
Aion-1.0-Instruct-2.3B vs MiniCPM5 2B : celui qui a déjà un tableau de scores a déjà un rival dessus
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 184 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 223 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 87 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 96 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 78 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 208 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
La fiche modèle de MiniCPM5-2B est livrée avec un tableau comparatif comportant huit modèles de référence, et Aion-1.0-Instruct-2.3B n’en fait pas partie. Ce n’est pas un dédain ; c’est un horodatage. Le tableau d’OpenBMB a été construit autour de modèles qui existaient au moment de la mise en ligne des poids, le 6 septembre 2026. Le checkpoint de Microsoft est apparu sur Hugging Face le 18 novembre 2026, soixante-treize jours plus tard, sans annonce et avec trois mentions J’aime. Personne n’a mis les deux côte à côte, parce que, pendant le premier jour de son existence, personne ne le pouvait. MiniCPM5-2B, quant à lui, est le modèle le plus téléchargé de cette catégorie, et de loin — environ 966 000 téléchargements contre zéro pour Aion.
Il ne s’agit donc pas d’une comparaison entre deux modèles mesurés. C’est une comparaison entre un modèle qui est arrivé avec un tableau de scores et une base de fans, et un modèle qui est arrivé avec un fichier de configuration et une promesse concernant janvier 2027. Ce qui suit utilise les chiffres publiés par OpenBMB pour MiniCPM5-2B lorsqu’ils existent, la fiche de Microsoft pour Aion-1.0-Instruct-2.3B, et indique clairement lorsqu’une cellule ne contient rien.
Deux modèles de deux milliards et demi de paramètres qui ne se ressemblent pas
Les dimensions annoncées sont suffisamment proches pour inviter à une comparaison des fiches techniques, et ces fiches refusent ensuite de concorder.
• Paramètres — MiniCPM5-2B compte 2,52 B de paramètres au total, dont 1,98 B hors embeddings ; Aion-1.0-Instruct-2.3B en compte 2,29 B avec les embeddings d’entrée et de sortie liés.
• Profondeur — 42 couches pour MiniCPM5-2B, sur une architecture LlamaForCausalLM standard ; 28 couches pour Aion, sur un code de modélisation personnalisé qui nécessite trust_remote_code.
• Attention — 16 têtes de requête et 2 têtes clé/valeur pour MiniCPM5-2B ; 24 têtes de requête et 8 têtes clé/valeur avec une dimension de tête de 128 pour Aion, selon un motif hybride de 21 couches à fenêtre glissante de 2 048 tokens et 7 couches d’attention complète.
• Contexte — 131 072 tokens contre 32 768.
• Langues — anglais et chinois pour MiniCPM5-2B ; huit langues pour Aion, avec des données multilingues représentant environ 6 % de l'entraînement.
• Licence — Apache 2.0 contre MIT. Toutes deux permissives, toutes deux compatibles avec un usage commercial.
• Écosystème — GGUF, MLX, GPTQ, checkpoints base, SFT, midtrain et draft, ainsi que les jeux de données d’entraînement, face aux safetensors et à la promesse de builds quantifiés à venir.
Cette dernière ligne marque le point où l’écart cesse de concerner la qualité du modèle. MiniCPM5-2B est une version que vous pouvez déployer sur quatre environnements d’exécution différents dès cet après-midi. Aion-1.0-Instruct-2.3B est une version que vous pouvez déployer sur un seul, avec un dépôt associé ONNX-WebGPU mis en ligne le soir même, et un format GGUF mentionné sur la fiche du modèle mais absent de la liste des fichiers.
Les chiffres publiés par OpenBMB, et ceux qu’elle n’a pas publiés
La fiche de MiniCPM5-2B revendique l’état de l’art open source de la classe 2B et, fait inhabituel, publie ensuite les preuves sur 35 benchmarks répartis en neuf catégories. Les chiffres phares : AIME 2025 à 86,5, AIME 2026 à 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 et NoLiMa 68,1.
La fiche publie également une moyenne récapitulative sur l’ensemble — 53,9 pour MiniCPM5-2B, 51,1 pour Qwen3.5-4B, 42,7 pour Granite 4.2 3B, 33,2 pour LFM2.5-2.6B. Ce sont les exécutions du propre harnais du fournisseur sur sa propre sélection de benchmarks, et cette sélection privilégie exactement ce pour quoi le modèle a été entraîné : l’usage agentique d’outils, le codage, le contexte long. Un fournisseur qui choisit les tests peut choisir le classement. Lisez le tableau comme une déclaration sur les priorités d’entraînement, ce dont il est honnête, plutôt que comme un verdict indépendant, ce qu’il n’est pas.
