PAN 2 vs MiniCPM5-2B: Satu Merilis Datanya, yang Lain Merilis Prompt-nya

OpenBMB merilis MiniCPM5-2B pada 6 September 2026 dan, bersamaan dengan checkpoint 2,52 miliar parameter itu, menerbitkan korpus pelatihan: UltraX-Preview untuk pra-pelatihan web, UltraData-Code dengan pengelolaan bertingkat L0 hingga L3, UltraData-SFT-Agent-2609 dengan setengah juta sampel agen, dan UltraData-RL-2609 dengan lebih dari delapan puluh ribu sampel pembelajaran penguatan. Itu hal yang tidak biasa untuk diserahkan, dan itulah lensa yang tepat untuk perbandingan ini. PAN 2, yang diterbitkan secara diam-diam oleh Institute of Foundation Models milik MBZUAI tanpa postingan peluncuran dan tanpa endpoint yang dihosting, melakukan hal yang berdekatan tetapi tidak sama: ia menyerahkan prompt-nya. Repositori itu menyertakan skill conceptual-reasoner dengan system prompt, negative prompt tetap, dan validator anggaran token untuk caption world-state terstruktur yang diharapkan oleh backbone difusinya, plus konfigurasi pelatihan yang menghasilkannya. Satu lab membuka datanya. Lab lain membuka antarmukanya. Tidak ada yang membuka keduanya, dan mana yang lebih berguna bagi Anda sepenuhnya bergantung pada apa yang ingin Anda bangun.

Dua pengungkapan, tak satu pun lengkap

Rilis data MiniCPM5-2B nyata dan spesifik. Kartu tersebut menyebutkan nama dataset, menautkannya, dan menjelaskan kontribusi masing-masing — data kode yang dikelola dalam tingkatan, sampel SFT agen, sampel RL yang mencakup matematika, kode, pengetahuan umum, dan penalaran konteks panjang. Yang tidak diberikan adalah campuran, urutan, prosedur dekontaminasi, atau jumlah token per sumber. Anda dapat melihat bahannya, tetapi bukan resepnya.

Rilis prompt PAN 2 adalah gambaran cerminnya. Kebijakan caption ditentukan sepenuhnya: apa yang harus dimuat dalam deskripsi keadaan dunia, urutan peristiwa, bagaimana aksi terikat pada aktor, bagaimana gerakan kamera diungkapkan, dan kapasitas keras 1.536 token text-encoder dengan target lunak 1.480. Yang tidak diberikannya adalah korpus yang mengajari model membaca caption tersebut — "ratusan juta video dianotasi dalam format yang sama", tanpa kartu dataset dan tanpa rilis.

Jadi, jika kebutuhan Anda adalah memahami mengapa model bahasa kecil berperilaku seperti itu, MiniCPM5-2B memberi Anda lebih banyak bahan untuk ditelusuri. Jika kebutuhan Anda adalah membuat model video menghasilkan klip yang Anda minta, PAN 2 memberi Anda lebih banyak. Kedua rilis ini lebih transparan daripada median, dan keduanya berhenti pada titik ketika transparansi menjadi kerugian kompetitif.

Angka-angka itu, dan nilainya

MiniCPM5-2B adalah model dense berarsitektur Llama dengan 2.516.756.480 parameter — 1,98 miliar parameter tidak termasuk embedding, 42 lapisan, 16 head query terhadap 2 head key-value, konteks 131.072 token, bahasa Inggris dan Tionghoa. OpenBMB mengklaim state of the art open-source kelas 2B, dengan rata-rata 53,9 pada set perbandingannya versus 51,1 untuk model lebih besar terbaik dalam set tersebut. Baris-baris individualnya lah yang membuat klaim ini menarik: LiveCodeBench v6 sebesar 69,1, AIME 2026 sebesar 86,5, MMLU-Pro sebesar 70,8, GPQA Diamond sebesar 70,2, SWE-bench Verified sebesar 46,4, τ²-Bench Telecom sebesar 97,1, AA-LCR sebesar 59,0, dan NoLiMa sebesar 68,1.

