PAN 2 vs. MiniCPM5-2B: Das eine liefert seine Daten mit, das andere seine Prompts.

OpenBMB veröffentlichte MiniCPM5-2B am 6. September 2026 und publizierte neben dem Checkpoint mit 2,52 Milliarden Parametern die Trainingskorpora: UltraX-Preview für das Web-Vortraining, UltraData-Code mit seiner gestuften Verwaltung von L0 bis L3, UltraData-SFT-Agent-2609 mit einer halben Million Agentenbeispielen und UltraData-RL-2609 mit mehr als achtzigtausend Reinforcement-Learning-Beispielen. Es ist ungewöhnlich, das herauszugeben, und es ist die richtige Linse für diesen Vergleich. PAN 2, still und leise vom Institute of Foundation Models der MBZUAI veröffentlicht, ohne Launch-Post und ohne gehosteten Endpoint, macht etwas Verwandtes, aber nicht dasselbe: Es gibt seine Prompts heraus. Das Repository liefert einen Conceptual-Reasoner-Skill mit einem Systemprompt, einem festen Negativ-Prompt und einem Token-Budget-Validator für die strukturierten Weltzustands-Captions, die sein Diffusions-Backbone erwartet, plus die Trainingskonfigurationen, die es hervorbrachten. Ein Labor öffnete seine Daten. Das andere öffnete seine Schnittstelle. Keines öffnete beides, und welche der beiden für Sie nützlicher ist, hängt ganz davon ab, was Sie bauen wollen.

Zwei Offenlegungen, keine von beiden vollständig

Die Datenveröffentlichung von MiniCPM5-2B ist real und konkret. Die Model Card benennt die Datensätze, verlinkt sie und beschreibt, was jeder beiträgt – Code-Daten, die in Stufen verwaltet werden, Agent-SFT-Samples, RL-Samples aus Mathematik, Code, Allgemeinwissen und Langkontext-Reasoning. Was sie dir nicht liefert, ist die Mischung, die Reihenfolge, das Dekontaminationsverfahren oder die Token-Zahlen pro Quelle. Du siehst die Zutaten, aber nicht das Rezept.

Die Prompt-Veröffentlichung von PAN 2 ist das Spiegelbild. Die Caption-Richtlinie ist vollständig spezifiziert: was eine Weltzustandsbeschreibung enthalten muss, die Reihenfolge der Ereignisse, wie Aktionen an Akteure gebunden werden, wie Kamerabewegung ausgedrückt wird und eine harte Kapazität von 1.536 Text-Encoder-Tokens bei einem weichen Ziel von 1.480. Was sie Ihnen nicht liefert, ist der Korpus, der dem Modell beigebracht hat, diese Captions zu lesen – „Hunderte Millionen von Videos im selben Format annotiert“, ohne Dataset Card und ohne Veröffentlichung.

Wenn Sie also verstehen müssen, warum sich ein kleines Sprachmodell so verhält, wie es sich verhält, gibt Ihnen MiniCPM5-2B mehr an die Hand. Wenn Sie ein Videomodell dazu bringen müssen, den von Ihnen gewünschten Clip zu erzeugen, gibt Ihnen PAN 2 mehr. Beide Veröffentlichungen sind transparenter als der Durchschnitt, und beide hören an dem Punkt auf, an dem Transparenz zum Wettbewerbsnachteil wird.

Die Zahlen – und was sie wert sind

MiniCPM5-2B ist ein dichtes Modell mit 2.516.756.480 Parametern und Llama-Architektur – 1,98 Milliarden Parameter ohne Embeddings, 42 Schichten, 16 Query-Heads gegenüber 2 Key-Value-Heads, 131.072 Token Kontext, Englisch und Chinesisch. OpenBMB beansprucht den Open-Source-State-of-the-Art der 2B-Klasse, mit einem Durchschnitt von 53,9 über sein Vergleichsset gegenüber 51,1 für das beste größere Modell in diesem Set. Interessant wird die Behauptung bei den einzelnen Zeilen: LiveCodeBench v6 bei 69,1, AIME 2026 bei 86,5, MMLU-Pro bei 70,8, GPQA Diamond bei 70,2, SWE-bench Verified bei 46,4, τ²-Bench Telecom bei 97,1, AA-LCR bei 59,0 und NoLiMa bei 68,1.

Dabei handelt es sich um vom Anbieter gemeldete Werte auf einem vom Anbieter ausgewählten Vergleichsset, und dieses Set ist aufschlussreich: Es umfasst Gemma-4-E2B-it, Gemma-4-E4B-it, Qwen3.5-2B, Qwen3.5-4B, LFM2.5-2.6B und LFM2.5-8B-A1B. Auf AA-LCR beträgt die gemeldete Spanne 59,0 für MiniCPM5-2B gegenüber 5,3 für LFM2.5-2.6B und 17,0 für Gemma-4-E2B-it. Auf SWE-bench Verified sind es 46,4 gegenüber 6,0, 2,0 und 3,0. Diese Abstände sind groß genug, dass Unterschiede beim Harness sie nicht erklären, aber der Harness ist weiterhin der von OpenBMB, und niemand hat die Tabelle unabhängig reproduziert.

