo de vários passos no terminal, ele marca 8,6 contra 25,8, e no SWE-bench Pro 14,4 contra 28,2. Isso combina com um modelo pós-treinado com 400 bilhões de tokens de traços de raciocínio e 500.000 exemplos de agentes: bom na próxima chamada de ferramenta, fraco em manter um plano ao longo de dezenas delas.
Para um modelo vendido pela execução local, o card traz poucos dos números que decidem uma implantação. Ele não dá nenhum dado de memória, latência ou tokens por segundo em qualquer dispositivo, nem um ganho de velocidade medido para o seu modelo draft DSpark. Os tamanhos dos arquivos preenchem parte da lacuna: o GGUF oficial Q4_K_M tem 1,56 GB e o Q8_0 tem 2,68 GB, o que, pelo tamanho, o coloca ao alcance de celulares e laptops modestos, embora ninguém na OpenBMB tenha publicado um consumo medido.
A abertura é o que o separa dos tamanhos pequenos do Gemma 4, que ficam em 24,6 e 31,2 na mesma tabela. Os checkpoints base, de mid-training e de fine-tuning saem sob Apache 2.0 junto com boa parte dos dados, então uma equipe que o ajusta ao seu próprio esquema de ferramentas parte de um ponto documentado. O card também avisa que o min_p padrão de 0,05 do llama.cpp pode fazê-lo se repetir, um detalhe que vai pegar desprevenido quem o carregar com as configurações padrão.
Onde ele se destaca
Um desenvolvedor mobile que lança um assistente offline dentro de um app Android ou iOS
Transformar pedidos digitados ou falados em chamadas às funções do próprio app, sem ida e volta a um servidor
O GGUF Q4_K_M de 1,56 GB ou o build LiteRT-LM roda no dispositivo, então não há custo por chamada e os dados do usuário ficam no celular. Function calling é o seu ponto mais forte (66,6 no BFCL v4); mantenha as cadeias de ferramentas curtas, porque as execuções longas de vários passos são onde ele falha.
Um engenheiro de plataforma que roda um assistente interno de programação em uma GPU intermediária
Triar e corrigir bugs pequenos e bem delimitados no CI antes que uma pessoa olhe
vLLM 0.21 ou SGLang com o parser de ferramentas minicpm5 servem os pesos BF16 de 5 GB. 46,4 no SWE-bench Verified é alto para o tamanho, mas 14,4 no SWE-bench Pro recomenda correções de um único arquivo, com os tickets mais difíceis encaminhados a um modelo maior.
Um grupo acadêmico de ML que estuda o pós-treino de modelos pequenos
Reproduzir ou fazer ablação de uma receita atual de SFT, RL e destilação com orçamento modesto
Os checkpoints publicados de cada etapa, mais os datasets UltraData de SFT, agentes e RL, permitem que uma equipe faça fine-tuning a partir de qualquer ponto e compare, sob Apache 2.0 e sem restrições de uso. Poucos laboratórios publicam tanto nesse tamanho.
Um gerente de operações em uma empresa de serviços de campo cujos técnicos trabalham com sinal instável
Dar aos técnicos um assistente no laptop que preencha fichas de serviço a partir de anotações soltas
Rodar localmente elimina o gasto com API e a análise de proteção de dados que enviar anotações de clientes a um modelo na nuvem exigiria. A contrapartida é um conhecimento geral mais fraco que o dos modelos de 4B, então qualquer coisa além de preencher formulários precisa ser conferida.
Antes de decidir
- Configuração
- Carrega como um modelo Llama padrão no Transformers 5.6+, vLLM 0.21+, SGLang 0.5.16+, llama.cpp, LM Studio, Ollama e MLX; a OpenBMB recomenda temperature 1.0, top_p 0.95 e min_p 0.
- Integrações
- O SGLang é o backend recomendado para chamadas de ferramenta (--tool-call-parser minicpm5); builds oficiais GGUF, MLX de 4 bits, GPTQ de 4 bits e LiteRT-LM, além de um modelo draft DSpark para decodificação especulativa.
- Dados e privacidade
- Apache 2.0 para código e pesos, sem teto de receita nem adendo de uso aceitável. Só self-hosting, então os prompts ficam no seu hardware; nenhum provedor de inferência do Hugging Face o hospeda.
- Custo em escala
- Não há preço hospedado, então o custo é hardware: cerca de 5 GB de pesos BF16, 2,68 GB em Q8_0 e 1,56 GB em Q4_K_M, o que uma única GPU de consumo ou um laptop comporta com espaço para o contexto. A OpenBMB não publica números de throughput para dimensionar uma frota.
- Limites
- Contexto de 131.072 tokens. As notas de 8,6 no Terminal-Bench 2.1 e 14,4 no SWE-bench Pro apontam as execuções longas de agentes como o ponto fraco, e o min_p padrão de 0,05 do llama.cpp pode causar repetição.
O que é bom
- Apache 2.0, com checkpoints base, de mid-training e de SFT, além dos dados
- 66,6 no BFCL v4 e 46,4 no SWE-bench Verified (medidos pelo fornecedor)
- 1,56 GB em Q4_K_M; carrega em todos os runtimes locais comuns
- Contexto de 131K tokens
O que não é
- Fica cerca de 7 pontos atrás do Qwen3.5-4B no MMLU-Pro e no GPQA Diamond
- 8,6 no Terminal-Bench 2.1: fraco em execuções longas de agentes
- Sem números publicados de memória, latência ou throughput
- Repete-se com a amostragem padrão do llama.cpp
Ideal para
Desenvolvedores que colocam assistentes de chamada de ferramentas ou de programação em celulares, laptops e hardware de borda, e pesquisadores que querem um treino de modelo pequeno totalmente documentado.
Alternativas ao MiniCPM5-2B
MiniCPM5-2B: perguntas frequentes
- MiniCPM5-2B vale a pena?
- Um modelo de 2B que chama ferramentas e corrige código como um de 4B, e sabe visivelmente menos do que um. Damos nota 4.0 de 5.
- Quanto custa MiniCPM5-2B?
- Pesos e dados de treino gratuitos sob Apache 2.0.
- Quais são as desvantagens de MiniCPM5-2B?
- Fica cerca de 7 pontos atrás do Qwen3.5-4B no MMLU-Pro e no GPQA Diamond; 8,6 no Terminal-Bench 2.1: fraco em execuções longas de agentes; sem números publicados de memória, latência ou throughput; repete-se com a amostragem padrão do llama.cpp.
- Para quem MiniCPM5-2B é indicado?
- Desenvolvedores que colocam assistentes de chamada de ferramentas ou de programação em celulares, laptops e hardware de borda, e pesquisadores que querem um treino de modelo pequeno totalmente documentado.
- Quanto custa MiniCPM5-2B para uma equipe ou em produção?
- Não há preço hospedado, então o custo é hardware: cerca de 5 GB de pesos BF16, 2,68 GB em Q8_0 e 1,56 GB em Q4_K_M, o que uma única GPU de consumo ou um laptop comporta com espaço para o contexto. A OpenBMB não publica números de throughput para dimensionar uma frota.
- MiniCPM5-2B é seguro para dados da empresa?
- Apache 2.0 para código e pesos, sem teto de receita nem adendo de uso aceitável. Só self-hosting, então os prompts ficam no seu hardware; nenhum provedor de inferência do Hugging Face o hospeda.
- Quais são as melhores alternativas ao MiniCPM5-2B?
- As alternativas mais próximas que analisamos são SmolLM3-3B, Granite 4.2 e Gemma 4.
Respostas verificadas em 22 de out. de 2026.