
Aion-1.0-Instruct-2.3B vs. MiniCPM5 2B: Der mit der Anzeigetafel hat bereits einen Rivalen darauf
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 184 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 223 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 87 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 96 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 78 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 208 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
Die Modellkarte von MiniCPM5-2B enthält eine Vergleichstabelle mit acht Baselines, und Aion-1.0-Instruct-2.3B gehört nicht dazu. Das ist keine Geringschätzung; es ist ein Zeitstempel. OpenBMBs Tabelle wurde um Modelle herum aufgebaut, die es gab, als die Gewichte am 6. September 2026 hochgeladen wurden. Microsofts Checkpoint erschien am 18. November 2026 auf Hugging Face, dreiundsiebzig Tage später, ohne Ankündigung und mit drei Likes. Niemand hat die beiden nebeneinander gestellt, weil das am ersten Tag seines Daseins niemand konnte. MiniCPM5-2B ist unterdessen mit großem Abstand das am häufigsten heruntergeladene Modell dieser Klasse – rund 966.000 Downloads gegenüber null bei Aion.
Das ist also kein Vergleich zweier vermessener Modelle. Es ist ein Vergleich zwischen einem Modell, das mit einer Anzeigetafel und einer Fangemeinde ankam, und einem Modell, das mit einer Konfigurationsdatei und einem Versprechen bezüglich Januar 2027 ankam. Im Folgenden werden die von OpenBMB veröffentlichten Zahlen für MiniCPM5-2B verwendet, soweit sie vorliegen, außerdem Microsofts Model Card für Aion-1.0-Instruct-2.3B, und es wird klar gesagt, wenn eine Zelle nichts enthält.
Zwei Modelle mit zweieinhalb Milliarden Parametern, die nicht gleich aussehen
Die in den Schlagzeilen genannten Größen liegen nah genug beieinander, dass ein Vergleich der Datenblätter naheliegt, und dann weigern sich die Datenblätter hartnäckig, zusammenzupassen.
• Parameter — MiniCPM5-2B hat insgesamt 2,52 Mrd. Parameter, davon 1,98 Mrd. Nicht-Embedding-Parameter; Aion-1.0-Instruct-2.3B hat 2,29 Mrd. Parameter, wobei Eingabe- und Ausgabe-Embeddings gebunden sind.
• Tiefe — 42 Schichten für MiniCPM5-2B, auf einer standardmäßigen LlamaForCausalLM-Architektur; 28 Schichten für Aion, auf benutzerdefiniertem Modellierungscode, der trust_remote_code erfordert.
• Attention — 16 Query-Heads und 2 Key/Value-Heads für MiniCPM5-2B; 24 Query- und 8 Key/Value-Heads bei Head-Dimension 128 für Aion, über ein hybrides Muster aus 21 Sliding-Window-Schichten mit 2.048 Tokens und 7 Full-Attention-Schichten.
• Kontext — 131.072 Tokens gegenüber 32.768.
• Sprachen — Englisch und Chinesisch für MiniCPM5-2B; acht Sprachen für Aion, mit mehrsprachigen Daten bei etwa 6 % des Trainings.
• Lizenz — Apache 2.0 gegenüber MIT. Beide permissiv, beide kommerziell unbedenklich.
• Ökosystem — GGUF, MLX, GPTQ, Base-, SFT-, Midtrain- und Draft-Checkpoints sowie die Trainingsdatensätze, im Vergleich zu safetensors und dem Versprechen, dass quantisierte Builds folgen werden.
Bei dieser letzten Zeile geht es nicht mehr um Modellqualität. MiniCPM5-2B ist eine Veröffentlichung, die Sie noch heute Nachmittag auf vier verschiedenen Runtimes bereitstellen können. Aion-1.0-Instruct-2.3B ist eine Veröffentlichung, die Sie auf nur einer Runtime bereitstellen können – mit einem am selben Abend hochgeladenen Schwester-Repository für ONNX-WebGPU und einem GGUF-Format, das auf der Modellkarte aufgeführt, in der Dateiliste aber nicht vorhanden ist.
Die Zahlen, die OpenBMB veröffentlicht hat – und die, die es nicht veröffentlicht hat.
