d1-Omni-2B vs MiniCPM5-2B：意思決定モデルは小型チャットモデルではない

どちらもオープンウェイトで、どちらも20億パラメータ前後に位置し、どちらもラック内ではなく机の上に置かれるハードウェアを想定しています。似ているのはそこまでです。d1-Omni-2Bは、状態（テキスト、JSON、画像、動画フレーム、音声）と一連の名前付き質問を受け取り、単一のフォワードパスで、較正された確率を伴う型付きの回答を返します。MiniCPM5-2Bは、テキストを受け取ってより多くのテキストを書き、一度に1トークンずつ推論しながら答えに至ります。一方を他方に差し替えることは、モデルのアップグレードでもダウングレードでもありません。それは、応答を消費する側の書き換えです。したがって、行う価値のある比較は、どちらが高いスコアを出すかではありません。あなたのパイプラインが実際に受け入れられるのはどちらの契約か、そしてそれを守るために、それぞれがライセンス、レイテンシ、デプロイ作業の面でどれだけのコストをあなたに課すかです。

呼び出しから実際に返ってくるもの

d1 の呼び出しは会話ではなくスキーマのように見えます。あなたは system_one に状態と、それぞれに型を持つ質問の辞書 — はい/いいえ、単一選択、複数選択、順序付きスコア、テキストスパン、数値、日付、1つまたは複数のバウンディングボックス — を渡すと、各質問に対して確率が付いた値が返ってきます。モデルカード自体の例ではサポートチケットをルーティングします。返金フラグ、2つの指定基準から選ばれるチーム割り当て、それぞれに対する信頼度です。文章も、トランスクリプトも、出力されるトークンもありません。カードにはこう明記されています。これはチャットモデルではありません。

その設計が製品そのものです。何もデコードされないため、パース手順も、JSON の修復も、回答を謝罪で包んだモデル向けのリトライループもありません。あなたが選んだしきい値で値が返り、オプションセットのどれにも当てはまらない場合には棄権パスがあります — Liquid はその棄権テストで、記述式は 78.5、音声は 75.8 と報告しています。下流のコードにキュー割り当てと数値が必要なら、これが望ましい形です。

MiniCPM5-2Bは逆の形で返してきます。これは標準的なLlamaアーキテクチャのデコーダーで、答える前に考え、4000億トークンの深い思考のSFTステージ、ドメインRL、そして16の専門家ティーチャーを1つの密なチェックポイントに統合するオンポリシー蒸留ステップの上に構築されています。構造化出力を確実に得ることは可能です。関数呼び出しのスコアはかなり良好で、OpenBMBはvLLM向けのツールパーサーを提供しています。しかし、それはプロンプトで依頼し、デコーダーが従ってくれると信頼することで得ているものです。推論は機能です。そして、それは毎回の呼び出しで支払っているものでもあります。

存在しない直接対決

これら2つのモデルが両方とも実行されたベンチマークは存在しない。それは報告における欠落ではなく、上述の分割の結果である。d1-Omni-2BはLiquidの意思決定スイートにのみ登場する — DecisionBench v1は76.4、decisionbench.ai v4は84.7、Decision Index public suite v0.3は49.0、ImajevBench v2.0-liteは72.3、18のベンチマークにわたる重み付けなしの視覚平均は67.7。MiniCPM5-2BはOpenBMBの推論およびエージェントスイートにのみ登場する：34のテストにわたる平均53.9、LiveCodeBench v6は69.1、AIME 2025は86.5、SWE-bench Verifiedは46.4、BFCL v4は66.6、そしてHumanity's Last Examでははるかに控えめな8.9。それらの数値はいずれも、最初のリストのどの数値とも同じ項目で、同じ採点者によって測定されたものではない。

これらのスコアを横並びにした2列の表を見せている人は、寄せ集めをしているのであり、その寄せ集めは見た目以上に悪質だ。d1-Omni-2Bの数値はすべてベンダーが実施したもので、公開時点では独立に再現されていない。OpenBMBの見出しの平均値もまたベンダー実施だ。同社は学習コーパスとRLフレームワークを公開しており、これはほとんどのラボより多くのことをしているが、それは手法の再現性であって、スコアの再現性ではない。

