d1-Omni-2B vs MiniCPM5-2B: un modelo de decisión no es un modelo de chat pequeño

Ambos son de pesos abiertos, ambos rondan los dos mil millones de parámetros y ambos están pensados para hardware que vive en un escritorio en lugar de en un rack. Ahí es donde termina el parecido. d1-Omni-2B recibe un estado —texto, JSON, imágenes, fotogramas de vídeo, audio— además de un conjunto de preguntas con nombre, y devuelve respuestas tipadas con probabilidades calibradas en una sola pasada hacia delante. MiniCPM5-2B recibe texto y escribe más texto, razonando hasta llegar a una respuesta un token a la vez. Cambiar uno por otro no es una actualización ni una degradación del modelo; es reescribir todo aquello que consume la respuesta. La comparación que merece la pena hacer, entonces, no es cuál obtiene una puntuación más alta. Es cuál de los contratos puede aceptar realmente tu pipeline y cuánto te cuesta cada uno en licencias, latencia y trabajo de despliegue para cumplirlo.

Lo que realmente devuelve una llamada

Una llamada a d1 se parece más a un esquema que a una conversación. Le pasas system_one un estado y un diccionario de preguntas, cada una con un tipo —sí/no, opción única, opción múltiple, puntuaciones ordenadas, fragmento de texto, número, fecha, una caja delimitadora o varias— y recibes de vuelta un valor por pregunta con una probabilidad asociada. El ejemplo de la propia ficha del modelo enruta un ticket de soporte: un indicador de reembolso, una asignación de equipo extraída de dos criterios con nombre, y una confianza en cada uno. Sin prosa, sin transcripción, sin tokens emitidos. La ficha lo afirma sin rodeos: no es un modelo de chat.

Ese diseño es todo el producto. Como no se decodifica nada, no hay paso de análisis, ni reparación de JSON, ni bucle de reintentos para el modelo que envolvió su respuesta en una disculpa. Devuelve un valor con un umbral que tú eliges, con una vía de abstención cuando nada del conjunto de opciones aplica — Liquid reporta 78,5 en esa prueba de abstención escrita y 75,8 en la hablada. Si tu código posterior necesita una asignación de cola y un número, esta es la forma que buscas.

MiniCPM5-2B devuelve la forma opuesta. Es un decodificador estándar de arquitectura Llama que piensa antes de responder, construido sobre una etapa de SFT de pensamiento profundo de 400 mil millones de tokens, RL por dominio y un paso de destilación on-policy que integra dieciséis profesores especialistas en un único checkpoint denso. Es perfectamente posible obtener de él salidas estructuradas —sus puntuaciones en llamadas a funciones son respetables, y OpenBMB incluye un analizador de herramientas para vLLM—, pero lo consigues pidiéndolo en un prompt y confiando en que el decodificador obedezca. El razonamiento es la característica. También es lo que pagas en cada llamada.

El cara a cara que no existe

No hay ningún benchmark en el que ambos modelos se hayan ejecutado. Eso no es una laguna en la información; es una consecuencia de la división anterior. d1-Omni-2B aparece solo en las suites de decisión de Liquid — DecisionBench v1 con 76.4, decisionbench.ai v4 con 84.7, Decision Index public suite v0.3 con 49.0, ImajevBench v2.0-lite con 72.3, un promedio de visión no ponderado de 67.7 en dieciocho benchmarks. MiniCPM5-2B aparece solo en la suite de razonamiento y agéntica de OpenBMB: un promedio de 53.9 en 34 pruebas, LiveCodeBench v6 con 69.1, AIME 2025 con 86.5, SWE-bench Verified con 46.4, BFCL v4 con 66.6, y un mucho más modesto 8.9 en Humanity's Last Exam. Ninguno de esos números se mide en los mismos ítems, por el mismo evaluador, que cualquier número de la primera lista.

Cualquiera que te muestre una tabla de dos columnas con estas puntuaciones una al lado de la otra está haciendo un empalme, y el empalme es peor de lo que parece. Cada cifra de {{1}}d1-Omni-2B{{/1}} está realizada por el proveedor y, a la fecha de publicación, no ha sido reproducida de forma independiente. El promedio destacado de OpenBMB también está realizado por el proveedor —la empresa publicó sus corpus de entrenamiento y su marco de RL, lo que es más de lo que hacen la mayoría de los laboratorios, pero eso es reproducibilidad del método, no de las puntuaciones.

