PAN 2 vs MiniCPM5-2B : L'un publie ses données, l'autre publie ses prompts

OpenBMB a publié MiniCPM5-2B le 6 septembre 2026 et, en plus du checkpoint de 2,52 milliards de paramètres, a publié les corpus d'entraînement : UltraX-Preview pour le pré-entraînement web, UltraData-Code avec sa gestion hiérarchisée L0 à L3, UltraData-SFT-Agent-2609 avec un demi-million d'échantillons d'agents, et UltraData-RL-2609 avec plus de quatre-vingt mille échantillons d'apprentissage par renforcement. C'est une chose inhabituelle à mettre à disposition, et c'est la bonne lunette pour cette comparaison. PAN 2, publié discrètement par l'Institute of Foundation Models de MBZUAI, sans billet de lancement ni point de terminaison hébergé, fait quelque chose d'adjacent mais pas identique : il livre ses prompts. Le dépôt fournit une compétence de raisonneur conceptuel avec un prompt système, un prompt négatif fixe et un validateur de budget de tokens pour les légendes structurées d'état du monde que son backbone de diffusion attend, ainsi que les configurations d'entraînement qui l'ont produit. Un laboratoire a ouvert ses données. L'autre a ouvert son interface. Aucun n'a ouvert les deux, et celui qui vous sera le plus utile dépend entièrement de ce que vous cherchez à construire.

Deux révélations, aucune des deux n’étant complète

La publication des données de MiniCPM5-2B est réelle et précise. La fiche nomme les jeux de données, fournit des liens vers eux et décrit ce que chacun apporte — des données de code gérées par niveaux, des échantillons SFT pour agents, des échantillons RL couvrant les mathématiques, le code, les connaissances générales et le raisonnement sur contexte long. Ce qu’elle ne fournit pas, c’est le mélange, l’ordre, la procédure de décontamination ou le nombre de tokens par source. On voit les ingrédients, pas la recette.

La publication des prompts de PAN 2 est l’image miroir. La politique de légendage est entièrement spécifiée : ce que doit contenir une description de l’état du monde, l’ordre des événements, la façon dont les actions se lient aux acteurs, la manière dont le mouvement de caméra est exprimé, et une capacité maximale stricte de 1 536 tokens de l’encodeur de texte, avec une cible souple de 1 480. Ce qu’elle ne vous donne pas, c’est le corpus qui a appris au modèle à lire ces légendes — « des centaines de millions de vidéos annotées dans le même format », sans fiche de jeu de données ni publication.

Donc, si votre besoin est de comprendre pourquoi un petit modèle de langage se comporte comme il le fait, MiniCPM5-2B vous donne davantage de matière pour travailler. Si votre besoin est d’amener un modèle vidéo à produire le clip que vous avez demandé, PAN 2 vous en donne davantage. Les deux publications sont plus transparentes que la médiane, et toutes deux s’arrêtent au point où la transparence devient un désavantage concurrentiel.

Les chiffres, et ce qu’ils valent

MiniCPM5-2B est un modèle dense de 2 516 756 480 paramètres à architecture Llama — 1,98 milliard de paramètres hors embeddings, 42 couches, 16 têtes de requête contre 2 têtes clé-valeur, 131 072 jetons de contexte, en anglais et en chinois. OpenBMB revendique l’état de l’art open source de la classe 2B, avec une moyenne de 53,9 sur son ensemble de comparaison, contre 51,1 pour le meilleur modèle plus grand de cet ensemble. Ce sont les lignes individuelles qui rendent l’affirmation intéressante : LiveCodeBench v6 à 69,1, AIME 2026 à 86,5, MMLU-Pro à 70,8, GPQA Diamond à 70,2, SWE-bench Verified à 46,4, τ²-Bench Telecom à 97,1, AA-LCR à 59,0 et NoLiMa à 68,1.

Ces chiffres sont rapportés par le fournisseur sur un ensemble de comparaison choisi par le fournisseur, et cet ensemble est instructif : il inclut Gemma-4-E2B-it, Gemma-4-E4B-it, Qwen3.5-2B, Qwen3.5-4B, LFM2.5-2.6B et LFM2.5-8B-A1B. Sur AA-LCR, l’écart rapporté est de 59,0 pour MiniCPM5-2B contre 5,3 pour LFM2.5-2.6B et 17,0 pour Gemma-4-E2B-it. Sur SWE-bench Verified, il est de 46,4 contre 6,0, 2,0 et 3,0. Ces écarts sont suffisamment importants pour que les différences de harnais ne les expliquent pas, mais le harnais reste celui d’OpenBMB et personne n’a reproduit le tableau de façon indépendante.

