
Aion-1.0-Instruct-2.3B vs MiniCPM5 2B: quello con un tabellone ha già un rivale sopra
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token · 184 tok/s
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token · 223 tok/s
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 87 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 96 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 78 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 208 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
La scheda modello di MiniCPM5-2B include una tabella comparativa con otto baseline, e Aion-1.0-Instruct-2.3B non è tra questi. Non è una scortesia; è una questione di date. La tabella di OpenBMB è stata costruita attorno ai modelli esistenti quando i pesi sono stati caricati il 6 settembre 2026. Il checkpoint di Microsoft è apparso su Hugging Face il 18 novembre 2026, settantatré giorni dopo, senza alcun annuncio e con tre like. Nessuno ha messo i due a confronto, perché nel primo giorno della sua vita nessuno poteva. MiniCPM5-2B, nel frattempo, è il modello più scaricato di questa categoria con un ampio margine — circa 966.000 download contro lo zero di Aion.
Quindi questa non è una comparazione tra due modelli misurati. È un confronto tra un modello arrivato con un tabellone e una base di fan e un modello arrivato con un file di configurazione e una promessa su gennaio 2027. Quanto segue usa i numeri pubblicati da OpenBMB per MiniCPM5-2B, laddove disponibili, la scheda di Microsoft per Aion-1.0-Instruct-2.3B, e dice chiaramente quando una cella è vuota.
Due modelli da due miliardi e mezzo di parametri che non si somigliano
Le dimensioni principali sono abbastanza vicine da indurre a un confronto tra schede tecniche, ma poi le schede tecniche non coincidono affatto.
• Parametri — MiniCPM5-2B è 2,52B in totale, di cui 1,98B non-embedding; Aion-1.0-Instruct-2.3B è 2,29B con embedding di input e output legati.
• Profondità — 42 strati per MiniCPM5-2B, su un'architettura standard LlamaForCausalLM; 28 strati per Aion, su codice di modellazione personalizzato che richiede trust_remote_code.
• Attenzione — 16 teste query e 2 teste chiave/valore per MiniCPM5-2B; 24 teste query e 8 teste chiave/valore con dimensione testa 128 per Aion, attraverso un pattern ibrido di 21 layer a finestra scorrevole a 2.048 token e 7 layer di attenzione completa.
• Contesto — 131.072 token contro 32.768.
• Lingue — inglese e cinese per MiniCPM5-2B; otto lingue per Aion, con dati multilingue a circa il 6% dell'addestramento.
• Licenza — Apache 2.0 rispetto a MIT. Entrambe permissive, entrambe sicure per l'uso commerciale.
• Ecosistema — GGUF, MLX, GPTQ, checkpoint base, SFT, midtrain e draft, più i dataset di addestramento, a fronte di safetensors e della promessa di build quantizzate in arrivo.
È su quell'ultima riga che il divario smette di riguardare la qualità del modello. MiniCPM5-2B è una release che puoi distribuire su quattro runtime diversi oggi pomeriggio. Aion-1.0-Instruct-2.3B è una release che puoi distribuire su uno solo, con un repository gemello ONNX-WebGPU caricato la stessa sera e un formato GGUF elencato sulla scheda ma assente dall'elenco dei file.
I numeri pubblicati da OpenBMB, e quelli che non ha pubblicato
La scheda di MiniCPM5-2B rivendica lo stato dell'arte open source della classe 2B e poi, cosa insolita, pubblica i risultati su 35 benchmark in nove categorie. Le cifre principali: AIME 2025 a 86,5, AIME 2026 a 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 e NoLiMa 68,1.
La scheda pubblica anche una media riassuntiva su tutti: 53,9 per MiniCPM5-2B, 51,1 per Qwen3.5-4B, 42,7 per Granite 4.2 3B, 33,2 per LFM2.5-2.6B. Si tratta delle esecuzioni dell'harness del fornitore stesso sulla propria selezione di benchmark, e la selezione favorisce esattamente ciò per cui il modello è stato addestrato: uso agentico degli strumenti, coding, contesto lungo. Un fornitore che sceglie i test può scegliere la classifica. Leggi la tabella come una dichiarazione sulle priorità di addestramento, su cui è onesta, anziché come un verdetto indipendente, che non è.
Ciò che la scheda di MiniCPM5-2B non contiene è qualsiasi benchmark in cui compaia Aion-1.0-Instruct-2.3B, e ciò che la scheda di Aion non contiene è una qualsiasi delle nove categorie di MiniCPM5-2B. La sovrapposizione è reale ma ristretta: MMLU-Pro, GPQA, IFEval e le varianti AIME sono gli unici punti in cui le due tabelle pubblicate parlano la stessa lingua, e anche lì le configurazioni dell'harness differiscono. Su quelle righe condivise il divario è ampio — 70,8 contro 33,35 su MMLU-Pro, 70,2 contro 28,18 su GPQA — ma si tratta di un confronto tra un modello addestrato per il ragionamento e il lavoro agentico e uno addestrato per la comprensione e la riscrittura di documenti, e i numeri dicono esattamente questo.
