MiniCPM5-2B-DSpark vs LFM2.5-2.6B-Base：一方はサービング用の材料、もう一方はトレーニング用の材料

2026年夏の終わりにリリースされた小規模モデルの中で最も興味深い2つには、共通点があります。それは、どちらもそのままでは動作せず、両ベンダーがモデルカードの最初の文でそのことを述べている点です。MiniCPM5-2B-DSparkは、OpenBMBが2026年9月6日にHugging Faceへひっそりと投稿したDSparkドラフトチェックポイントです。これは、ModelBestが2026年7月19日のWAICで発表した、高密度2.52BパラメータのオンデバイスモデルMiniCPM5-2Bの323.8Mパラメータのコンパニオンであり、投機的デコードエンジン内でそのターゲットの隣にロードするまで何もしません。LFM2.5-2.6B-BaseはLiquid AIの事前学習済みテキストチェックポイントであり、2026年8月1日からHugging Faceにあります。Liquid自身のモデルカードはこれを「事前学習済みテキスト専用チェックポイント」と呼び、大規模なファインチューニングを必要とするタスクにのみ推奨しています。一方は完成したモデルをより速くサービス提供するための材料であり、もう一方はそもそも独自のモデルを訓練するための材料です。それらは異なる棚に置かれ、開発者の過ちは間違った方に手を伸ばすことです。

それらを比較する価値があるのは、同じハードウェアと同じ2026年の目標（スマートフォン、ノートパソコン、エッジボックス上で動作する高性能AI）を、ビルドプロセスの正反対の端から狙っているからだ。展開可能なオンデバイスモデルと無料の高速化が欲しいなら、OpenBMBのスタックは全体をオープンに手渡してくれる。ポストトレーニングを自分で所有したいなら、Liquidは基盤と労力を差し出す。この記事は、実際にどのレイヤーを買っているのかについての話である。

異なる方言で「直接使用用ではない」と書かれた2枚のカード

2つのモデルカードを並べて読むと、その決定的な手がかりはペアを構成する言葉遣いにある。MiniCPM5-2B-DSparkのカードは、もっぱら別のモデルの言葉で書かれている。すなわち、ターゲット、共有するトークナイザー、ドラフト層、受理長、ターゲットパスとドラフトパスを引数に取るSGLang起動コマンドである。ドラフト自体には固有のアイデンティティがなく、5つのフルアテンション層、323,776,001個のパラメータ、ブロックサイズ7、MiniCPM5-2Bが生成した70.5億トークンで6エポック学習され、Apache-2.0の下でリリースされ、DSpark手法（arXiv 2607.05147）のconfidenceヘッドとMarkovヘッドを有効にしている。その目的はスループット、すなわち最大7トークンを提案し、2.52Bのターゲットが1パスでブロックを検証し、受け入れたものだけを保持することだ。

上記のopenbmb/MiniCPM5-2B-DSparkカードが本リリースの公開された全容である。アナウンスが付随しないサービング用アクセサリであり、受理長は報告されているが、エンドツーエンドの高速化は報告されていない。

LFM2.5-2.6B-Baseのカードは、まだ存在しないモデル、すなわちあなたのモデルのために書かれています。2.69Bのハイブリッド構成は、22個のデュアルゲート短期畳み込みブロックの上に8個のグループ化クエリ注意層を積み重ねたもので、Liquidによるオンデバイス展開向けアーキテクチャです。約34兆トークン、16言語、128Kコンテキストで学習されています。テキストのみ対応で、命令チューニングはなく、独自のベンチマークは一切公開されていません。なぜなら、事前学習済みベースモデルは評価対象ではなく、そこから生成されるファインチューニング済み製品が評価対象だからです。その役割は、あなたのデータで継続事前学習またはSFTを行うことにあり、その後にリリースするものはすべて、そのライセンス条件を引き継ぎます。

上記のLiquidAI/LFM2.5-2.6B-Baseカードは、ファミリーテーブル（ベースと、ポストトレーニング済みのLFM2.5-2.6Bエージェントモデルの比較）と、ベースを未加工の素材として定義する「事前トレーニング済みテキスト専用チェックポイント」の注記を示しています。

リポジトリを、次元ごとに

• 役割 — MiniCPM5-2B-DSpark: 既存の完成済みターゲットを加速します。LFM2.5-2.6B-Base: 完成したモデルへとポストトレーニングするための基盤です。

• パラメータ — MiniCPM5-2B-DSpark: 2.52Bの高密度ターゲットに対する324Mドラフト。LFM2.5-2.6B-Base: 2.69Bハイブリッド（アテンション＋ショート畳み込みブロック）。

• コンテキスト — MiniCPM5-2B: ターゲットは128Kネイティブ。LFM2.5-2.6B-Base: 128Kネイティブ。

• 追加が必要なもの — MiniCPM5-2B-DSpark：サービングエンジン（SGLang DSPARK）とターゲットモデル。LFM2.5-2.6B-Base：ファインチューニングの実行、評価スイート、および推論スタック。

• ベンチマーク — MiniCPM5-2B-DSpark: リポジトリ受理長のみ（貪欲アグリゲートは1ステップあたり5.52）、高速化の数値はなし。LFM2.5-2.6B-Base: ベース自体については公開されていない。