Itu dilaporkan oleh vendor pada kumpulan perbandingan yang dipilih vendor, dan kumpulan itu informatif: mencakup Gemma-4-E2B-it, Gemma-4-E4B-it, Qwen3.5-2B, Qwen3.5-4B, LFM2.5-2.6B dan LFM2.5-8B-A1B. Pada AA-LCR, selisih yang dilaporkan adalah 59,0 untuk MiniCPM5-2B dibandingkan dengan 5,3 untuk LFM2.5-2.6B dan 17,0 untuk Gemma-4-E2B-it. Pada SWE-bench Verified, angkanya 46,4 dibandingkan dengan 6,0, 2,0 dan 3,0. Kesenjangan itu cukup besar sehingga perbedaan harness tidak menjelaskannya, tetapi harness-nya masih milik OpenBMB dan belum ada yang mereproduksi tabel itu secara independen.

PAN 2 tidak memiliki tabel semacam itu, karena tidak ada instrumen bersama untuk model dunia video seperti halnya untuk kode dan matematika. Yang dimilikinya sebagai gantinya adalah bagian keterbatasan terstruktur yang lebih blak-blakan daripada tolok ukur vendor mana pun: sekitar dua dari tiga rencana simulasi mengandung setidaknya satu langkah yang tidak dijalankan; tampilan bergeser antar klip karena setiap klip dimulai dari paling banyak satu bingkai ditambah teks; aksi teks hanya menentukan manipulasi cekatan secara kasar; model dapat membiarkan simulasi berjalan sambil melanggar batasan fisik, dengan contoh pasta muncul di saringan sebelum ditiriskan.

• Apa itu — MiniCPM5-2B: model teks dense 2,52B untuk asisten on-device, agen coding, dan alur kerja alat. PAN 2: transformer difusi 29B yang merender konsekuensi suatu tindakan sebagai video.

• Output — MiniCPM5-2B: teks. PAN 2: MP4, hingga 20 detik pada 704×1248 dan 24 fps.

• Konteks atau horizon — MiniCPM5-2B: 131,072 token, dengan AA-LCR 59.0 dan NoLiMa 68.1 pada harness OpenBMB. PAN 2: satu frame awal plus satu caption, sehingga interaksi panjang melenceng dan kartu menyebutkan demikian.

• Lisensi — MiniCPM5-2B: Apache-2.0, bahasa Inggris dan Tionghoa. PAN 2: Apache-2.0 untuk bobotnya sendiri, dengan Qwen3.5-9B dan Wan 2.2 di bawah ketentuan masing-masing.

Perangkat keras — MiniCPM5-2B: satu GPU konsumen, dan kartu tersebut mendokumentasikan jalur vLLM, SGLang, dan llama.cpp plus backend multi-chip. PAN 2: delapan H200 secara default dalam resep vLLM; empat B300 untuk video tiga belas detik dalam sekitar 119 detik.

Klaim pada perangkat versus realitas skala node

MiniCPM5-2B dirancang agar kecil dalam hal yang penting: bukan sekadar parameternya sedikit, tetapi ada jalur terdokumentasi ke perangkat keras yang sudah Anda miliki. Kartu ini memuat panduan cepat untuk vLLM, SGLang, dan llama.cpp, dengan catatan bahwa -c 8192 menetapkan panjang konteks pada jalur llama.cpp — sebuah baris yang hanya muncul dalam dokumentasi yang ditulis oleh orang-orang yang benar-benar telah menjalankannya di laptop. Kartu ini juga mendokumentasikan FlagOS, backend multi-chip yang memungkinkan bobot yang sama berjalan di berbagai akselerator. Itu adalah narasi penerapan yang ditujukan untuk ponsel, komputer papan tunggal, dan kotak inferensi murah.

Kisah deployment PAN 2 adalah kebalikannya dalam setiap dimensi, dan alasannya adalah aritmetika, bukan kecerobohan. Lima puluh langkah sampler dengan classifier-free guidance pada setiap langkah berarti seratus forward pass melalui transformer 29B per klip. Resep ini memparalelkan guidance ke dua rank dan panjang sekuens ke dua rank lainnya, lalu menambahkan paralelisme patch VAE ke empat rank dalam mode tile karena mendekode dua puluh detik 704×1248 adalah masalah memori tersendiri. Anda tidak bisa menjalankannya di laptop, dan tim tidak berpura-pura sebaliknya.

Yang perlu dicatat adalah bahwa kedua model tersebut tidak dihosting di mana pun. MiniCPM5-2B memiliki lebih dari satu juta unduhan bulanan dan tidak memiliki API pihak pertama; PAN 2 tidak memiliki API dan, per 11 November 2026, hanya memiliki satu unggahan media sosial dari akun labnya dan tidak ada apa pun di baliknya — tidak ada endpoint, tidak ada tautan makalah, tidak ada harga. Jika Anda menginginkan salah satunya, Anda harus menjalankannya sendiri.