実際に存在する独立系の数値は、インデックスのバージョン間で互いに食い違っているため、注意深く読む価値がある。Artificial Analysisは、9月7日にローンチを取り上げた時点で、MiniCPM5-2Bにv4.2 Intelligence Indexで15点を付けていた。現在のライブページには12と表示されている。OpenBMB自身による23という主張はv4.1.1時点のものだ。これら3つの数字は、低下でも論争でもない——その下でインデックスが変わったのであり、異なるバージョンのスコアは比較できない。方向性だけを見て、数字は無視してほしい。Artificial Analysisにはd1-Omni-2Bやその兄弟モデルd1-2Bのページがまったくないため、この判断モデルにはまだいかなる種類の独立した測定も存在しない。

移転可能に見えてそうではない一つの数値：LiquidはそのチャットモデルLFM3-1.7BをMiniCPM5-2Bと27項目のテストで比較し、23対4で勝利した。この結果が示すのは、Liquidの事後学習済みデコーダーがそれらのテストでOpenBMBのものを上回るということだ。決定ヘッドについては何も示しておらず、決定ヘッドはその実行に一切含まれていなかった。また、この組み合わせを決着させるために流用すべきでもない。

スペックが実際に分かれるところ

• 出力契約 — 確率付きの型付き値で出力トークンがゼロなのに対し、生成テキストには暗黙の推論トレースが含まれる。このリスト上の他のすべては、その下流に位置する。

• サイズ — 4.33GBのBF16チェックポイントに2.17Bパラメータ。これに対して総パラメータ数は2.52B、非埋め込みは1.98Bで、BF16では約5GB。フットプリントだけではどちらも勝てないほど近い。

• 入力 — テキストまたはJSON状態、画像、動画フレーム、音声を1回のリクエストで混在可能（比較対象はテキストのみ）。MiniCPM5-2Bには視覚エンコーダも音声パスもありません。状態に波形が含まれる場合、この比較はここで終わりです。OpenBMBのマルチモーダル系を求めるなら、それはMiniCPM-V 4.7であり、異なるトレードオフを持つ別ファミリーです。

• コンテキスト — 131,072に対して128,000トークン。これは同じ数字を2通りに述べたものであり、どちらのモデルを選ぶ理由にもなりません。重要なのは、どちらも長い文書を保持できるという点だけです。d1-Omni-2Bの制約は、長い音声区間ではウィンドウが埋まるよりずっと早く精度が低下することで、カードにもそのように記載されています。

• ライセンス — 年間収益1,000万ドルの閾値を伴う LFM Open License v1.0 に対し、Apache-2.0 は完全に条件なし。これは表の中で最大の単一の違いであり、モデルの品質とは何の関係もありません。

• ランタイム — trust_remote_codeの背後にあるカスタムモデリングコード。Transformers 5.19以降、BF16のみ、ベンダー製GGUFなし、vLLMまたはSGLangの文書化された経路なし。これに対し、未改変のLlamaツール群：vLLM、SGLang、llama.cpp、MLX、GPTQ、リポジトリ内の公式GGUF、およびすでに流通している量子化ビルド。

• 採用状況 — リポジトリが10月24日に登場してから4日後に36ダウンロードと10いいねだったのに対し、9月6日以降は1,216,145ダウンロードと1,823いいね。注記: MiniCPMの数値には7週間とローンチ投稿があるが、d1の数値にはどちらもない。そのため、これは判定ではなく成熟度を示すシグナルとして読むべきだ。

思考に抗う5ミリ秒

Liquid は d1-Omni-2B のウォームコール時のレイテンシーを公開しています。これは compile() の後、BF16 で 20 回の呼び出しの中央値として測定されたものです。H100 PCIe では、1 つの質問に 5.8ms、3 つの質問に 7.7ms、5,000 トークンの状態に 52ms、384 ピクセル画像に 12.1ms、10 秒の音声に 12.4ms かかります。1 回の呼び出しで 64 状態をバッチ処理すると毎秒 1,154 状態を処理し、MI325X はさらに高速で 3.7ms、毎秒 1,697 状態です。M5 Pro は 1 つの質問に 21.1ms、毎秒 110 状態です — データセンター向けカードと比べると遅いものの、デスクトップアプリ内で瞬時に感じられるには十分な速さです。