PAN 2 hat keine Tabelle dieser Art, weil es kein gemeinsames Instrument für Video-Weltmodelle gibt, so wie es eines für Code und Mathematik gibt. Stattdessen enthält es einen strukturierten Abschnitt zu Einschränkungen, der unverblümter ist als jeder Anbieter-Benchmark: Etwa zwei von drei simulierten Plänen enthalten mindestens einen Schritt, der nicht ausgeführt wird; das Erscheinungsbild driftet zwischen Clips, weil jeder Clip aus höchstens einem Einzelbild plus Text startet; Textaktionen geben geschickte Manipulation nur grob an; das Modell kann eine Simulation weiterlaufen lassen, während physikalische Einschränkungen verletzt werden, wobei als Beispiel Nudeln im Sieb erscheinen, bevor sie abgegossen werden.

• Was es ist — MiniCPM5-2B: ein dichtes 2,52B-Textmodell für On-Device-Assistenten, Coding-Agenten und Tool-Workflows. PAN 2: ein 29B-Diffusions-Transformer, der die Konsequenzen einer Aktion als Video darstellt.

• Ausgabe — MiniCPM5-2B: Text. PAN 2: MP4, bis zu 20 Sekunden bei 704×1248 und 24 fps.

• Kontext oder Horizont — MiniCPM5-2B: 131.072 Tokens, mit AA-LCR 59,0 und NoLiMa 68,1 auf OpenBMBs Harness. PAN 2: ein Startframe plus eine Bildunterschrift, sodass lange Interaktionen abdriften – und die Karte weist darauf hin.

• Lizenz — MiniCPM5-2B: Apache-2.0, Englisch und Chinesisch. PAN 2: Apache-2.0 für seine eigenen Gewichte, wobei Qwen3.5-9B und Wan 2.2 unter ihren eigenen Bedingungen stehen.

• Hardware — MiniCPM5-2B: eine einzelne Consumer-GPU, und die Karte dokumentiert vLLM-, SGLang- und llama.cpp-Pfade sowie ein Multi-Chip-Backend. PAN 2: standardmäßig acht H200s im vLLM-Rezept; vier B300s für dreizehn Sekunden Video in etwa 119 Sekunden.

Der On-Device-Anspruch versus die Realität im Knotenmaßstab

MiniCPM5-2B ist so gebaut, dass es auf die Weise klein ist, die zählt: nicht nur wenige Parameter, sondern ein dokumentierter Weg auf Hardware, die Sie bereits besitzen. Die Karte enthält Quickstarts für vLLM, SGLang und llama.cpp, mit einem Hinweis, dass -c 8192 die Kontextlänge auf dem llama.cpp-Pfad festlegt — eine Zeile, die nur in Dokumentation auftaucht, die von Leuten geschrieben wurde, die das Ding tatsächlich auf einem Laptop ausgeführt haben. Sie dokumentiert außerdem FlagOS, ein Multi-Chip-Backend, mit dem dieselben Gewichte auf verschiedenen Beschleunigern laufen können. Das ist eine Deployment-Geschichte, die auf Smartphones, Einplatinencomputer und günstige Inferenz-Boxen abzielt.

PAN 2s Deployment-Story ist in jeder Hinsicht das Gegenteil, und der Grund dafür ist Arithmetik statt Schlamperei. Fünfzig Sampler-Schritte mit classifier-free guidance bei jedem Schritt bedeuten hundert Forward-Pässe durch einen 29B-Transformer pro Clip. Das Verfahren parallelisiert die Guidance über zwei Ranks und die Sequenzlänge über zwei weitere und fügt dann VAE-Patch-Parallelität über vier Ranks im Tile-Modus hinzu, weil das Dekodieren von zwanzig Sekunden 704×1248 ein eigenes Speicherproblem ist. Das lässt sich nicht auf einem Laptop ausführen, und das Team hat auch nicht so getan, als wäre es anders.

Bemerkenswert ist, dass keines der beiden Modelle irgendwo gehostet wird. MiniCPM5-2B hat über eine Million monatliche Downloads und keine First-Party-API; PAN 2 hat keine API und, Stand 11. November 2026, einen Social-Media-Beitrag vom Konto seines Labors und nichts dahinter – keinen Endpoint, keinen Paper-Link, keine Preisangabe. Wenn du eines der beiden willst, betreibst du es selbst.