Di mana bagian perencanaan dapat disewa

Arsitektur PAN 2 membuat salah satu bagiannya dapat dipisahkan, dan itulah bagian yang sebaiknya tidak dibangun sendiri oleh sebagian besar tim. Reasoner konseptual — model bahasa yang mengubah observasi dan tindakan yang diminta menjadi caption terstruktur yang dikonsumsi backbone difusi — secara eksplisit adalah model apa pun yang mengikuti instruksi. Laporan tersebut memeringkat empat model berdasarkan seberapa sering rencana simulasi selesai dari awal hingga akhir: Claude Opus 5.5, GPT-6 Astra pada upaya sedang, Kimi K3, lalu Qwen3.8-Flash. Kartu tersebut juga mencatat bahwa LLM apa pun yang mengikuti instruksi dapat digunakan, dan bahwa melampaui distribusi pelatihan cenderung memerlukan prompt yang disempurnakan secara manual.

Itu menjadikan reasoner sebagai pilihan operasional yang akan ingin Anda tinjau kembali, dan meninjaunya kembali lebih murah melalui router daripada melalui empat percakapan pengadaan. Qwen3.8-Flash tersedia di OrcaRouter; satu kunci API dengan failover otomatis memungkinkan Anda menjalankan beban kerja caption yang sama di beberapa planner, pada harga daftar penyedia dengan markup 0% yang diteruskan, dan pertahankan mana pun yang paling sering menyelesaikan rencana Anda. OrcaRouter tidak menghosting PAN 2 — tidak ada PAN 2 yang di-hosting untuk dirutekan — dan juga tidak menghosting MiniCPM5-2B. Renderer dan model kecil tetap di perangkat keras Anda; planner adalah komoditasnya.

Untuk MiniCPM5-2B, perhitungannya berbeda dengan cara yang layak dinyatakan. Model on-device ada justru untuk menghindari panggilan berbayar per penggunaan, dan model 2B yang berjalan di ponsel tidak menjadi lebih baik dengan mengalihkan permintaan ke luar darinya. Jika alasan Anda adalah privasi, latensi, atau operasi offline, perutean adalah jawaban yang salah dan MiniCPM5-2B adalah model yang tepat. Jika alasan Anda adalah biaya, bandingkan secara jujur: model 2B yang mencetak 53.9 pada rata-ratanya sendiri mungkin memakan lebih banyak waktu engineering untuk mencapai paritas pada tugas Anda daripada panggilan berbayar ke model yang lebih besar.

Untuk apa sebenarnya masing-masing rilis

MiniCPM5-2B adalah model dengan tugas: menjadi model terbuka terbaik di kelas 2B pada benchmark yang penting bagi penggunanya, berjalan di perangkat, dan disertai data agar komunitas dapat membangun di atasnya, bukan di sekitarnya. Ini adalah rilis yang matang dengan cakupan dokumentasi yang mencerminkan beberapa iterasi — panduan cepat untuk tiga stack penyajian, bagian pemanggilan alat, cookbook, resep fine-tuning, dan backend multi-chip.

PAN 2 adalah artefak riset dengan klaim yang luar biasa lengkap. Ia berargumen bahwa penalaran simulatif — agen membayangkan hasil dari tindakan kandidatnya sebelum memilih salah satu — adalah kemampuan yang dapat dibangun, bukan kemampuan yang diharapkan muncul, dan ia mengimplementasikan argumen itu sebagai sistem dua tahap dengan pola yang telah dipublikasikan di baliknya (formulasi Generative Latent Prediction dalam Critique of World Models, arXiv 2507.05169). Dukungan kerangka kerja yang hadir pada 10 November 2026 membuatnya dapat dijalankan. Posting dua paragraf di akun X milik lab itu pada sore yang sama tidak membuatnya resmi diluncurkan, dan tidak ada lagi yang dikatakan sejak itu.

Tidak ada yang lebih baik di antara kedua rilis itu. Keduanya adalah jawaban atas pertanyaan yang berbeda, diterbitkan pada tahap keyakinan yang berbeda. Satu lab mengatakan, "ini model kecil yang bisa Anda percayai, dan inilah yang membentuknya". Lab lainnya mengatakan, "ini sistem yang melakukan sesuatu yang baru, dan inilah tepatnya di mana sistem itu gagal". Perbandingan antara keduanya hanya berguna jika Anda tahu kalimat mana yang menggambarkan proyek Anda.