Dove l'onestà di Aion è l'intera storia
La caratteristica interessante della scheda di Microsoft non sono i suoi punteggi. È che i punteggi sono poco lusinghieri e la scheda li stampa comunque, in una tabella che nomina anche il suo modello giudice, il suo harness e due benchmark le cui impostazioni di punteggio li fanno sembrare migliori di quanto suggerisca il titolo. Una scheda scritta per vendere qualcosa non include una riga che recita MMLU-Pro 33.35.
Un 33,35 su MMLU-Pro non è un numero che un team di lancio sceglierebbe. Nemmeno un 28,18 su GPQA. La loro presenza è prova che questa tabella è uscita da una pipeline di valutazione anziché una di marketing, e questo è un motivo genuino per fidarsi delle affermazioni circostanti — la finestra da 32.768 token, le otto lingue, il cutoff delle conoscenze di 2025-12, il conteggio di 2,29 miliardi di parametri derivato da una configurazione con embedding legati.
La stessa franchezza attraversa anche i limiti. La scheda afferma apertamente che un modello di queste dimensioni "può trascurare dettagli fini, fornire affermazioni errate o mostrare incapacità di seguire ragionamenti complessi a più passaggi", che "non è stato addestrato per eccellere nella conoscenza del mondo" e che la qualità dell'output varia tra le otto lingue. Confrontatelo con una tabella di 35 benchmark che dichiarano prestazioni allo stato dell'arte, e avete davanti due teorie diverse su a cosa serva una scheda del modello. Nessuna delle due è disonesta. Una è una dichiarazione di capacità, l'altra è una divulgazione.
La proposta on-device e la trappola del contesto lungo
La formulazione di Microsoft è inequivocabile: Aion Instruct è "il Small Language Model (SLM) fondamentale nell'ecosistema Windows", progettato per attività di testo e del sistema operativo sul dispositivo, con una versione più potente e un modello di moderazione dei contenuti che diventeranno l'SLM del sistema operativo Windows entro la fine di gennaio 2027. Il caricamento è descritto come "un'introduzione a ciò che verrà".
Il posizionamento di MiniCPM5-2B è più ampio: assistenti locali, agenti di programmazione, flussi di lavoro con uso di strumenti e ragionamento, su telefoni, PC e abitacoli intelligenti, con un set di addestramento per agenti di 500.000 campioni e oltre 80.000 campioni di RL rilasciati insieme ai pesi. È un modello progettato per agire, non solo per rispondere.
Il divario di contesto tra 131K e 32K è dove quella differenza emerge nel modo più netto, e MiniCPM5-2B ha le prove: AA-LCR 59,0 e NoLiMa 68,1 sono benchmark per il contesto lungo, entrambi eseguiti dal fornitore, entrambi pubblicati con il marcatore visivo che la sua scheda usa per i risultati valutati da un giudice. Aion ha una finestra di 32.768 token che, secondo la sua stessa configurazione, si ottiene tramite scaling YaRN da un intervallo nativo di 2.048 token, e nessuna valutazione sul contesto lungo di alcun tipo. Se il carico di lavoro comprende documenti lunghi, la scelta è già stata fatta per te, ed è stata fatta dalle prove anziché dal numero di parametri.
Gli stack di agenti sono il punto in cui il confronto cambia forma
MiniCPM5-2B è stato addestrato per i loop di strumenti: 500K campioni SFT per agenti, RL in stile GRPO su attività verificabili e righe di benchmark per SWE-bench Verified, Terminal-Bench, BFCL e un'esecuzione τ³ in ambito bancario. Aion-1.0-Instruct-2.3B documenta un formato di chiamata degli strumenti e non pubblica alcun benchmark agentico, perché è stato creato per riassunti, riscrittura e chat su un sistema operativo.