これはどれも公平な競争ではない。相手側がタイムを公表していないからだ。構造的に言えるのは、デコーダーのレイテンシはどれだけ「考える」かに比例するということであり、MiniCPM5-2Bは考えるために作られたモデルだ。ルーティングやトリアージの判定——正解が4つのキューの名前のいずれかである場合——では、誰も求めていない根拠に対して、しかもトークン単位で料金を払っていることになる。Artificial Analysisはこれに数字を与えている。同社のIntelligence Indexの実行全体で、このモデルは7,400万出力トークンを出したのに対し、比較可能なモデルの中央値は6,700万トークンで、そのサマリーはこれを「やや冗長」と呼んでいる。これはモデルに反対する論拠ではない。d1-Omni-2Bが作られた役割でこれを使うことに反対する論拠だ。

d1 の数値は、いつもどおり慎重に扱うべきです。これらはベンダーによる測定値で、特定のハードウェア上でコンパイル工程を経て取得されたものであり、独立した実行ではほぼ確実に別の値になるでしょう。生き残るのは桁の規模、つまり判断あたり一桁ミリ秒という部分です。

スコアボードよりも優先されるライセンス条項

MiniCPM5-2BはApache-2.0の下で提供されています。商用利用、フォーク、再配布、製品への組み込みが可能で、そのことについて弁護士に相談する必要は一切ありません。d1-Omni-2BはLFM Open License v1.0の下で提供されており、商用利用は、あなたの組織の年間収益が$10,000,000未満である場合にのみ許可されます。その閾値以上では、ライセンスに商用利用は「本契約の下ではライセンスされていない」と記載されています。つまり、Liquid AIとの別途の取り決めが必要であり、そうでなければそのモデルを出荷できません。

再配布は両方で許可されており、LFM側には条件がある。ライセンスを引き継ぎ、変更したファイルを明示し、通知を保持することだ。リブランディングの要件はない。研究チーム、プロトタイプ、または基準を余裕で下回る企業にとって、その条項は形式的なものだ。モデルの有用期間中にその基準を超える可能性がある企業の製品チームにとって、それは最初のベンチマークより前にやってくる調達上の問題であり、アーキテクチャが固まった後に法務部門によって遅れて発見される類のものだ。

この非対称性はあまりに明白なので、歯切れの悪い言い方をせずに明言すべきだ。ライセンスだけを見れば、あらゆる商用展開において MiniCPM5-2B のほうが安全な選択であり、d1-Omni-2B のライセンスはそれを選ぶうえでの実質的なコストであって、脚注ではない。

今日実際に実行できるのはどれですか

MiniCPM5-2Bはデプロイが退屈なほどだ。これはこのサイズのモデルに与えられる最高の賛辞である。標準的なデコーダーなので、vLLMとSGLangはパッチなしでサポートし、llama.cppとLM StudioはGGUFを読み込み、MLXはApple siliconに対応し、Q4_K_Mビルドは約1.45GBだ。唯一の落とし穴はツール呼び出しだ。モデルはXML形式の呼び出しを出力するため、vLLMではminicpm5ツール呼び出しパーサーを有効にする必要がある。さもないと、関数呼び出しは普通の文章として届く。

d1-Omni-2B はまだ退屈ではありません。読み込むには、最近の Transformers にtrust_remote_code=Trueを指定し、さらに torch、torchvision、Pillow が必要です。リポジトリには BF16 safetensors しか含まれていません。ベンダー提供の GGUF はなく、モデルカードにマージ済みの vLLM レシピもなく、Hugging Face にもそれ用の推論プロバイダーが掲載されていません。そのためテスト対象にできるホスト型エンドポイントは存在せず、引用できるホスト型の価格も存在しないわけです。多くの人が取る実用的な道は、Ollama のタグ d1-omni:2b、つまり同じ重みを包んだ 4.4GB のコミュニティ製パッケージです。それは機能します。また、開発者がこのモデルを午後のうちに試せる唯一の理由でもあり、それは Liquid の仕事ではなく第三者の仕事です。