Los números independientes que sí existen merecen leerse con atención porque no coinciden entre sí según la versión del índice. Artificial Analysis puntuó a MiniCPM5-2B con 15 en su Intelligence Index v4.2 cuando cubrió el lanzamiento el 7 de septiembre; la página actual ahora indica 12; la propia afirmación de OpenBMB de 23 se hizo sobre la v4.1.1. Esos tres dígitos no son un descenso ni una discrepancia: el índice cambió por debajo de ellos, y las puntuaciones de versiones distintas no son comparables. Toma la dirección e ignora el dígito. Artificial Analysis no tiene ninguna página para d1-Omni-2B ni para su hermano d1-2B, así que el modelo de decisión aún no tiene ningún tipo de medición independiente.

Un número que parece transferible y no lo es: Liquid realizó una comparación de 27 pruebas de su modelo de chat LFM3-1.7B frente a MiniCPM5-2B y ganó 23 a 4. Ese resultado indica que un decodificador postentrenado de Liquid supera al de OpenBMB en esas pruebas. No dice nada sobre la cabeza de decisión, que nunca estuvo en esa ejecución, y no debería tomarse prestado para zanjar este emparejamiento.

Donde las especificaciones realmente se separan

• Contrato de salida — valores tipados con probabilidades y cero tokens de salida frente a texto generado con una traza de razonamiento implícita. Todo lo demás en esta lista es consecuencia de eso.

• Tamaño — 2,17 mil millones de parámetros en un checkpoint BF16 de 4,33 GB, frente a 2,52 mil millones en total y 1,98 mil millones sin contar embeddings, aproximadamente 5 GB en BF16. Una diferencia lo bastante pequeña como para que ninguno gane solo por el espacio que ocupa.

• Entradas — texto o estado JSON, imágenes, fotogramas de vídeo y audio, combinables en una sola solicitud, frente a solo texto. MiniCPM5-2B no tiene codificador de visión ni ruta de audio; si el estado contiene una forma de onda, esta comparación termina aquí. Si quieres la línea multimodal de OpenBMB, esa es MiniCPM-V 4.7, una familia distinta con un compromiso distinto.

• Contexto — 128.000 tokens frente a 131.072. Es el mismo número expresado de dos maneras, y no es motivo para elegir ninguno de los dos modelos. Solo importa en que ambos pueden albergar un documento largo; la limitación de d1-Omni-2B es que los pasajes hablados largos degradan su precisión mucho antes de que se llene la ventana, y la ficha lo indica.

• Licencia — LFM Open License v1.0 con un umbral de ingresos anuales de $10,000,000, frente a Apache-2.0 sin ninguna condición. Esta es la mayor diferencia individual en la tabla y no tiene nada que ver con la calidad del modelo.

• Runtime — código de modelado personalizado detrás de trust_remote_code, Transformers 5.19 o posterior, solo BF16, sin GGUF del proveedor y sin una ruta documentada para vLLM ni SGLang, frente a las herramientas de Llama sin modificar: vLLM, SGLang, llama.cpp, MLX, GPTQ, un GGUF oficial en el repositorio y compilaciones cuantizadas que ya circulan.

• Adopción — 36 descargas y 10 me gusta cuatro días después de que el repositorio apareciera el 24 de octubre, frente a 1.216.145 descargas y 1.823 me gusta desde el 6 de septiembre. Nota: la cifra de MiniCPM ha tenido siete semanas y una publicación de lanzamiento; la de d1 no ha tenido ninguna de las dos, así que léala como una señal de madurez y no como un veredicto.

Cinco milisegundos frente a un pensamiento

Liquid publica la latencia de llamada en caliente de d1-Omni-2B, medida tras compile() en BF16 como la mediana de veinte llamadas. En una H100 PCIe, una sola pregunta cuesta 5,8 ms, tres preguntas 7,7 ms, un estado de 5.000 tokens 52 ms, una imagen de 384 píxeles 12,1 ms y diez segundos de audio 12,4 ms. En lotes de 64 estados por llamada, procesa 1.154 estados por segundo, y una MI325X es aún más rápida, con 3,7 ms y 1.697 estados por segundo. Una M5 Pro tarda 21,1 ms en una pregunta y procesa 110 estados por segundo —lenta en comparación con una tarjeta de centro de datos, y aun así lo bastante rápida para sentirse instantánea dentro de una aplicación de escritorio.