Die Modellkarte von MiniCPM5-2B beansprucht den Open-Source-State-of-the-Art der 2B-Klasse und legt dann ungewöhnlicherweise die Belege anhand von 35 Benchmarks in neun Kategorien offen. Die Schlagzeilenwerte: AIME 2025 bei 86,5, AIME 2026 bei 86,5, MMLU-Pro 70,8, GPQA-Diamond 70,2, IFEval 86,7, LiveCodeBench v6 69,1, SWE-bench Verified 46,4, BFCL v4 66,6, τ²-Bench Telecom 97,1, AA-LCR 59,0 und NoLiMa 68,1.
Die Modellkarte veröffentlicht außerdem einen zusammenfassenden Durchschnitt über alle diese Werte — 53,9 für MiniCPM5-2B, 51,1 für Qwen3.5-4B, 42,7 für Granite 4.2 3B, 33,2 für LFM2.5-2.6B. Das sind die eigenen Harness-Läufe des Anbieters auf seiner eigenen Benchmark-Auswahl, und diese Auswahl begünstigt genau das, worauf das Modell trainiert wurde: agentische Tool-Nutzung, Coding, langer Kontext. Ein Anbieter, der die Tests auswählt, kann auch das Ranking bestimmen. Lesen Sie die Tabelle als Aussage über Trainingsprioritäten, zu denen sie sich ehrlich bekennt, und nicht als unabhängiges Urteil, das sie nicht ist.
Was die Karte von MiniCPM5-2B nicht enthält, ist irgendein Benchmark, in dem Aion-1.0-Instruct-2.3B auftaucht, und was Aions Karte nicht enthält, ist irgendeine von MiniCPM5-2Bs neun Kategorien. Die Überschneidung ist real, aber schmal: MMLU-Pro, GPQA, IFEval und die AIME-Varianten sind die einzigen Stellen, an denen die beiden veröffentlichten Tabellen dieselbe Sprache sprechen, und selbst dort unterscheiden sich die Harness-Konfigurationen. In diesen gemeinsamen Zeilen ist die Lücke groß – 70,8 gegen 33,35 bei MMLU-Pro, 70,2 gegen 28,18 bei GPQA –, aber das ist ein Vergleich zwischen einem Modell, das für Reasoning und agentische Arbeit trainiert wurde, und einem, das für Dokumentverständnis und Umschreiben trainiert wurde, und die Zahlen sagen genau das.
Wo Aions Ehrlichkeit die ganze Geschichte ist
Das Bemerkenswerte an Microsofts Karte sind nicht ihre Punktzahlen. Es ist vielmehr, dass die Punktzahlen wenig schmeichelhaft sind und die Karte sie trotzdem abdruckt – in einer Tabelle, die außerdem ihr Bewertungsmodell, ihren Harness und zwei Benchmarks nennt, deren Bewertungseinstellungen sie besser aussehen lassen, als es die Überschrift nahelegt. Eine Karte, die etwas verkaufen soll, enthält keine Zeile, in der MMLU-Pro 33.35 steht.
Ein Wert von 33,35 bei MMLU-Pro ist keine Zahl, die ein Launch-Team wählt. Ein Wert von 28,18 bei GPQA auch nicht. Dass sie da sind, ist ein Beleg dafür, dass diese Tabelle aus einer Evaluationspipeline stammt und nicht aus einer Marketing-Pipeline, und das ist ein echter Grund, den umliegenden Aussagen zu vertrauen – dem Fenster von 32.768 Tokens, den acht Sprachen, dem Wissensstand von 2025-12, der aus einer Tied-Embedding-Konfiguration abgeleiteten Parameterzahl von 2,29B.
Dieselbe Offenheit zieht sich durch die Einschränkungen. Die Karte sagt unverblümt, dass ein Modell dieser Größe „feine Details übersehen, falsche Angaben machen oder die Unfähigkeit zeigen kann, komplexem mehrstufigem Schlussfolgern zu folgen“, dass es „nicht darauf trainiert wurde, bei Weltwissen zu glänzen“, und dass die Ausgabequalität über die acht Sprachen hinweg variiert. Vergleicht man das mit einer Tabelle von 35 Benchmarks, die den neuesten Stand der Technik für sich beanspruchen, blickt man auf zwei unterschiedliche Auffassungen davon, wofür eine Modellkarte da ist. Keine von beiden ist unehrlich. Die eine ist eine Leistungsbehauptung, die andere eine Offenlegung.