どちらのモデルにもトークンあたりの公開価格はありません。どちらもトークン単位で販売されていないからです。どちらかについて見つかる100万トークンあたりの数字は、ベンダーが提示したものではなく、GPUレンタル費の計算から導き出されたものです。コストで比較するなら、1回の判断にGPU時間で何秒かかるかというコストで比較してください。そして、判断モデルの回答は呼び出しが返った時点で完成しており、チャットモデルの回答は考えるのをやめた時点で完成することを忘れないでください。

両方を使用するパターン

この比較から正直に言える結論は、両者は競合ではないということであり、有用なアーキテクチャはその前提で両者を扱う。d1-Omni-2B は、低コストで大量処理ができ、レイテンシに敏感な判断を担う。どのキューか、どのチームか、この請求書は同じものか、どれほど緊急か、この12個の箱のどれか、といった判断だ。ローカルで動作し、しきい値を設定できる数値を返し、わからないときは判断を保留する。

MiniCPM5-2Bは、言語を必要とする部分を担います。つまり、顧客に決定を説明する、返信の下書きを作る、修正内容を書く、チェーン内の次のツールを呼び出す、といった部分です。最初の仕事は苦手で、2つ目の仕事は得意であり、この分割にかかるコストは両者の間の関数呼び出しだけです — 安価なモデルの信頼度がしきい値を下回ったときにだけ高価なモデルへエスカレーションするルートです。このエスカレーション層はまさに、ルーティングプラットフォームのためのものです：200以上のモデル全体で1つのAPIキー、プロバイダーの定価に対する0%のマークアップ、プロバイダーに障害が起きた際の自動フェイルオーバー、そして複数のモデルを単一の呼び出しの背後に構成できるルーティングDSLを備えています。d1-Omni-2BもMiniCPM5-2Bも現在OrcaRouterのカタログにはないため、このパターンの意思決定側の半分は当面セルフホストのままです — しかし、より良い小型モデルが登場するたびに差し替えたくなる生成側の半分こそ、ハードコーディングするのではなくルーティングする価値がある半分なのです。

誰がどれを選ぶべきか

状態に音声または動画が含まれる場合、文ではなく確率が必要な場合、答えがバウンディングボックス、スパン、または範囲付きの数値でなければならない場合、そして呼び出しが、6msと78msが別製品になるようなループ内にある場合には、d1-Omni-2Bを採用してください。ライセンスのしきい値が自分に適用されること、デプロイはカスタムコードの領域であること、そして独立した評価がまだ存在しないことを承知の上で採用してください。Liquid自身のモデルカードは、音声を扱わない人にはd1-2Bを勧めており、これはほとんどのベンダーが進んで示すよりも正直な指針です。

MiniCPM5-2Bを選ぶのは、入力がテキストである場合、出力を人間が読む必要がある場合、または散文を求めるツールに渡す必要がある場合、長い文書全体にわたる推論が必要な場合、そしてコードを1行も書く前にApache-2.0と標準的なLlamaデプロイ経路が2種類のリスクを排除してくれる場合です。ただし、ベンダーの平均53.9は再現されておらず、現在のインデックスにおける独立系スコアは12であること——同サイズクラスのモデルの中央値5を大きく上回り、以前のバージョンで記録された15や23とは比較できない——そして、公表されている中で最も弱い結果であるTerminal-Benchの8.6とSWE-bench Proの14.4が、エージェント作業に最も近い項目であり、そこが最も大々的にマーケティングされている領域だということを承知した上で選んでください。

そして、本当に求めていたのが「見ることのできる小型チャットモデル」だったなら、どちらも選ぶべきではない。MiniCPM5-2Bにはその能力がなく、d1-Omni-2Bはチャットができず、そして多くの人がどちらかの名前を検索ボックスに入力したときに思い浮かべているモデルは、同じファミリーの中の別のモデルだ。注目すべきは、d1-Omni-2Bに関する最初の独立系音声評価である。その音声言語に関する結果——43言語にわたるFLEURSで92.5、しかし書き言葉では42.0が短い状態では聞き取り時に22.8まで低下し、多言語のパッセージでは83.6が41.8へ——は、言語の識別は極めて得意でありながら、読み上げられた段落の理解は脆いモデル像を示している。Liquidの外部の誰かがこのギャップを測定するまでは、音声入力のユースケースは数字が添えられた約束にすぎず、成果ではない。