Nada de esto es una carrera justa, porque el otro lado no publica un tiempo. Lo que puede decirse estructuralmente es que la latencia de un decodificador escala con cuánto piensa, y MiniCPM5-2B es un modelo construido para pensar. En una llamada de enrutamiento o triaje —donde la respuesta correcta es uno de cuatro nombres de cola—, estás pagando por una justificación que nadie pidió, y pagándola por token. Artificial Analysis le pone una cifra a esto: a lo largo de su ejecución del Intelligence Index, el modelo emitió 74 millones de tokens de salida, frente a una mediana de 67 millones en modelos comparables, algo que su resumen califica de «algo verboso». Eso no es un argumento en contra del modelo; es un argumento en contra de usarlo en el rol para el que se construyó d1-Omni-2B.

Tome los números de d1 con la cautela habitual. Son mediciones del proveedor, tomadas en hardware específico con un paso de compilación, y una ejecución independiente casi con certeza dará un resultado distinto. Lo que se mantiene es el orden de magnitud: milisegundos de un solo dígito por decisión.

La cláusula de licencia que tiene prioridad sobre el marcador

MiniCPM5-2B se distribuye bajo la licencia Apache-2.0. Puedes usarlo comercialmente, bifurcarlo, redistribuirlo, integrarlo en un producto y nunca tener que hablar con un abogado al respecto. d1-Omni-2B se distribuye bajo la LFM Open License v1.0, que concede el uso comercial solo mientras tu organización se mantenga por debajo de los 10.000.000 de dólares de ingresos anuales. En ese umbral o por encima de él, la licencia establece que el uso comercial «no está licenciado en virtud del presente Acuerdo», lo que significa que necesitas un acuerdo independiente con Liquid AI o no distribuyes el modelo.

La redistribución está permitida en ambos casos, con condiciones por parte de LFM: transmitir la licencia, marcar los archivos modificados y conservar los avisos. No hay ningún requisito de cambio de marca. Para un equipo de investigación, un prototipo o una empresa cómodamente por debajo del umbral, esa cláusula es una formalidad. Para un equipo de producto de una empresa que podría cruzar el umbral durante la vida útil del modelo, es una cuestión de adquisiciones que llega antes que el primer benchmark, y es el tipo de cosa que el departamento legal descubre tarde, después de que la arquitectura esté definida.

La asimetría es lo bastante marcada como para afirmarla sin ambages: solo por la licencia, MiniCPM5-2B es la apuesta más segura para cualquier despliegue comercial, y la licencia de d1-Omni-2B es un coste real de elegirlo, no una nota al pie.

¿Cuál puedes ejecutar realmente hoy?

MiniCPM5-2B es aburrido de desplegar, lo cual es el mayor elogio disponible para un modelo de este tamaño. Es un decodificador estándar, así que vLLM y SGLang lo admiten sin parche, llama.cpp y LM Studio leen el GGUF, MLX cubre Apple silicon y una compilación Q4_K_M ocupa unos 1,45 GB. La única trampa es la llamada a herramientas: el modelo emite llamadas de estilo XML, así que vLLM necesita que el analizador de llamadas a herramientas minicpm5 esté habilitado o tus llamadas a funciones llegan como prosa.

d1-Omni-2B todavía no es aburrido. Cargarlo implica un Transformers reciente con trust_remote_code=True, además de torch, torchvision y Pillow; el repositorio incluye safetensors en BF16 y nada más. No hay GGUF del proveedor, no hay receta de vLLM fusionada en la tarjeta, y Hugging Face no enumera ningún proveedor de inferencia para él — así que no hay endpoint alojado con el que probar, que también es la razón por la que no existe un precio alojado que cotizar. La ruta práctica que tomará la mayoría es la etiqueta de Ollama d1-omni:2b, un empaquetado comunitario de 4.4GB que envuelve los mismos pesos. Eso funciona. También es la única razón por la que un desarrollador puede probar este modelo en una tarde, y es trabajo de un tercero, no de Liquid.

