Un modelo con solo 2 mil millones de parámetros ha ocupado el primer lugar entre los modelos abiertos bajo 4 mil millones de parámetros en el Índice de Inteligencia de Artificial Analysis v4.2, obteniendo 15 puntos. OpenBMB’s MiniCPM5-2B, desarrollado en colaboración con el laboratorio de Procesamiento del Lenguaje Natural de la Universidad Tsinghua y ModelBest, está diseñado para funcionar en teléfonos, portátiles y otros dispositivos donde los recursos computacionales son un lujo, no algo garantizado.
Lo que realmente mide el indicador de referencia
Artificial Analysis lanzó la versión 4.2 de su Índice de Inteligencia el 4 de septiembre de 2026, justo tres días antes del lanzamiento de MiniCPM5-2B. El índice actualizado introdujo cambios significativos en la forma en que se evalúan los modelos de IA.
Los conjuntos de prueba privados ahora representan el 40% del peso total, frente a versiones anteriores. Esto es importante porque los tests privados son más difíciles de manipular. Cuando los desarrolladores de modelos no pueden ver las preguntas del examen con anticipación, las puntuaciones se convierten en señales más creíbles de capacidad genuina.
La actualización v4.2 también añadió dos nuevos componentes de evaluación: la evaluación agente AA-Briefcase y la prueba de contexto largo de Surge’s GDP.pdf. Estas adiciones reflejan el creciente interés de la industria en modelos que puedan actuar de forma autónoma y procesar documentos muy largos, no solo responder bien preguntas de trivia.
En la cima de la tabla general de clasificaciones, los modelos propietarios aún dominan. Claude Fable 5.1 de Anthropic lidera la lista. Pero en la categoría de menos de 4 mil millones de parámetros, donde la eficiencia y la accesibilidad son más importantes que el poder bruto, MiniCPM5-2B ocupa el primer lugar en las clasificaciones de pesos abiertos.
Pequeño modelo, ambiciones amplias
MiniCPM5-2B es un transformador denso, lo que significa que todos los parámetros están activos durante la inferencia en lugar de enrutar a través de una arquitectura de mezcla de expertos. Los modelos densos tienden a ser más predecibles en su consumo de recursos, lo cual es exactamente lo que deseas al implementar IA en dispositivos de borde.
El modelo admite ventanas de contexto que van de 131K a 512K tokens según la configuración. Para referencia, 512K tokens es aproximadamente equivalente a procesar un libro de 1,000 páginas en un solo pase.
OpenBMB ha optimizado MiniCPM5-2B para chips de AMD, Intel, MediaTek y Qualcomm.
En cuanto a la capacidad, el equipo afirma un rendimiento de vanguardia dentro de su rango de parámetros en programación, matemáticas, comprensión de contextos largos, utilización de herramientas y flujos de trabajo agentes.
El entrenamiento del modelo incorporó alineación mediante aprendizaje por refuerzo y lo que OpenBMB describe como trayectorias de alta calidad, técnicas diseñadas para mejorar cómo el modelo maneja la toma de decisiones complejas y secuenciales.
La línea MiniCPM
MiniCPM5-2B se basa en un historial. Su predecesor, MiniCPM5-1B, obtuvo anteriormente 17.9 en una versión anterior del Índice de Análisis Artificial, ocupando la primera posición entre los modelos con menos de 2 mil millones de parámetros.
La diferencia de puntuación entre los dos modelos, 17.9 para la versión de 1B y 15 para la versión de 2B, refleja cambios en la metodología del índice, no un retroceso. La mayor dependencia de la versión 4.2 en conjuntos de pruebas privados y nuevas categorías de evaluación significa que las puntuaciones entre versiones no son directamente comparables.
Qué significa esto para la inteligencia artificial en el dispositivo
El panorama competitivo para modelos pequeños se está volviendo más concurrido. Los modelos Llama de Meta, los modelos Phi de Microsoft y las variantes Gemma de Google compiten en rangos de parámetros similares. El liderazgo de MiniCPM5-2B en las pruebas de rendimiento en la categoría inferior a 4B es notable, pero el dominio en pruebas de rendimiento y la utilidad en el mundo real no siempre avanzan de la misma manera.
La validación independiente del rendimiento afirmado por el modelo aún no ha sido documentada públicamente. En la evaluación de IA, la reproducción de los resultados por parte de terceros es la diferencia entre un comunicado de prensa y una capacidad comprobada.