Vale la pena considerare quell'asimmetria in termini architetturali anziché come un punteggio. Un ciclo di agente non è una singola chiamata al modello; è un piano, una chiamata a uno strumento, un risultato, una ri-pianificazione e spesso un secondo parere, e ogni passo è una richiesta separata con la propria latenza e probabilità di errore. Questo è il livello in cui il routing smette di essere una nota a piè di pagina dell'infrastruttura e inizia a far parte del design. Di OrcaRouter, la fusione di modelli esegue un panel di modelli sulla stessa richiesta e combina le loro risposte, e il suo DSL di routing compone diversi modelli in un'unica chiamata — le due primitive che contano quando "un piccolo modello, una risposta" è la forma sbagliata per il compito. Né Aion-1.0-Instruct-2.3B né MiniCPM5-2B sono nel nostro catalogo oggi, poiché entrambi sono pesi self-hosted anziché endpoint ospitati; l'argomento riguarda le richieste che il tuo agente locale non riesce a completare da solo, non questi due checkpoint.
La versione pratica: usa il modello piccolo per i passaggi economici e rendi esplicito il percorso di escalation, invece di sperare che il modello 2B ci azzecchi al quarto tentativo. Un modello come MiniCPM5-2B con 46,4 su SWE-bench Verified è impressionante per le sue dimensioni e sbaglia comunque più della metà delle volte, e nessuna quantità di prompt engineering cambia l'aritmetica di un ciclo a cinque passaggi.
Cosa puoi effettivamente verificare oggi
Questa è la frase che decide la maggior parte di questi confronti. Con MiniCPM5-2B puoi scaricare un GGUF, caricarlo in llama.cpp, eseguire i comandi di benchmark della scheda e verificare se riproduci 86.5 su AIME. Con Aion-1.0-Instruct-2.3B puoi scaricare safetensors bfloat16, installare transformers 5.x, accettare trust_remote_code=True ed eseguire lo stesso harness sui suoi undici benchmark — un lavoro maggiore ma del tutto possibile, e nessuno lo ha fatto pubblicamente.
Quello che non puoi fare con Aion è eseguirlo sul runtime che con ogni probabilità si trova sulla macchina che stai prendendo di mira. La scheda elenca GGUF come nome di libreria; il repository contiene safetensors, file del tokenizer, due moduli di modellazione personalizzati e un template di chat. Esiste il repository gemello ONNX-WebGPU, il che rende plausibile la distribuzione su browser e DirectML, ma una build GGUF è promessa anziché fornita. Se il tuo target di distribuzione è llama.cpp o LM Studio, quel singolo file mancante è l'intera decisione finché non compare.
Ci sono altre due cose che vale la pena verificare di persona invece di fidarsi. In primo luogo, la finestra da 32K: riempila e controlla se la coda del documento sopravvive ai livelli a finestra scorrevole. In secondo luogo, il percorso di tool calling: il formato di Aion racchiude schemi e chiamate in tag personalizzati, e con quanta grazia riesca a riprendersi da una chiamata malformata non è qualcosa che una scheda possa dirti.

La scheda di OpenBMB è l'unica delle due a pubblicare del tutto risultati su contesto lungo e agentici — AA-LCR 59,0, NoLiMa 68,1, SWE-bench Verified 46,4 — insieme a una finestra di 131.072 token e a un'architettura Llama standard.
Due casi d'uso onesti
Scegli MiniCPM5-2B quando il lavoro comporta strumenti, codice, documenti lunghi o il cinese. La sua scheda è stata scritta per quei compiti, i suoi benchmark li coprono, le sue quantizzazioni esistono e la sua licenza è Apache 2.0. Il rischio è che l'affermazione di stato dell'arte si basi sul set di confronto del fornitore stesso, e che i modelli da 2 miliardi di parametri nei loop degli agenti falliscano ancora in modi che costano token reali.
Scegli Aion-1.0-Instruct-2.3B quando il compito è un'applicazione Windows che riassume, riscrive o classifica documenti locali in una delle otto lingue, offline, con i dati che non lasciano mai il dispositivo. Ha una finestra di contesto più piccola, è più debole su ogni benchmark condiviso ed è supportato da una scheda che lo dichiara. Ciò che offre è un contratto documentato per l'uso sul dispositivo e un percorso plausibile verso il sistema operativo entro gennaio 2027 — e, per ora, un numero molto esiguo di persone che lo hanno eseguito.
Il confronto si leggerà diversamente tra un mese. Se comparirà un GGUF, l'obiezione sul runtime scomparirà. Se comparirà un'esecuzione indipendente dell'harness, i numeri non saranno più solo di Microsoft. Nessuna delle due cose è ancora accaduta, e fingere il contrario sarebbe l'unica cosa che questo articolo non può fare.

La scheda di Microsoft, che riporta i propri punteggi deboli ed etichetta le impostazioni di valutazione permissive — la ragione per fidarsi delle dichiarazioni sulle specifiche anche là dove quelle sui benchmark sono poco notevoli.

Il tabellone, stando alle prove disponibili: 35 benchmark pubblicati e quattro formati di runtime da un lato, 11 benchmark e safetensors dall'altro.
