MiniCPM5-2B contro LFM2.5 2.6B Base: un modello finito contro la materia prima per costruire il tuo

Due dei rilasci di piccoli modelli più interessanti dell'ultimo mese occupano la stessa classe di peso e non potrebbero trovarsi in fasi più diverse della loro vita. MiniCPM5-2B è il prodotto finito: un modello denso da 2,5B presentato da ModelBest e OpenBMB alla World Artificial Intelligence Conference il 19 luglio, i cui pesi aperti sono stati resi disponibili in sordina su Hugging Face il 6 e 7 settembre, con un'intera pipeline di post-addestramento alle spalle, Apache-2.0, pronti per l'uso. LFM2.5 2.6B Base è il checkpoint pre-addestrato solo-testo di Liquid AI — il substrato grezzo che l'azienda dichiara "consigliato solo per attività che richiedono un intenso fine-tuning" — senza instruction tuning, senza chat template e con zero benchmark pubblicati, perché un modello base non viene valutato; a essere valutati sono i modelli che si ottengono mettendolo a punto. Confrontarli è in realtà una questione di quale strato della costruzione si stia cercando: un modello che funziona già stasera, o gli ingredienti per costruirne uno proprio.

Entrambe le schede riportano, in dialetti diversi, la dicitura «non per uso diretto», e i fornitori la inseriscono proprio nelle prime righe. La scheda di MiniCPM5-2B descrive un trasformatore denso con architettura Llama, con 2.516.756.480 parametri totali (1.981.982.720 non-embedding), 42 strati, attenzione a query raggruppate, una finestra di contesto di 131.072 token nella configurazione fornita e un percorso di post-addestramento — SFT di deep-thinking, RL specializzata, distillazione on-policy — che punta dritto al comportamento agentico e all'uso di strumenti. La scheda di Liquid per LFM2.5 2.6B Base descrive un ibrido da 2,69B che impila otto strati di attenzione a query raggruppate su ventidue blocchi di short-convolution a doppio gate, pre-addestrato su circa 34 trilioni di token in 16 lingue con un contesto di 128K, e poi si ferma: la base esiste per essere proseguita o messa a punto in qualcos'altro. L'uno è una destinazione; l'altro è una linea di partenza.

Cosa Liquid ha effettivamente spedito

{{1}}LFM2.5 2.6B Base ha raggiunto Hugging Face ai primi di agosto come fondazione pre-addestrata per la famiglia LFM2.5-2.6B di Liquid.{{/1}} {{2}}La sua model card mostra la tabella della famiglia — la base e la LFM2.5-2.6B post-addestrata che Liquid ha ottimizzato per carichi di lavoro agentici con tool calling — ed è esplicita: la base è il checkpoint solo-testo usato per creare tutte le varianti.{{/2}} {{3}}È questo il suo unico compito: prendi l'architettura ibrida da 2,69B e la fondazione multilingue da 34 trilioni di token e prosegui il pre-training o lo SFT sul tuo dominio; dopodiché, tutto ciò che distribuisci ne eredita i termini di licenza.{{/3}} {{4}}Non ci sono benchmark sulla model card perché non c'è ancora nulla da testare; il modello non ha instruction tuning, quindi, così com'è, prosegue il testo invece di rispondere.{{/4}} {{5}}Funziona con circa 2,5 GB di pesi ed è supportato da Transformers, vLLM, SGLang, MLX e llama.cpp, il che lo rende una base plausibile per progetti di fine-tuning su smartphone e dispositivi di classe edge.{{/5}}

The practical caveat for this matchup: if what you want is a working small model from Liquid, the fair counterpart to MiniCPM5-2B is the post-trained LFM2.5-2.6B, not the Base. The Base is the version you choose when you intend to do the post-training yourself — which is precisely why MiniCPM5-2B's own benchmark table compares against the family's instruction-tuned sibling rather than this raw checkpoint.

Cosa ha rilasciato OpenBMB e perché è diverso

MiniCPM5-2B arriva come prodotto completo, con i progetti di fabbrica allegati. Dove Liquid ti consegna una base e la manodopera, OpenBMB ti consegna tutto quanto in modo aperto: il checkpoint finale post-addestrato con RL + OPD, i companion GGUF, MLX, GPTQ, base, SFT e draft, e — la parte che ribalta il confronto — gli stessi corpora di addestramento, rilasciati sotto Apache-2.0 come famiglia UltraData. La scheda del modello riporta una media interna di 53,9 su un insieme di confronto selezionato dal fornitore e composto da modelli open da 2B a 4B, con un punteggio AIME 2025/2026 di 86,5 e un 46,4 ottenuto dal fornitore su SWE-bench Verified, nulla di tutto ciò è stato ancora riprodotto in modo indipendente. È pensato per girare, non per essere addestrato: la proposta di lancio prevedeva adattamento al giorno zero su nove famiglie di chip e ARM, chiamate native degli strumenti tramite chiamate in stile XML e modalità di risposta ibride rapide/ponderate per l'uso interattivo.

Il tabellone, etichettato onestamente

• Cosa ottieni — MiniCPM5-2B: un modello chat completo e servibile, più dati di addestramento aperti. LFM2.5 2.6B Base: una base pre-addestrata da mettere a punto per ottenere un modello completo.

Parametri — MiniCPM5-2B: 2,52B totali / 1,98B non-embedding, dense in stile Llama. LFM2.5 2.6B Base: 2,69B ibrido (8 blocchi di attenzione + 22 blocchi short-convolution).