Das On-Device-Versprechen und die Langkontext-Falle
Microsofts Darstellung ist eindeutig: Aion Instruct sei „das grundlegende Small Language Model (SLM) im Windows-Ökosystem“, entwickelt für Text- und Betriebssystemaufgaben auf dem Gerät, wobei eine leistungsfähigere Version plus ein Content-Moderation-Modell bis Ende Januar 2027 zum Windows OS SLM werden sollen. Der Upload wird als „eine Einführung in das, was kommt“ beschrieben.
Die Positionierung von MiniCPM5-2B ist breiter gefasst: lokale Assistenten, Coding-Agenten, Tool-Use-Workflows und Reasoning – auf Smartphones, PCs und intelligenten Cockpits, zusammen mit einem Agenten-Trainingsdatensatz von 500.000 Beispielen und über 80.000 RL-Beispielen, die zusammen mit den Gewichten veröffentlicht werden. Es ist ein Modell, das darauf ausgelegt ist zu handeln, nicht nur zu antworten.
Die Kontextlücke von 131K gegenüber 32K ist der Punkt, an dem dieser Unterschied am deutlichsten zutage tritt, und MiniCPM5-2B hat die Belege: AA-LCR 59,0 und NoLiMa 68,1 sind Long-Context-Benchmarks, beide vom Hersteller durchgeführt und beide mit dem visuellen Marker veröffentlicht, den seine Karte für von Richtern bewertete Ergebnisse verwendet. Aion hat ein Fenster von 32.768 Token, das laut seiner eigenen Konfiguration durch YaRN-Skalierung aus einem nativen Bereich von 2.048 Token erreicht wird, und überhaupt keine Long-Context-Evaluierung. Wenn die Arbeitslast lange Dokumente umfasst, ist die Entscheidung bereits für Sie gefallen – und sie wurde von der Evidenz getroffen, nicht von der Parameteranzahl.
Agent-Stacks sind der Punkt, an dem der Vergleich seine Form ändert.
MiniCPM5-2B wurde für Tool-Schleifen trainiert: 500K Agent-SFT-Samples, GRPO-artiges RL auf verifizierbaren Aufgaben und Benchmark-Zeilen für SWE-bench Verified, Terminal-Bench, BFCL und einen τ³-Lauf im Bankwesen. Aion-1.0-Instruct-2.3B dokumentiert ein Tool-Calling-Format und veröffentlicht keinen agentischen Benchmark, da es für Zusammenfassung, Umschreiben und Chat auf einem Betriebssystem entwickelt wurde.
Diese Asymmetrie sollte man architektonisch betrachten und nicht als Punktzahl. Ein Agent-Loop ist kein einzelner Modellaufruf; er ist ein Plan, ein Tool-Aufruf, ein Ergebnis, eine erneute Planung und oft eine zweite Meinung, und jeder Schritt ist eine separate Anfrage mit eigener Latenz und Ausfallwahrscheinlichkeit. Das ist die Ebene, auf der Routing aufhört, eine Fußnote der Infrastruktur zu sein, und anfängt, Teil des Designs zu werden. OrcaRouters Modellfusion lässt ein Panel von Modellen dieselbe Anfrage bearbeiten und kombiniert ihre Antworten, und seine Routing-DSL setzt mehrere Modelle zu einem einzigen Aufruf zusammen — die beiden Primitive, auf die es ankommt, wenn „ein kleines Modell, eine Antwort“ nicht die richtige Form für die Aufgabe ist. Weder Aion-1.0-Instruct-2.3B noch MiniCPM5-2B ist heute in unserem Katalog, da es sich bei beiden um selbst gehostete Gewichte statt um gehostete Endpunkte handelt; die Argumentation dreht sich um die Anfragen, die Ihr lokaler Agent nicht allein abschließen kann, nicht um diese beiden Checkpoints.
Die praktische Variante: das kleine Modell für die günstigen Schritte verwenden und den Eskalationspfad explizit machen, statt zu hoffen, dass das 2B-Modell es beim vierten Wiederholungsversuch richtig hinbekommt. Ein Modell wie MiniCPM5-2B mit 46,4 auf SWE-bench Verified ist für seine Größe beeindruckend und liegt trotzdem in mehr als der Hälfte der Fälle falsch, und kein Prompt-Engineering ändert die Arithmetik einer fünfstufigen Schleife.
