PAN 2 vs MiniCPM5-2B: uno distribuisce i propri dati, l'altro i propri prompt

OpenBMB ha rilasciato MiniCPM5-2B il 6 settembre 2026 e, insieme al checkpoint da 2,52 miliardi di parametri, ha pubblicato i corpora di training: UltraX-Preview per il pre-training web, UltraData-Code con la sua gestione a livelli da L0 a L3, UltraData-SFT-Agent-2609 con mezzo milione di campioni per agenti e UltraData-RL-2609 con più di ottantamila campioni di reinforcement learning. È una cosa insolita da consegnare, ed è la lente giusta per questo confronto. PAN 2, pubblicato in sordina dall'Institute of Foundation Models della MBZUAI senza un post di lancio e senza un endpoint ospitato, fa qualcosa di adiacente ma non identico: consegna i suoi prompt. Il repository include una skill di ragionamento concettuale con un system prompt, un negative prompt fisso e un validatore del budget di token per le didascalie strutturate dello stato del mondo che il suo backbone di diffusione si aspetta, più le configurazioni di training che l'hanno prodotto. Un laboratorio ha aperto i suoi dati. L'altro ha aperto la sua interfaccia. Nessuno dei due ha aperto entrambi, e quale dei due sia più utile per te dipende interamente da ciò che stai cercando di costruire.

Due rivelazioni, nessuna delle due completa

Il rilascio dei dati di MiniCPM5-2B è reale e specifico. La card nomina i dataset, li collega e descrive il contributo di ciascuno: dati di codice gestiti a livelli, campioni SFT per agenti, campioni RL che spaziano tra matematica, codice, conoscenze generali e ragionamento su contesti lunghi. Ciò che non fornisce è la miscela, l'ordinamento, la procedura di decontaminazione o i conteggi dei token per fonte. Si vedono gli ingredienti, non la ricetta.

Il rilascio del prompt di PAN 2 è l'immagine speculare. La politica delle didascalie è specificata in ogni dettaglio: cosa deve contenere una descrizione dello stato del mondo, l'ordinamento degli eventi, come le azioni si legano agli attori, come viene espresso il movimento della camera e una capacità rigida di 1.536 token del text-encoder, con un obiettivo indicativo di 1.480. Ciò che non fornisce è il corpus che ha insegnato al modello a leggere quelle didascalie — "centinaia di milioni di video annotati nello stesso formato", senza scheda del dataset e senza alcun rilascio.

Quindi, se il tuo bisogno è capire perché un piccolo modello linguistico si comporta in un certo modo, MiniCPM5-2B ti dà più elementi con cui lavorare. Se il tuo bisogno è far produrre a un modello video la clip che hai chiesto, PAN 2 ti dà di più. Entrambe le release sono più trasparenti della mediana, ed entrambe si fermano nel punto in cui la trasparenza diventa uno svantaggio competitivo.

I numeri, e quanto valgono

MiniCPM5-2B è un modello denso da 2.516.756.480 parametri con architettura Llama — 1,98 miliardi di parametri esclusi gli embedding, 42 layer, 16 teste di query contro 2 teste key-value, 131.072 token di contesto, inglese e cinese. OpenBMB dichiara lo stato dell'arte open-source della classe 2B, con una media di 53,9 sul proprio insieme di confronto contro 51,1 del miglior modello più grande di quell'insieme. È nelle singole righe che la dichiarazione diventa interessante: LiveCodeBench v6 a 69,1, AIME 2026 a 86,5, MMLU-Pro a 70,8, GPQA Diamond a 70,2, SWE-bench Verified a 46,4, τ²-Bench Telecom a 97,1, AA-LCR a 59,0 e NoLiMa a 68,1.