PAN 2 ne dispose pas d’un tableau de ce type, car il n’existe pas d’instrument partagé pour les modèles de monde vidéo comme il en existe pour le code et les mathématiques. Il comporte à la place une section structurée sur les limites, plus directe que n’importe quel benchmark de fournisseur : environ deux plans simulés sur trois contiennent au moins une étape qui n’est pas exécutée ; l’apparence dérive d’un clip à l’autre parce que chacun part d’au plus une seule image et de texte ; les actions textuelles ne spécifient la manipulation dextre que de manière grossière ; le modèle peut laisser une simulation progresser en violant des contraintes physiques, l’exemple donné étant celui des pâtes apparaissant dans la passoire avant d’être égouttées.

• Ce qu’il est — MiniCPM5-2B : un modèle textuel dense de 2,52 milliards de paramètres pour assistants embarqués, agents de programmation et workflows d’outils. PAN 2 : un transformateur de diffusion de 29 milliards de paramètres qui représente les conséquences d’une action sous forme de vidéo.

• Sortie — MiniCPM5-2B : texte. PAN 2 : MP4, jusqu’à 20 secondes en 704×1248 et 24 i/s.

• Contexte ou horizon — MiniCPM5-2B : 131 072 tokens, avec AA-LCR 59,0 et NoLiMa 68,1 sur le banc d’évaluation d’OpenBMB. PAN 2 : une image de départ plus une légende, donc les interactions longues dérivent et la fiche l’indique.

• Licence — {{1}}MiniCPM5-2B : Apache-2.0, anglais et chinois{{/1}}. {{2}}PAN 2 : Apache-2.0 sur ses propres poids, avec Qwen3.5-9B et Wan 2.2 selon leurs propres conditions.{{/2}}

• Matériel — MiniCPM5-2B : un seul GPU grand public, et la fiche documente les chemins vLLM, SGLang et llama.cpp ainsi qu’un backend multi-puces. PAN 2 : huit H200 par défaut dans la recette vLLM ; quatre B300 pour treize secondes de vidéo en environ 119 secondes.

La promesse de l'embarqué face à la réalité à l'échelle des nœuds

MiniCPM5-2B est conçu pour être petit là où cela compte : pas seulement avec peu de paramètres, mais avec un parcours documenté vers du matériel que vous possédez déjà. La fiche contient des guides de démarrage rapide pour vLLM, SGLang et llama.cpp, avec une note indiquant que -c 8192 définit la longueur de contexte sur la voie llama.cpp — une ligne qui n’apparaît que dans une documentation écrite par des personnes ayant réellement fait tourner la chose sur un ordinateur portable. Elle documente aussi FlagOS, un backend multi-puces qui permet aux mêmes poids de s’exécuter sur différents accélérateurs. C’est un scénario de déploiement destiné aux téléphones, aux ordinateurs monocartes et aux boîtiers d’inférence bon marché.

L’histoire du déploiement de PAN 2 est à l’opposé sur tous les plans, et la raison est arithmétique plutôt qu’une question de négligence. Cinquante étapes d’échantillonnage avec guidage sans classificateur à chaque étape signifient cent propagations avant dans un transformateur de 29B par clip. La recette parallélise le guidage sur deux rangs et la longueur de séquence sur deux autres, puis ajoute le parallélisme des patchs VAE sur quatre rangs en mode tuile, car décoder vingt secondes de 704×1248 pose son propre problème de mémoire. On ne peut pas faire tourner cela sur un ordinateur portable, et l’équipe n’a pas prétendu le contraire.

Ce qu'il convient de noter, c'est qu'aucun des deux modèles n'est hébergé nulle part. MiniCPM5-2B compte plus d'un million de téléchargements mensuels et aucune API propriétaire ; PAN 2 n'a aucune API et, au 11 novembre 2026, une seule publication sur les réseaux sociaux depuis le compte de son laboratoire, sans rien derrière — aucun point de terminaison, aucun lien vers un article, aucune tarification. Si vous voulez l'un ou l'autre, c'est vous qui l'exécutez.