Ninguno de los dos modelos tiene un precio publicado por token, porque ninguno se vende por token. Cualquier cifra por millón que encuentres para cualquiera de ellos se deriva de cálculos de alquiler de GPU, no de una cotización de un proveedor. Si los comparas por costo, compáralos por lo que cuesta una decisión en segundos de tiempo de GPU — y recuerda que la respuesta del modelo de decisión termina cuando la llamada retorna, mientras que la del modelo de chat termina cuando deja de pensar.

El patrón que utiliza ambos

La conclusión honesta de esta comparación es que no son competidores, y la arquitectura útil los trata como tales. d1-Omni-2B se encarga del juicio barato, de alto volumen y sensible a la latencia: qué cola, qué equipo, si es la misma factura, cuán urgente, cuál de estas doce cajas. Se ejecuta localmente, devuelve un número al que puedes aplicar un umbral y se abstiene cuando no lo sabe.

MiniCPM5-2B se encarga de la parte que requiere lenguaje: explicarle la decisión a un cliente, redactar la respuesta, escribir la corrección, llamar a la siguiente herramienta de la cadena. Es peor en la primera tarea y mejor en la segunda, y la separación no te cuesta más que una llamada a función entre ambas: una ruta que solo escala al modelo caro cuando la confianza del modelo barato cae por debajo de tu umbral. Esa capa de escalado es justo el tipo de cosa para la que sirve una plataforma de enrutamiento: una única clave de API para más de 200 modelos con un 0 % de recargo sobre el precio de lista del proveedor, conmutación por error automática cuando un proveedor falla y un DSL de enrutamiento que te permite componer varios modelos detrás de una sola llamada. Ni d1-Omni-2B ni MiniCPM5-2B están hoy en el catálogo de OrcaRouter, así que la mitad de decisión de este patrón sigue autoalojada por ahora; pero la mitad generativa, la que querrás cambiar en cuanto lleguen mejores modelos pequeños, es precisamente la mitad que merece enrutarse en lugar de codificarse de forma fija.

¿Quién debería elegir cuál?

Elige d1-Omni-2B cuando el estado contenga audio o vídeo, cuando necesites una probabilidad en lugar de una frase, cuando la respuesta tenga que ser un cuadro delimitador, un span o un número con un rango, y cuando la llamada se encuentre en un bucle en el que 6 ms y 78 ms sean productos diferentes. Elígelo sabiendo que el umbral de licencia se aplica a ti, que el despliegue es territorio de código personalizado y que todavía no existe ninguna evaluación independiente: la propia ficha de Liquid orienta a las personas sin audio hacia d1-2B, lo cual es una indicación más honesta de lo que la mayoría de los proveedores ofrece por iniciativa propia.

Elige MiniCPM5-2B cuando la entrada sea texto, cuando la salida deba leerla una persona o alimentar una herramienta que espera prosa, cuando necesites razonamiento a lo largo de un documento extenso y cuando Apache-2.0 y una ruta de despliegue estándar de Llama eliminen dos categorías de riesgo antes de que escribas una sola línea de código. Elígelo sabiendo que el promedio de 53,9 del proveedor no se ha reproducido, que su puntuación independiente es 12 en el índice actual —muy por encima de la mediana de 5 para los modelos de su clase de tamaño, y no comparable con el 15 o el 23 registrados en versiones anteriores— y que sus resultados publicados más débiles, Terminal-Bench con 8,6 y SWE-bench Pro con 14,4, son los más cercanos al trabajo agéntico, que es justo donde más se promociona.

Y no elijas ninguno de los dos si lo que realmente querías era un modelo pequeño de chat que pueda ver. MiniCPM5-2B no puede, d1-Omni-2B no conversa, y el modelo al que la gente suele referirse cuando escribe cualquiera de los dos nombres en un buscador es otro distinto dentro de las mismas familias. Lo que hay que vigilar es la primera evaluación de audio independiente de d1-Omni-2B. Sus resultados en lengua hablada —92,5 en FLEURS en 43 idiomas, pero 42,0 en escrito que se desploma a 22,8 en hablado en estados cortos, y de 83,6 a 41,8 en pasajes multilingües— describen un modelo que es excelente identificando un idioma y frágil entendiendo un párrafo leído en voz alta. Hasta que alguien fuera de Liquid mida esa brecha, el caso de la entrada por voz es una promesa con una cifra adjunta, no un resultado.