Модель с всего 2 миллиардами параметров заняла первое место среди открытых моделей с менее чем 4 миллиардами параметров в Artificial Analysis Intelligence Index v4.2, набрав 15 баллов. MiniCPM5-2B от OpenBMB, созданная в сотрудничестве с лабораторией NLP Тsinghua University и ModelBest, разработана для работы на телефонах, ноутбуках и других устройствах, где вычислительные ресурсы — роскошь, а не данность.
Что на самом деле измеряет эталон
Artificial Analysis выпустила версию 4.2 своего Индекса интеллекта 4 сентября 2026 года, всего за три дня до запуска MiniCPM5-2B. Обновленный индекс внес значительные изменения в методы оценки моделей ИИ.
Частные тестовые наборы теперь составляют 40% от общего веса, что выше, чем в предыдущих версиях. Это важно, потому что частные тесты сложнее обмануть. Когда разработчики моделей не могут заранее видеть вопросы экзамена, результаты становятся более надежными индикаторами настоящих способностей.
Обновление v4.2 также добавило два новых компонента оценки: агентную оценку AA-Briefcase и долгосрочный тест Surge’s GDP.pdf. Эти дополнения отражают растущий интерес индустрии к моделям, способным действовать автономно и обрабатывать очень длинные документы, а не только хорошо отвечать на вопросы-головоломки.
В верхней части общего рейтинга по-прежнему доминируют проприетарные модели. Лидером является Claude Fable 5.1 от Anthropic. Но в категории с параметрами менее 4 млрд, где важны эффективность и доступность, а не абсолютная мощность, MiniCPM5-2B занимает первое место в рейтинге моделей с открытыми весами.
Маленькая модель, широкие амбиции
MiniCPM5-2B — это плотная трансформерная модель, что означает, что все параметры активны во время вывода, а не направляются через архитектуру смеси экспертов. Плотные модели обычно более предсказуемы по потреблению ресурсов, что именно необходимо при развертывании ИИ на краевых устройствах.
Модель поддерживает контекстные окна от 131K до 512K токенов в зависимости от конфигурации. Для справки: 512K токенов примерно эквивалентны обработке книги в 1000 страниц за один проход.
OpenBMB оптимизировал MiniCPM5-2B для чипов от AMD, Intel, MediaTek и Qualcomm.
С точки зрения возможностей команда утверждает, что достигла передовых результатов в рамках своего диапазона параметров в области программирования, математики, понимания длинных контекстов, использования инструментов и агентных рабочих процессов.
Обучение модели включало согласование с обучением с подкреплением и то, что OpenBMB описывает как высококачественные траектории — методы, предназначенные для улучшения того, как модель справляется со сложными последовательными процессами принятия решений.
Линейка MiniCPM
MiniCPM5-2B опирается на успешную историю. Его предшественник, MiniCPM5-1B, ранее показал результат 17.9 на более ранней версии Индекса искусственного анализа, заняв первое место среди моделей с параметрами менее 2 миллиардов.
Разница в оценках между двумя моделями — 17,9 для версии 1B и 15 для версии 2B — отражает изменения в методологии индекса, а не ухудшение. Более сильная зависимость версии 4.2 от закрытых тестовых наборов и новых категорий оценки означает, что оценки между версиями напрямую несопоставимы.
Что это значит для ИИ на устройстве
Конкуренция на рынке малых моделей становится всё более оживлённой. Серия Llama от Meta, модели Phi от Microsoft и варианты Gemma от Google конкурируют в схожих диапазонах параметров. Превосходство MiniCPM5-2B по результатам тестов в категории менее 4B примечательно, но доминирование по тестам и реальная полезность не всегда идут рука об руку.
Независимая проверка заявленной производительности модели пока не была публично задокументирована. В оценке ИИ воспроизведение результатов третьими сторонами — это разница между пресс-релизом и подтвержденной способностью.