Ce que la fiche de MiniCPM5-2B ne contient pas, c’est un quelconque benchmark où apparaît Aion-1.0-Instruct-2.3B, et ce que la fiche d’Aion ne contient pas, c’est l’une des neuf catégories de MiniCPM5-2B. Le chevauchement est réel mais étroit : MMLU-Pro, GPQA, IFEval et les variantes d’AIME sont les seuls endroits où les deux tableaux publiés parlent le même langage, et même là, les configurations du harnais diffèrent. Sur ces lignes communes, l’écart est large — 70,8 contre 33,35 sur MMLU-Pro, 70,2 contre 28,18 sur GPQA — mais il s’agit d’une comparaison entre un modèle entraîné pour le raisonnement et les tâches agentiques et un modèle entraîné pour la compréhension et la réécriture de documents, et c’est exactement ce que disent les chiffres.
Là où l’honnêteté d’Aion est toute l’histoire
La caractéristique intéressante de la fiche de Microsoft n’est pas ses scores. C’est que les scores sont peu flatteurs et que la fiche les affiche quand même, dans un tableau qui nomme aussi son modèle juge, son harnais d’évaluation et deux benchmarks dont les paramètres de notation les font paraître meilleurs que le titre ne le laisse entendre. Une fiche rédigée pour vendre quelque chose n’inclut pas une ligne indiquant MMLU-Pro 33.35.
Un score de {{1}}33,35{{/1}} sur MMLU-Pro n’est pas un nombre qu’une équipe de lancement choisit. Un score de {{2}}28,18{{/2}} sur GPQA non plus. Leur présence atteste que ce tableau est issu d’un pipeline d’évaluation plutôt que d’un pipeline marketing, et c’est une raison légitime de faire confiance aux affirmations qui l’entourent — la fenêtre de 32 768 tokens, les huit langues, la date de coupure des connaissances de décembre 2025, le nombre de paramètres de 2,29 Md dérivé d’une configuration à embeddings liés.
La même franchise traverse les limites. La fiche affirme sans détour qu’un modèle de cette taille « peut manquer de détails fins, produire des affirmations erronées ou montrer une incapacité à suivre un raisonnement complexe en plusieurs étapes », qu’il « n’a pas été entraîné à exceller en connaissances générales », et que la qualité des résultats varie selon les huit langues. Comparez cela à un tableau de 35 benchmarks revendiquant l’état de l’art, et vous avez affaire à deux théories différentes de ce à quoi sert une fiche de modèle. Ni l’une ni l’autre n’est malhonnête. L’une est une revendication de capacité, l’autre une divulgation.
La promesse de l’on-device, et le piège du contexte long
Le cadrage de Microsoft est sans ambiguïté : Aion Instruct est « le petit modèle de langage (SLM) fondateur de l'écosystème Windows », conçu pour des tâches de texte et de système d'exploitation sur l'appareil, avec une version plus puissante ainsi qu'un modèle de modération de contenu qui deviendront le SLM du système d'exploitation Windows d'ici fin janvier 2027. La mise en ligne est décrite comme « une introduction à ce qui arrive ».
Le positionnement de MiniCPM5-2B est plus large : assistants locaux, agents de codage, workflows d’utilisation d’outils et raisonnement, sur téléphones, PC et cockpits intelligents, avec un ensemble d’entraînement d’agents de 500 000 échantillons et plus de 80 000 échantillons RL publiés avec les poids. C’est un modèle conçu pour agir, pas seulement pour répondre.
L'écart de contexte entre 131K et 32K est là où cette différence se manifeste le plus durement, et MiniCPM5-2B en a les preuves : AA-LCR 59.0 et NoLiMa 68.1 sont des benchmarks de contexte long, tous deux exécutés par le fournisseur, tous deux publiés avec le marqueur visuel que sa fiche utilise pour les résultats notés par un juge. Aion dispose d'une fenêtre de 32 768 jetons dont sa propre configuration suggère qu'elle est atteinte par mise à l'échelle YaRN à partir d'une plage native de 2 048 jetons, et d'aucune évaluation de contexte long, quelle qu'elle soit. Si la charge de travail implique de longs documents, le choix a déjà été fait pour vous, et il l'a été par les preuves plutôt que par le nombre de paramètres.
Les stacks d’agents sont le point où la comparaison change de nature.
MiniCPM5-2B a été entraîné pour les boucles d'outils : 500K échantillons SFT d'agents, du RL de style GRPO sur des tâches vérifiables, et des lignes de benchmark pour SWE-bench Verified, Terminal-Bench, BFCL ainsi qu'une exécution τ³ dans le domaine bancaire. Aion-1.0-Instruct-2.3B documente un format d'appel d'outils et ne publie aucun benchmark agentique, car il a été conçu pour le résumé, la réécriture et le chat sur un système d'exploitation.
