MiniCPM5-2B vs Granite 4.2 3B: lo specialista del ragionamento da 3B contro il nuovo stack di agenti da 2.5B

ModelBest ha inserito Granite 4.2 3B nella classifica di MiniCPM5-2B prima ancora che qualcuno glielo chiedesse. La scheda del modello MiniCPM5-2B che OpenBMB ha pubblicato quando i pesi sono stati resi disponibili in sordina su Hugging Face elenca il più piccolo modello di ragionamento di IBM tra i suoi baseline di confronto, e su quella suite mostra MiniCPM5-2B con una media di 53,9 contro il 42,7 di Granite 4.2 3B. È l'unico dato di confronto diretto che uno dei due vendor abbia pubblicato per questa coppia, il che lo rende il punto di partenza naturale — e il luogo naturale in cui essere cauti. Entrambi i modelli sono piccoli, con licenza Apache-2.0, release open-weights self-hosted pensate per lo stesso compito di fine 2026; semplicemente lo affrontano da estremità opposte, uno addestrato a ragionare e uno addestrato ad agire.

Le due release fanno rima più di quanto suggerisca il marketing dei rispettivi vendor. MiniCPM5-2B è stato svelato alla World Artificial Intelligence Conference il 19 luglio come flagship on-device di ModelBest e OpenBMB — un modello denso da 2B proposto come base per agenti su telefoni, PC e cockpit intelligenti — e i suoi pesi sono comparsi il 6 e 7 settembre senza alcun evento di lancio, con licenza Apache-2.0, insieme ai checkpoint GGUF, MLX, GPTQ, base, SFT e draft e ai relativi dati di training. Granite 4.2 3B è il modello reasoning a misura di laptop di IBM, i cui pesi sono arrivati su Hugging Face ai primi di agosto e la cui model card e il cui blog tecnico sono stati pubblicati il 25 agosto. Nessuno dei due è stato ancora sottoposto a benchmark indipendenti, ed è per questo che le etichette di provenienza qui sotto contano più dei numeri.

Due uscite che fanno rima

Granite 4.2 3B è un modello di ragionamento denso e autonomo, post-addestrato da Granite-4.1-3B-Base. Ha 40 layer con attenzione a query raggruppate, un contesto nativo di 128K che IBM estende a 512K in una quinta fase di pre-addestramento, e tre modalità di pensiero per query — pensiero completo di default, una modalità a basso sforzo e un percorso senza pensiero. La sua model card è esplicita su ciò che non è: a differenza delle varianti Granite 4.2 da 8B e 30B, il 3B ha deliberatamente saltato il blocco specializzato di apprendimento per rinforzo agentico addestrato in ambienti SWE-agent, terminale e ricerca, quindi IBM non riporta alcun risultato SWE-bench e inquadra il modello come uno specialista del ragionamento piuttosto che come un agente. È servito tramite vLLM, SGLang, Transformers, GGUF e Ollama (granite4.2:3b), occupa circa 6-8 GB in bfloat16 o meno di 2 GB in versione quantizzata e non dispone di un'API ospitata. I suoi numeri principali — AIME 2025 a 78,33, GPQA a 54,80, LiveCodeBench v6 a 69,71, MMLU-Pro a 67,84 — sono riportati da IBM e non ancora riprodotti ad oggi.

MiniCPM5-2B è invece un modello orientato agli agenti già ultimato. La scheda del modello descrive un transformer denso con 2,52 miliardi di parametri totali (1,98 miliardi al netto degli embedding), 42 layer con hidden size 2048, attenzione a query raggruppate con 16 teste di query e due teste KV e un'architettura LlamaForCausalLM standard senza kernel personalizzati. La presentazione di lancio ha enfatizzato la capacità agentica — un addestramento intermedio per agenti su scala 200B, un ampio dataset di SFT per agenti e un allineamento RL per agenti, concluso da una distillazione on-policy che ricompatta sedici modelli esperti RL in un'unica piccola rete densa — oltre a un contesto lungo nativo e a modalità di risposta ibride, veloci o riflessive. La configurazione distribuita definisce una finestra di contesto di 131.072 token (i materiali di luglio vantavano 512K; la configurazione rilasciata non contiene quel valore), e la scheda dichiara di supportare chiamate di strumenti in stile XML tramite un parser SGLang integrato. Nella propria tabella di valutazione riporta una media interna di 53,9 sul set di confronto selezionato dal produttore, 86,5 su AIME 2025/2026, 94,6 su MATH-500 e un 46,4 registrato dal produttore su SWE-bench Verified, un risultato che sarebbe notevole per un modello denso da 2,5 miliardi di parametri se dovesse reggere a test indipendenti.