Quelli sono dati riportati dal fornitore su un set di confronto scelto dal fornitore, e il set è istruttivo: include Gemma-4-E2B-it, Gemma-4-E4B-it, Qwen3.5-2B, Qwen3.5-4B, LFM2.5-2.6B e LFM2.5-8B-A1B. Su AA-LCR il divario riportato è 59,0 per MiniCPM5-2B rispetto a 5,3 per LFM2.5-2.6B e 17,0 per Gemma-4-E2B-it. Su SWE-bench Verified è 46,4 rispetto a 6,0, 2,0 e 3,0. Quei divari sono abbastanza ampi che le differenze di harness non li spiegano, ma l'harness è comunque quello di OpenBMB e nessuno ha riprodotto la tabella in modo indipendente.

PAN 2 non ha una tabella di quel tipo, perché non esiste uno strumento condiviso per i modelli del mondo video come esiste per codice e matematica. Quello che ha invece è una sezione strutturata sui limiti che è più schietta di qualsiasi benchmark di fornitore: circa due piani simulati su tre contengono almeno un passo che non viene eseguito; l'aspetto varia tra le clip perché ciascuna parte da al massimo un singolo fotogramma più testo; le azioni testuali specificano la manipolazione fine solo in modo grossolano; il modello può lasciare che una simulazione proceda violando i vincoli fisici, con la pasta che compare nello scolapasta prima che venga scolata come esempio.

• Che cos'è — MiniCPM5-2B: un modello testuale denso da 2,52B per assistenti su dispositivo, agenti di programmazione e flussi di lavoro con strumenti. PAN 2: un diffusion transformer da 29B che rappresenta le conseguenze di un'azione sotto forma di video.

Output — MiniCPM5-2B: testo. PAN 2: MP4, fino a 20 secondi a 704×1248 e 24 fps.

• Contesto o orizzonte — MiniCPM5-2B: 131.072 token, con AA-LCR 59,0 e NoLiMa 68,1 sull'harness di OpenBMB. PAN 2: un frame iniziale più una didascalia, quindi le interazioni lunghe si deteriorano e la scheda lo segnala.

Licenza — MiniCPM5-2B: Apache-2.0, inglese e cinese. PAN 2: Apache-2.0 sui propri pesi, con Qwen3.5-9B e Wan 2.2 secondo i propri termini.

• Hardware — {{1}}MiniCPM5-2B{{/1}}: una singola GPU consumer, e la scheda documenta i percorsi vLLM, SGLang e llama.cpp oltre a un backend multi-chip. {{2}}PAN 2{{/2}}: otto H200 per impostazione predefinita nella ricetta vLLM; quattro B300 per tredici secondi di video in circa 119 secondi.

La promessa on-device rispetto alla realtà su scala nodale

MiniCPM5-2B è progettato per essere piccolo nel modo che conta: non solo con pochi parametri, ma con un percorso documentato verso hardware che possiedi già. La scheda contiene guide rapide per vLLM, SGLang e llama.cpp, con una nota che indica che -c 8192 imposta la lunghezza del contesto nel percorso llama.cpp — una riga che compare solo nella documentazione scritta da persone che hanno effettivamente eseguito il modello su un laptop. Documenta anche FlagOS, un backend multi-chip che consente di eseguire gli stessi pesi su acceleratori diversi. Si tratta di una strategia di deployment rivolta a telefoni, computer a scheda singola e dispositivi di inferenza economici.

La storia del deployment di PAN 2 è l'opposto sotto ogni aspetto, e il motivo è aritmetico, non una questione di negligenza. Cinquanta passi del sampler con classifier-free guidance a ogni passo significano cento forward pass attraverso un transformer da 29B per clip. La ricetta parallelizza la guidance su due rank e la lunghezza della sequenza su altri due, poi aggiunge il parallelismo sui patch del VAE su quattro rank in modalità tile perché decodificare venti secondi di 704×1248 è di per sé un problema di memoria. Non puoi eseguirlo su un laptop, e il team non ha fatto finta del contrario.

Vale la pena notare che nessuno dei due modelli è ospitato da nessuna parte. MiniCPM5-2B supera il milione di download mensili e non dispone di un'API di prima parte; PAN 2 non ha alcuna API e, al 11 novembre 2026, può contare su un solo post sui social pubblicato dall'account del suo laboratorio e nulla dietro di esso: nessun endpoint, nessun link a un paper, nessun prezzo. Se volete l'uno o l'altro, dovete eseguirlo voi.