Où la moitié dédiée à la planification peut être louée

L’architecture de PAN 2 rend l’une de ses parties séparable, et c’est précisément la partie que la plupart des équipes ne devraient pas construire elles-mêmes. Le raisonneur conceptuel — le modèle de langage qui transforme une observation et une action demandée en la légende structurée que consomme le backbone de diffusion — est explicitement n’importe quel modèle capable de suivre des instructions. Le rapport en classe quatre selon la fréquence à laquelle un plan simulé se déroule de bout en bout : Claude Opus 5.5, GPT-6 Astra à effort moyen, Kimi K3, puis Qwen3.8-Flash. La fiche précise aussi que n’importe quel LLM capable de suivre des instructions peut être utilisé, et que sortir de la distribution d’entraînement tend à nécessiter des prompts affinés à la main.

Cela fait du moteur de raisonnement un choix opérationnel que vous voudrez réévaluer, et y revenir coûte moins cher via un routeur que via quatre discussions d’approvisionnement. Qwen3.8-Flash est disponible sur OrcaRouter ; une seule clé API avec basculement automatique vous permet d’exécuter la même charge de travail de légendage sur plusieurs planificateurs, au prix catalogue du fournisseur avec 0 % de marge répercutée, et de conserver celui qui mène le plus souvent vos plans à terme. OrcaRouter n’héberge pas PAN 2 — il n’y a pas de PAN 2 hébergé à router — et il n’héberge pas non plus MiniCPM5-2B. Le moteur de rendu et le petit modèle restent sur votre matériel ; le planificateur est la partie banalisée.

Pour MiniCPM5-2B, le calcul est différent d’une manière qui mérite d’être précisée. Les modèles embarqués existent précisément pour éviter les appels facturés à l’usage, et un modèle de 2B qui tourne sur un téléphone n’est pas amélioré par le fait de le contourner. Si votre raison est la confidentialité, la latence ou le fonctionnement hors ligne, le contournement n’est pas la bonne réponse et MiniCPM5-2B est le bon modèle. Si votre raison est le coût, comparez honnêtement : un modèle de 2B qui obtient 53,9 sur sa propre moyenne peut coûter plus en temps d’ingénierie pour atteindre la parité sur votre tâche qu’un appel facturé à l’usage vers un modèle plus grand.

À quoi sert réellement chaque version

MiniCPM5-2B est un modèle avec une mission : être le meilleur modèle ouvert de la catégorie 2B sur les benchmarks qui comptent pour ses utilisateurs, s’exécuter sur l’appareil et être livré avec les données afin que la communauté puisse construire dessus plutôt qu’autour. C’est une version mature dont la documentation reflète plusieurs itérations — des guides de démarrage rapide pour trois piles de service, une section sur l’appel d’outils, des cookbooks, des recettes de fine-tuning, un backend multi-puces.

PAN 2 est un artefact de recherche qui porte une affirmation d'une complétude inhabituelle. Il soutient que le raisonnement par simulation — un agent qui imagine les conséquences de ses actions candidates avant d'en choisir une — est une capacité que l'on peut construire plutôt qu'une capacité que l'on espère voir émerger, et il met en œuvre cette thèse sous la forme d'un système en deux étapes s'appuyant sur un schéma publié (la formulation Generative Latent Prediction dans Critique of World Models, arXiv 2507.05169). La prise en charge du framework arrivée le 10 novembre 2026 l'a rendu exécutable. Un post de deux paragraphes sur le propre compte X du laboratoire, l'après-midi même, n'a pas suffi à le lancer, et rien d'autre n'a été dit depuis.

Aucune de ces deux versions n’est meilleure que l’autre. Ce sont des réponses à des questions différentes, publiées à des stades de confiance différents. Un laboratoire dit : « voici un petit modèle en lequel vous pouvez avoir confiance, et voici ce qui y a été mis ». L’autre dit : « voici un système qui fait quelque chose de nouveau, et voici exactement où il échoue ». Une comparaison entre les deux n’est utile que si vous savez laquelle de ces phrases décrit votre projet.