Il testa a testa che qualcuno ha già stampato.

Poiché i confronti tra vendor diversi sono per lo più come confrontare mele con arance, l'elemento più utile in questo confronto è quello che ModelBest ha pubblicato lei stessa: la scheda di MiniCPM5-2B elenca granite-4.2-3B tra i suoi baseline e riporta che MiniCPM5-2B ottiene una media di 53,9 contro i 42,7 di Granite su quella suite. Leggetelo esattamente per quello che è: un vendor che esegue entrambi i modelli su una suite scelta da sé, senza repliche indipendenti, con ogni incentivo a far vincere il proprio modello. Non è un verdetto. Quel che vi dice davvero è che ModelBest è stata abbastanza sicura di sé da mettere un 3B concorrente sulla propria scheda, e il divario che dichiara è il più ampio proprio dove il suo addestramento ha investito: nelle voci agentiche e a contesto lungo. Trattatelo come un'indicazione di tendenza e valutate le affermazioni della scheda separata di IBM prima di decidere qualsiasi cosa in merito.

Il tabellone, etichettato onestamente

• Rilascio — MiniCPM5-2B: annunciato il 19 luglio 2026; pesi resi disponibili il 6-7 settembre, senza clamore. Granite 4.2 3B: pesi a inizio agosto; scheda e blog tecnico il 25 agosto 2026.

• Ruolo — MiniCPM5-2B: enfasi su agente on-device e uso di strumenti, secondo ModelBest. Granite 4.2 3B: specialista del ragionamento, deliberatamente non agentico, secondo IBM.

• Dimensioni — MiniCPM5-2B: 2,52B totali / 1,98B non-embedding, 42 layer. Granite 4.2 3B: ~3B densi, 40 layer.

• Contesto — MiniCPM5-2B: 131.072 token nella configurazione predefinita. Granite 4.2 3B: contesto nativo di 128K, estendibile a 512K.

• Post-addestramento — MiniCPM5-2B: SFT di pensiero profondo, RL specializzato, distillazione on-policy. Granite 4.2 3B: SFT di ragionamento, RL con GRPO e RLHF; nessun blocco RL agentico.

• Evidenza — MiniCPM5-2B: dichiarazioni della scheda ModelBest, nessuna esecuzione indipendente. Granite 4.2 3B: dichiarazioni della scheda IBM, non riprodotte; AIME 2025 78.33, GPQA 54.80, LiveCodeBench v6 69.71.

Il tabellone qui sopra attinge alle stesse fonti del testo: ogni dato in esso riportato è dichiarato dai fornitori, e l'unico confronto nella stessa suite che uno dei due fornitori abbia pubblicato è quello sulla scheda di ModelBest stesso.