Cette asymétrie mérite d'être pensée d'un point de vue architectural plutôt que comme un score. Une boucle d'agent n'est pas un seul appel de modèle ; c'est un plan, un appel d'outil, un résultat, une replanification, et souvent un second avis, et chaque étape est une requête distincte avec sa propre latence et sa propre probabilité d'échec. C'est la couche où le routage cesse d'être une note de bas de page de l'infrastructure pour commencer à faire partie de la conception. OrcaRouter, la fusion de modèles, exécute un panel de modèles sur la même requête et combine leurs réponses, et son DSL de routage compose plusieurs modèles en un seul appel — les deux primitives qui comptent lorsque « un petit modèle, une réponse » n'est pas la bonne forme pour la tâche. Ni Aion-1.0-Instruct-2.3B ni MiniCPM5-2B ne figurent dans notre catalogue aujourd'hui, car tous deux sont des poids auto-hébergés plutôt que des points de terminaison hébergés ; l'argument porte sur les requêtes que votre agent local ne peut pas terminer seul, pas sur ces deux checkpoints.
La version pratique : utilisez le petit modèle pour les étapes peu coûteuses, et rendez le chemin d’escalade explicite plutôt que d’espérer que le modèle 2B réussisse au quatrième essai. Un modèle comme MiniCPM5-2B à 46,4 sur SWE-bench Verified est impressionnant pour sa taille et se trompe encore plus d’une fois sur deux, et aucun travail d’ingénierie de prompt ne change l’arithmétique d’une boucle en cinq étapes.
Ce que vous pouvez réellement vérifier aujourd’hui
C’est la phrase qui détermine la plupart de ces comparaisons. Avec MiniCPM5-2B, vous pouvez télécharger un GGUF, le charger dans llama.cpp, exécuter les commandes de benchmark de la fiche du modèle et vérifier si vous reproduisez 86,5 sur AIME. Avec Aion-1.0-Instruct-2.3B, vous pouvez télécharger des safetensors bfloat16, installer transformers 5.x, accepter trust_remote_code=True et exécuter le même harnais sur ses onze benchmarks — ce qui demande plus de travail, mais est tout à fait possible, et personne ne l’a fait publiquement.
Ce que vous ne pouvez pas faire avec Aion, c’est l’exécuter sur le runtime le plus susceptible de se trouver sur la machine que vous ciblez. La fiche liste GGUF comme nom de bibliothèque ; le dépôt contient des safetensors, des fichiers de tokenizer, deux modules de modélisation personnalisés et un gabarit de conversation. Le dépôt frère ONNX-WebGPU existe, ce qui rend un déploiement dans le navigateur et via DirectML plausible, mais une version GGUF est promise plutôt que fournie. Si votre cible de déploiement est llama.cpp ou LM Studio, ce seul fichier manquant détermine toute la décision jusqu’à ce qu’il soit disponible.
Deux autres choses méritent que vous les vérifiiez vous-même plutôt que de faire confiance. Premièrement, la fenêtre de 32 K : remplissez-la et voyez si la fin du document survit aux couches de fenêtre glissante. Deuxièmement, le mécanisme d’appel d’outils : le format d’Aion enveloppe les schémas et les appels dans des balises personnalisées, et la fluidité avec laquelle il se remet d’un appel mal formé n’est pas quelque chose qu’une fiche peut vous dire.

La carte d'OpenBMB est la seule des deux à publier des résultats en contexte long et en mode agentique — AA-LCR 59,0, NoLiMa 68,1, SWE-bench Verified 46,4 — aux côtés d'une fenêtre de 131 072 tokens et d'une architecture Llama standard.
Deux cas d’usage honnêtes
Choisissez MiniCPM5-2B lorsque le travail implique des outils, du code, de longs documents ou le chinois. Sa fiche modèle a été rédigée pour ces tâches, ses benchmarks les couvrent, ses versions quantifiées existent et sa licence est Apache 2.0. Le risque est que l’affirmation d’état de l’art repose sur le propre ensemble de comparaison du fournisseur, et que les modèles à 2 milliards de paramètres dans des boucles d’agents échouent encore d’une manière qui coûte de vrais tokens.
Prenez Aion-1.0-Instruct-2.3B lorsque la tâche consiste, pour une application Windows, à résumer, réécrire ou classer des documents locaux dans l’une de huit langues, hors ligne, sans que les données ne quittent jamais l’appareil. Sa fenêtre de contexte est plus petite, il est plus faible sur tous les benchmarks partagés, et une fiche le dit explicitement. Ce qu’il propose, c’est un contrat documenté pour l’exécution sur appareil et un chemin crédible vers le système d’exploitation d’ici janvier 2027 — et, pour l’instant, un très petit nombre de personnes qui l’ont exécuté.
La comparaison se lira différemment dans un mois. Si un GGUF apparaît, l'objection sur le runtime disparaît. Si une exécution par un harnais indépendant apparaît, les chiffres cessent d'être ceux de Microsoft seul. Aucune des deux n'a encore eu lieu, et prétendre le contraire serait la seule chose que cet article ne peut pas faire.

La fiche de Microsoft, qui publie ses propres scores médiocres et signale les paramètres de notation permissifs — la raison de faire confiance aux affirmations sur les spécifications, même là où les affirmations sur les benchmarks sont banales.

Le tableau des scores, en l'état des preuves : 35 benchmarks publiés et quatre formats d'exécution d'un côté, 11 benchmarks et safetensors de l'autre.