Was Sie heute tatsächlich überprüfen können
Dies ist der Satz, der die meisten dieser Vergleiche entscheidet. Mit MiniCPM5-2B kann man ein GGUF herunterladen, es in llama.cpp laden, die Benchmark-Befehle der Modellkarte ausführen und prüfen, ob man 86,5 bei AIME reproduziert. Mit Aion-1.0-Instruct-2.3B kann man bfloat16-Safetensors herunterladen, transformers 5.x installieren, trust_remote_code=True akzeptieren und denselben Harness auf seinen elf Benchmarks laufen lassen – das ist mehr Aufwand, aber durchaus möglich, und niemand hat das öffentlich getan.
Was Sie mit Aion nicht tun können, ist, es auf der Runtime auszuführen, die sich am wahrscheinlichsten auf der Maschine befindet, die Sie anvisieren. Die Modellkarte führt GGUF als Bibliotheksnamen auf; das Repository enthält Safetensors-Dateien, Tokenizer-Dateien, zwei benutzerdefinierte Modellierungsmodule und ein Chat-Template. Das Schwester-Repository ONNX-WebGPU existiert, wodurch Browser- und DirectML-Deployment plausibel werden, doch ein GGUF-Build wird versprochen, aber nicht geliefert. Wenn Ihr Deployment-Ziel llama.cpp oder LM Studio ist, hängt die gesamte Entscheidung an dieser einen fehlenden Datei, bis sie verfügbar ist.
Zwei weitere Dinge solltest du selbst prüfen, statt ihnen zu vertrauen. Erstens das 32K-Fenster: Fülle es und sieh nach, ob das Ende des Dokuments die Sliding-Window-Schichten übersteht. Zweitens der Tool-Calling-Pfad: Aions Format verpackt Schemas und Aufrufe in benutzerdefinierte Tags, und wie gnädig es sich von einem fehlerhaften Aufruf erholt, kann dir keine Karte sagen.

OpenBMBs Karte ist die einzige der beiden, die überhaupt Ergebnisse zu langem Kontext und agentischen Fähigkeiten veröffentlicht – AA-LCR 59,0, NoLiMa 68,1, SWE-bench Verified 46,4 – zusammen mit einem 131.072-Token-Fenster und einer standardmäßigen Llama-Architektur.
Zwei ehrliche Anwendungsfälle
Nimm MiniCPM5-2B, wenn die Aufgabe Tools, Code, lange Dokumente oder Chinesisch umfasst. Seine Modellkarte wurde für diese Aufgaben geschrieben, seine Benchmarks decken sie ab, seine Quantisierungen sind verfügbar, und seine Lizenz ist Apache 2.0. Das Risiko besteht darin, dass die SOTA-Behauptung auf dem eigenen Vergleichsset des Anbieters beruht und Modelle mit 2 Milliarden Parametern in Agent-Loops weiterhin auf Weisen scheitern, die echte Tokens kosten.
Nehmen Sie Aion-1.0-Instruct-2.3B, wenn es um eine Windows-Anwendung geht, die lokale Dokumente in einer von acht Sprachen zusammenfasst, umschreibt oder klassifiziert, offline, wobei die Daten das Gerät nie verlassen. Es hat einen kleineren Kontext, ist bei jedem gemeinsamen Benchmark schwächer und wird von einer Modellkarte begleitet, die genau das aussagt. Was es bietet, ist ein dokumentierter On-Device-Vertrag und ein plausibler Weg ins Betriebssystem bis Januar 2027 — und derzeit eine sehr kleine Zahl von Personen, die es ausgeführt haben.
Der Vergleich wird sich in einem Monat anders lesen. Taucht ein GGUF auf, verschwindet der Einwand bezüglich der Laufzeitumgebung. Taucht ein Lauf mit einem unabhängigen Harness auf, sind die Zahlen nicht mehr allein Microsofts. Beides ist bisher nicht geschehen, und so zu tun, als wäre es anders, wäre das Einzige, was dieser Beitrag nicht leisten kann.

Microsofts Datenblatt, das die eigenen schwachen Werte ausweist und die lockeren Bewertungseinstellungen kennzeichnet – der Grund, den Spezifikationsangaben zu vertrauen, selbst dort, wo die Benchmark-Angaben unspektakulär sind.

Der Punktestand nach derzeitiger Beweislage: 35 veröffentlichte Benchmarks und vier Laufzeitformate auf der einen Seite, 11 Benchmarks und safetensors auf der anderen.