Specialista di ragionamento vs stack di agenti

Prima dei punteggi, decidi di quale tipo di modello piccolo ha bisogno il tuo carico di lavoro, perché questi due rispondono a domande diverse. Granite 4.2 3B è costruito per il ragionamento e il contesto lungo su hardware con risorse limitate: una finestra nativa da 128K che si estende fino a 512K, tre modalità di pensiero, un ingombro che sta in un laptop e una scelta esplicita di saltare l'addestramento agentico. Se il tuo compito è l'analisi di documenti lunghi, il contesto su scala di repository o un ragionamento multi-step affidabile su una piccola macchina, è un abbinamento coerente; e la decisione di IBM di non rivendicare capacità agentiche per il 3B è un motivo per fidarsi della sua scheda, non una lacuna. MiniCPM5-2B è costruito per l'enfasi opposta: comportamento agentico e uso di strumenti su un dispositivo — la pipeline di addestramento sembra un elenco di cose che Granite 4.2 3B ha deliberatamente lasciato fuori. Se il tuo compito è un ciclo di agente su dispositivo che chiama strumenti, mantiene lunghe conversazioni e alterna risposte veloci e ponderate, quello è lo stack pensato per te, e porta con sé l'incertezza aggiuntiva di un checkpoint vecchio di una settimana con una scheda non verificata.

I dati che OpenBMB ha aperto, IBM non li ha aperti.

La differenza meno appariscente è quella che conta di più per i team che vogliono fare fine-tuning. OpenBMB ha rilasciato i corpora di addestramento di MiniCPM5-2B insieme ai pesi — la famiglia UltraData, che comprende Ultra-FineWeb, UltraX, UltraData-Code, UltraData-Math e i set SFT e RL per agenti — il tutto sotto licenza Apache-2.0. Questo trasforma il modello 2B da scatola nera in una ricetta riproducibile: puoi vedere su cosa è stato costruito il post-training agentico e continuarlo nel tuo dominio. IBM ha reso open source i pesi di Granite 4.2 3B e ha fornito un resoconto tecnico dettagliato di come è stato costruito, ma non i dati di addestramento. Per un'organizzazione che vuole possedere il modello invece di noleggiarlo, questa asimmetria è reale. E MiniCPM5-2B viene fornito con un ventaglio di opzioni di deployment che Granite non eguaglia a questa scala: adattamento day-zero su nove famiglie di chip grazie alla community FlagOS di ModelBest, da Huawei Ascend a NVIDIA fino a una serie di acceleratori nazionali, oltre ad ARM — un segnale che ModelBest si aspetta che il 2B giri su qualcosa di diverso da una GPU NVIDIA.

La realtà del routing

Oggi nessuno dei due modelli è in un catalogo ospitato, quindi questo confronto vive nel mondo self-hosted — ma è proprio lì che un livello di routing si guadagna ancora il suo posto come rete di sicurezza, più che come meccanismo di erogazione. Quando un team vuole provare un 2B agentico di una settimana contro un 3B reasoning su un carico di lavoro che già gestisce, la mossa reversibile è indirizzare un percorso di test verso una build self-hosted di MiniCPM5-2B tramite una singola API con failover automatico, mentre la produzione resta sul modello collaudato — il nuovo stack può andare in stallo senza mandare giù nulla, e i prezzi di listino dei provider per i modelli ospitati che metti a confronto passano con un markup dello 0%, quindi il test A/B resta economico. Il livello non ospita nessuno dei due modelli; rende l’esperimento sicuro da eseguire e facile da invertire.

Quale modello piccolo dovresti davvero eseguire?

Esegui Granite 4.2 3B se il tuo carico di lavoro è il ragionamento a contesto lungo su un sistema di classe laptop e vuoi tre modalità di pensiero, un tetto di 512K e una scheda onesta che ti dice esattamente ciò per cui il 3B non è stato addestrato. Esegui MiniCPM5-2B se il tuo carico di lavoro è un agente interattivo on-device che chiama strumenti, dove un 2.5B rientra nel tuo budget di memoria — ma metti in conto il tempo per riprodurre i suoi numeri principali prima di fidartene, perché la media di 53.9 e l'affermazione di 46.4 su SWE-bench sono del vendor e di nessun altro, per ora. Due cose risolveranno questo confronto più velocemente di qualsiasi opinione: un'esecuzione indipendente di MiniCPM5-2B che confermi o affossi le affermazioni agentiche, e i numeri di ragionamento di IBM che sopravvivono alla riproduzione da parte della comunità. Finché uno di questi due eventi non si verifica, Granite 4.2 3B è oggi il piccolo modello più sicuro e meglio documentato, e MiniCPM5-2B è la scommessa più interessante.