• Contesto — MiniCPM5-2B: 131.072 token nella configurazione fornita. LFM2.5 2.6B Base: 128K nativi.

• Lingue — MiniCPM5-2B: scheda e dati incentrati su inglese e cinese. LFM2.5 2.6B Base: pre-addestrato su 16 lingue.

• Benchmark — MiniCPM5-2B: suite completa del vendor (media interna 53,9; non riprodotta). LFM2.5 2.6B Base: nessun benchmark pubblicato per la base stessa, per progettazione.

• Licenza — MiniCPM5-2B: Apache-2.0 per i pesi e i dati rilasciati. LFM2.5 2.6B Base: LFM Open License v1.0, gratuito al di sotto di 10 milioni di dollari di fatturato annuo, e il limite si applica anche ai tuoi derivati.

Il tabellone qui sopra racconta la stessa storia in sei righe: entrambi i modelli sono piccoli, di classe 128K e adiacenti ad Apache, ma una colonna si conclude con un servizio in esecuzione e l'altra con una decisione su chi esegue l'addestramento.

La licenza è la caratteristica.

Per chi costruisce, il divario di licenza è la voce meno affascinante e più decisiva di quella lista. OpenBMB ha rilasciato MiniCPM5-2B e i suoi dati pubblicati sotto Apache-2.0: puoi servirlo, metterlo a punto e costruirci un prodotto commerciale senza tetto ai ricavi e senza obblighi ereditati oltre all'attribuzione. La LFM Open License v1.0 di Liquid è genuinamente open-weight ma condizionata dai ricavi: le organizzazioni con ricavi annui inferiori a 10 milioni di dollari ricevono una concessione commerciale ampia, quelle che raggiungono o superano tale soglia no, e il limite viene ereditato da qualsiasi modello tu metta a punto, quindi un prodotto basato su LFM2.5 2.6B Base porta con sé lo stesso tetto man mano che la tua azienda cresce. Ciò non rende la licenza di Liquid irragionevole; la rende una condizione che una startup che spera di superare il limite deve pianificare fin dal primo giorno, ed è il motivo principale per cui la cornice del "modello finito" è importante. Se stai costruendo qualcosa che intendi far crescere, Apache-2.0 con dati aperti è un tipo diverso di materia prima rispetto a una licenza con tetto.

Il bivio tra costruire e comprare, reso concreto.

Inquadrala come una scelta tra costruire e comprare, e la decisione diventa chiara. MiniCPM5-2B è il percorso dell'acquisto: il lavoro difficile — post-addestrare un modello piccolo per lavori agentici e a contesto lungo — è già stato fatto, la licenza è pulita, e il lavoro che resta è il serving e la valutazione. Il costo è che stai adottando le scelte di post-addestramento di qualcun altro, e i suoi numeri di punta risalgono a una settimana fa e nessuno, fuori dal laboratorio, li ha verificati. LFM2.5 2.6B Base è il percorso della costruzione: compri l'architettura e il pre-addestramento di Liquid e fai da solo il post-addestramento, che è l'unico motivo onesto per scegliere una base rispetto al fratello LFM2.5-2.6B ottimizzato con istruzioni che Liquid già vende. Questo percorso ha senso quando hai un dominio, una lingua o un profilo comportamentale che i modelli pronti all'uso non coprono. È molto più lavoro, parte con zero benchmark pubblicati e si trascina dietro il tetto al fatturato. La ricompensa è un modello che nessun altro ha — e, dato che OpenBMB ha aperto i dati di MiniCPM5-2B, ora hai un secondo modo per arrivarci: proseguire l'addestramento seguendo una collaudata ricetta Apache-2.0 invece di partire da una base spoglia.

La realtà del routing per entrambi

Oggi nessuno dei due checkpoint è presente in un catalogo hosted, quindi la questione del layer riguarda il mondo che li circonda, più che l’erogazione. Una volta che hai servito MiniCPM5-2B o hai fatto fine-tuning di LFM2.5 2.6B Base fino a ottenere qualcosa di tuo, il modo reversibile per provare l’uno o l’altro contro i modelli hosted che già usi è un’unica API con failover automatico — uno stack nuovo o derivato può andare in stallo senza mandare giù la produzione, e i prezzi di listino dei provider vengono trasferiti con markup 0%, quindi il confronto A/B è poco costoso. Per la decisione stessa tra costruire e comprare, però, il piano onesto è lo stesso di sempre con i piccoli modelli open: il benchmark che conta è quello che esegui sul tuo hardware e sui tuoi dati, non quello stampato sulla scheda tecnica dell’uno o dell’altro.

Quale strato stai effettivamente cercando di acquistare?

Scegli MiniCPM5-2B quando vuoi un modello finale, Apache-2.0, da eseguire su dispositivo che puoi mettere in produzione stasera e fare fine-tuning su dati aperti — accettando che la sua scheda impressionante non sia verificata e richieda una tua riproduzione prima di guadagnarsi la fiducia in produzione. Scegli LFM2.5 2.6B Base quando intendi fare post-training sul tuo modello e vuoi l'architettura ibrida di Liquid e le fondamenta multilingua a 16 lingue come pesi di partenza — accettando il costo del fine-tuning, l'assenza totale di benchmark pubblicati e il tetto di ricavi di {{KEEP}}$10 million{{/KEEP}} che si trascinerà dietro qualunque cosa tu distribuisca. I due non sono rivali per lo stesso compito; sono due compiti diversi sulla stessa hardware, e l'unica scelta sbagliata è acquistarne uno credendo di acquistare l'altro.