Dove si può noleggiare la metà della pianificazione

L'architettura di PAN 2 rende separabile una sua parte, ed è la parte che la maggior parte dei team non dovrebbe costruire in proprio. Il ragionatore concettuale — il modello linguistico che trasforma un'osservazione e un'azione richiesta nella didascalia strutturata che il backbone di diffusione consuma — è esplicitamente qualsiasi modello in grado di seguire istruzioni. Il report ne classifica quattro in base alla frequenza con cui un piano simulato viene completato end-to-end: Claude Opus 5.5, GPT-6 Astra a sforzo medio, Kimi K3, poi Qwen3.8-Flash. La scheda nota anche che può essere usato qualsiasi LLM in grado di seguire istruzioni e che andare oltre la distribuzione di addestramento tende a richiedere prompt rifiniti manualmente.

Ciò rende il reasoner una scelta operativa che vorrai rivedere, e rivederla costa meno tramite un router che tramite quattro trattative di acquisto. Qwen3.8-Flash è su OrcaRouter; una singola chiave API con failover automatico ti consente di eseguire lo stesso carico di lavoro di caption su più planner, al prezzo di listino del provider con 0% di markup trasferito, e di tenere quello che completa i tuoi piani più spesso. OrcaRouter non ospita PAN 2 — non c'è alcun PAN 2 ospitato da instradare — e non ospita nemmeno MiniCPM5-2B. Il renderer e il modello piccolo restano sul tuo hardware; il planner è la componente standard.

Per MiniCPM5-2B il calcolo è diverso in un modo che vale la pena esplicitare. I modelli on-device esistono proprio per evitare chiamate a consumo, e un modello da 2B che gira su un telefono non trae beneficio dall'aggirarlo tramite routing. Se la tua ragione è privacy, latenza o funzionamento offline, il routing è la risposta sbagliata e MiniCPM5-2B è il modello giusto. Se la tua ragione è il costo, confronta onestamente: un modello da 2B che ottiene 53,9 sulla propria media può costare più tempo di ingegneria per raggiungere la parità sul tuo task di quanto costi una chiamata a consumo a qualcosa di più grande.

A cosa serve realmente ciascuna release

MiniCPM5-2B è un modello con un compito preciso: essere il miglior modello aperto della classe 2B sui benchmark che interessano ai suoi utenti, funzionare sul dispositivo e arrivare con i dati, così che la community possa costruirci sopra anziché aggirarlo. È una release matura, con un apparato documentale che riflette diverse iterazioni: guide di avvio rapido per tre stack di serving, una sezione dedicata al tool calling, cookbook, ricette di fine-tuning e un backend multi-chip.

PAN 2 è un artefatto di ricerca con una tesi insolitamente completa. Sostiene che il ragionamento simulativo — un agente che immagina gli esiti delle proprie azioni candidate prima di sceglierne una — sia una capacità che si può costruire anziché una capacità che si spera emerga, e implementa questa tesi come un sistema a due stadi con alle spalle un pattern pubblicato (la formulazione Generative Latent Prediction in Critique of World Models, arXiv 2507.05169). Il supporto al framework arrivato il 10 novembre 2026 lo ha reso eseguibile. Un post di due paragrafi sull'account X del laboratorio stesso, lo stesso pomeriggio, non ne ha sancito il lancio, e da allora non è stato detto altro.

Nessuno dei due è un rilascio migliore dell'altro. Sono risposte a domande diverse, pubblicate in momenti diversi del percorso di fiducia. Un laboratorio sta dicendo «ecco un piccolo modello di cui ci si può fidare, ed ecco cosa c'è dentro». L'altro sta dicendo «ecco un sistema che fa qualcosa di nuovo, ed ecco esattamente dove fallisce». Un confronto tra i due è utile solo se sai quale di queste frasi descrive il tuo progetto.