ライセンス — MiniCPM5-2B-DSpark: Apache-2.0、制約なし。LFM2.5-2.6B-Base: LFM Open License v1.0 — 年間売上高1,000万米ドルまで無料で商用利用可能。その上限は、あなたがファインチューニングしたものにも引き継がれます。

上のスコアボードは、カードとして描かれた原材料棚です。一方の列は完成したモデルへのサービング用アドオンであり、もう一方の列は、あなたが構築するまで存在しないモデルのためのトレーニング基盤です。

$1000万の差

開発者にとって、ライセンスのギャップは、そのリストの中で最も地味でありながら、最も決定的な項目です。ModelBestとOpenBMBは、MiniCPM5-2BとそのドラフトモデルをApache-2.0で公開しています。ターゲットモデルのサーブもドラフトモデルの実行も可能で、収益上限も帰属表示以外の継承義務もなしに、その上に商用製品を構築できます。一方、LiquidのLFM Open License v1.0は商用利用を認めつつ上限を設けており、年間収益が$10M未満なら無料ですが、この上限は派生著作物にも適用されるため、LFM2.5-2.6B-Baseをファインチューニングした製品にも同じ制約が付きまといます。これはLiquidのライセンスが不合理だという意味ではありません。上限を超えて規模を拡大したいスタートアップにとっては、初日から計画に織り込むべき条件だということです。プロジェクトの収益目標が小さい場合や、研究目的で評価している場合、この上限は問題になりません。しかし、成長させたいプロダクトを作っているなら、Apache-2.0はそれとは異なる種類の原材料です。

開発者向け「作るか、買うか」の分岐点

これをモデル自体に関する「作るか買うか」の判断として捉えれば、選択はもはや混乱しません。MiniCPM5-2B-DSparkは「買う」道です。オンデバイスモデルをエージェント型・長文コンテキストの作業向けにポストトレーニングするという難作業はMiniCPM5-2Bで既に完了しており、ドラフトモデルはその上に重なる、追加ライセンス不要の高速化レイヤーです。あなたが買うのは完成済みのモデルと高速化であり、どちらもApache-2.0ライセンスです。残る作業はサービングと評価だけです。未解決の問題は定量的なものです。OpenBMBはドラフトの受理率（グリーディデコーディング時、検証ステップあたり5.52トークン）を測定しましたが、実時間での効果は測定していません。したがって、何を購入したのかを知るには、自社のハードウェア上でSGLangデプロイメントをベンチマークする必要がまだあります。

LFM2.5-2.6B-Baseは「ビルド」パスです。つまり、事前学習済みの基盤を購入し、ポストトレーニングを自社で実施するという選択です。Liquidがすでに販売しているポストトレーニング済みの兄弟モデルLFM2.5-2.6Bではなくベースモデルを選ぶ正当な理由は、このパスだけです。このパスが意味を持つのは、既製モデルがカバーしないドメイン、言語、または行動プロファイルがある場合です。Liquidのアーキテクチャと34兆トークンの基盤を自社のものに作り変えるのです。間違いなく作業量は増え、公開済みベンチマークはゼロからのスタートで、収益上限も引き継がれます。その見返りは、他の誰も持っていないモデルです。

ルーティングの現実

どちらのチェックポイントも、今日のどのホステッドカタログにも、OrcaRouterのものを含め、登場していません。ドラフトは定義上ローカルで提供する付属物であり、Liquidのベースはセルフホスト型ファインチューニングプロジェクトです。ルーティングレイヤーが有用なのはまさにそこであり、どちらかをホストしているふりをする必要もありません。どちらかのモデルを提供またはファインチューニングした後は、自前のエンドポイントの前に置かれたレイヤーこそが、それらの試用を元に戻し可能にしてくれます。テストパスをMiniCPM5-2B-plus-draft SGLangビルドに向け、本番は今日提供中のものを維持し、自動フェイルオーバーにストールを捕捉させ、比較対象のホステッドモデルについてプロバイダーのリスト価格を0%マークアップで素通ししてください。ここでのレイヤーの要点は配信ではなく、どちらの構成要素もあなたを不可逆的に縛るものではない、ということです。

どの棚で買い物をしていますか？

今日すぐに使えるApache-2.0ライセンスの完成済みオンデバイスモデルと、それを高速化できるかもしれないドラフトが欲しいなら、MiniCPM5-2B-DSpark（対応するターゲットモデルとセットで）を選ぶこと。ただし、ドラフトによる高速化の効果は自分で計測しなければならない——ベンダーは計測していないのだから。自分のモデルをポストトレーニングするつもりがあり、Liquidのハイブリッドアーキテクチャと16言語対応の基盤を初期重みとして使いたいなら、LFM2.5-2.6B-Baseを選ぶこと。その代わりに、ファインチューニングのコスト、公開済みベンチマークがゼロであること、そしてあなたが何を出荷しても付いて回る1,000万ドルの収益上限を受け入れること。この2つは、同じ仕事を奪い合う競合ではない。同じハードウェア上で行う別々の仕事であり、唯一の間違いは、もう片方を買っているつもりで、片方を買うことだ。