Wo die Planungshälfte gemietet werden kann

Die Architektur von PAN 2 macht einen Teil davon ablösbar, und das ist genau der Teil, den die meisten Teams nicht selbst bauen sollten. Der konzeptionelle Reasoner – das Sprachmodell, das eine Beobachtung und eine angeforderte Aktion in die strukturierte Beschreibung verwandelt, die das Diffusions-Backbone konsumiert – ist ausdrücklich ein beliebiges instruktionsbefolgendes Modell. Der Bericht ordnet vier danach ein, wie oft ein simulierter Plan von Anfang bis Ende abgeschlossen wird: Claude Opus 5.5, GPT-6 Astra bei mittlerem Aufwand, Kimi K3, dann Qwen3.8-Flash. Die Modellkarte merkt außerdem an, dass jedes instruktionsbefolgende LLM verwendet werden kann und dass ein Hinausgehen über die Trainingsverteilung in der Regel handverfeinerte Prompts erfordert.

Damit wird der Reasoner zu einer operativen Entscheidung, die Sie erneut aufgreifen möchten, und es ist günstiger, sie über einen Router erneut aufzugreifen, als vier Beschaffungsgespräche zu führen. Qwen3.8-Flash ist auf OrcaRouter verfügbar; ein einziger API-Schlüssel mit automatischem Failover ermöglicht es Ihnen, dieselbe Caption-Workload über mehrere Planner hinweg auszuführen – zum Listenpreis des Anbieters mit 0 % durchgereichtem Aufschlag, und Sie behalten denjenigen, der Ihre Pläne am häufigsten abschließt. OrcaRouter hostet PAN 2 nicht – es gibt kein gehostetes PAN 2 zum Routen – und MiniCPM5-2B hostet es ebenfalls nicht. Der Renderer und das kleine Modell bleiben auf Ihrer Hardware; der Planner ist die Commodity.

Für MiniCPM5-2B ist die Rechnung anders, und das sollte man ausdrücklich sagen. Modelle auf dem Gerät gibt es gerade deshalb, um nutzungsabhängig abgerechnete Aufrufe zu vermeiden, und ein 2B-Modell, das auf einem Telefon läuft, wird nicht dadurch besser, dass man es umgeht. Wenn Ihr Grund Datenschutz, Latenz oder Offline-Betrieb ist, ist Routing die falsche Antwort und MiniCPM5-2B das richtige Modell. Wenn Ihr Grund die Kosten sind, vergleichen Sie ehrlich: Ein 2B-Modell, das im eigenen Durchschnitt 53,9 erreicht, kann mehr an Engineering-Zeit kosten, um bei Ihrer Aufgabe Parität zu erreichen, als ein nutzungsabhängig abgerechneter Aufruf an ein größeres Modell.

Wofür jedes Release tatsächlich gedacht ist

MiniCPM5-2B ist ein Modell mit einer Aufgabe: das beste offene Modell der 2B-Klasse bei den Benchmarks zu sein, die seinen Nutzern wichtig sind, auf Geräten zu laufen und die Daten mitzuliefern, sodass die Community darauf statt darum herum aufbauen kann. Es ist ein ausgereiftes Release mit einer Dokumentationsoberfläche, die mehrere Iterationen widerspiegelt — Schnellstarts für drei Serving-Stacks, einen Abschnitt zu Tool-Aufrufen, Cookbooks, Fine-Tuning-Rezepte, ein Multi-Chip-Backend.

PAN 2 ist ein Forschungsartefakt mit einem ungewöhnlich umfassenden Anspruch. Es vertritt die These, dass simulatives Denken – ein Agent, der sich die Folgen seiner möglichen Handlungen vorstellt, bevor er eine davon auswählt – eine Fähigkeit ist, die man aufbauen kann, statt eine Fähigkeit, deren Entstehung man nur erhoffen kann, und es setzt das Argument als zweistufiges System um, hinter dem ein veröffentlichtes Muster steht (die Generative-Latent-Prediction-Formulierung in Kritik der Weltmodelle, arXiv 2507.05169). Die Framework-Unterstützung, die am 10. November 2026 verfügbar wurde, machte es lauffähig. Ein aus zwei Absätzen bestehender Beitrag auf dem eigenen X-Konto des Labors am selben Nachmittag bedeutete nicht, dass es gestartet wurde, und seitdem wurde nichts weiter gesagt.

Keines der beiden ist ein besseres Release als das andere. Sie sind Antworten auf unterschiedliche Fragen, veröffentlicht in unterschiedlichen Phasen der Gewissheit. Ein Labor sagt: „Hier ist ein kleines Modell, dem du vertrauen kannst, und hier ist, was dahintersteckt.“ Das andere sagt: „Hier ist ein System, das etwas Neues tut, und hier ist genau, wo es scheitert.“ Ein Vergleich zwischen ihnen ist nur nützlich, wenn du weißt, welcher dieser Sätze dein Projekt beschreibt.