MiniCPM5-2Bのウェイトが公開: Sub-4Bの頂点に立った小型モデルがオープンソース化

モデル自体は7週間前に登場したばかりだ。MiniCPM5-2Bは7月19日に開催された2026年世界人工知能会議で初公開され、ModelBestとOpenBMBはArtificial Analysisのリーダーボードにおいて4Bパラメータ未満のモデルでトップランクに輝いたと発表し、ウェイトも「近い将来」公開すると約束していた。今週末に起きたのは、その「近い将来」が発表時の派手な演出なしに訪れたことだ。MiniCPM5-2Bのリポジトリは9月6日にHugging Face上で公開され、OpenBMBのチェンジログには9月7日リリースと記載されている。ライセンスはApache-2.0で、BF16ウェイト、GGUF、MLX、GPTQ量子化、ベースモデルとSFTチェックポイント、投機的デコーディング用のDSparkドラフトモデル、そしてそれらの背後にあるトレーニングデータセットという完全なパッケージが含まれている。

プレスリリースもなければ、発表イベントもなかった。ある日突然、Hugging Faceのリポジトリが現れ、翌日にはチェンジログに1行が追加された。つまりこれは「現時点で判明していること」をまとめた記事であり、初期のアップデート情報が1件含まれている。 リポジトリからは多くのことがわかる。モデルは現在、実際にダウンロードして実行可能であり、スペックシートも公開されている。さらに、外部スコアもすでに登場している。Artificial AnalysisはMiniCPM5-2BをIntelligence Index v4.2でスコア15として掲載しており、これは同インデックスで総パラメータ数が4B未満のオープンウェイトモデルとしてはトップの結果である。これにより、4B未満クラスのランキングは、もはやベンダーの説明だけに基づくものではなくなった。 まだ確認されていないのは、モデルカードの主要数値だ。OpenBMBは独自の評価環境でそれを再現したが、研究所の外で再実行した者はまだいない。以下では、リポジトリから判明していること、現在独立に測定されていること、そしてこれを土台に開発を進める前に検証が必要なことを示す。

今、何が起きたの？

MiniCPM5-2Bは、MiniCPM5シリーズの2番目のモデルであり、OpenBMBが5月19日にオープンソース化したMiniCPM5-1Bに続くものです。2BがWAICで製品として出荷されたとき、そのストーリーはモデルの物語であると同時にチップの物語でもありました。ModelBestはこれを、スマートフォン、PC、スマートコックピット向けのオンデバイスエージェント基盤として位置づけ、FlagOSコミュニティを通じてファーストデイサポートを提供する9種類のチップを挙げました。Huawei AscendからNVIDIA、そしてさまざまな国産アクセラレータにわたります。オープンソース化は間近とされていました。しかし7週間が過ぎました。

9月6日、openbmb/MiniCPM5-2B リポジトリが公開されました。本稿執筆時点では、モデルカードはリリース告知となっており、静かな公開にしては異例なほど充実した内容です。

• 重み — RL + OPDポストトレーニング済みの最終チェックポイントをBF16形式で提供し、Apache-2.0ライセンスの下で公開、ゲートなし — 誰でもダウンロード可能です。

• コンパニオンチェックポイント — RL/OPD前のモデルを希望する人向けのMiniCPM5-2B-SFT、-Midtrain、-Baseに加え、-GGUF、-MLX、-GPTQ、および-DSparkドラフトモデル。すべてHugging FaceのMiniCPM5コレクションに掲載されています。

• データ — トレーニングコーパスもオープンであり、UltraDataファミリーの一部として公開されています：Ultra-FineWeb、UltraX、UltraData-Code、UltraData-Math、UltraData-SFT-Agent-2609、UltraData-RL-2609。

• ミラー — READMEはHugging FaceとModelScopeの両方を指しています。

モデルカード内の1行は、見た目以上に重要だ。「カスタムカーネルなし、モデルコードのフォークなし」。MiniCPM5-2Bは標準のLlamaForCausalLMアーキテクチャを採用しているため、すでにLlama系モデルを扱えるエンジンなら、専用実装を待たずに読み込むことができる。

2.5Bモデルが再評価に値する理由

WAICでのプレゼンはランキングを軸にした内容だった。ModelBestは、MiniCPM5-2BがArtificial Analysis Intelligence Indexで17を記録し、ローンチ時点のAAリーダーボードにおいて40億パラメータ未満のモデルの中で首位に立ったと述べた。この数字には2つの注意点が伴う。第一に、インデックススコアは同一の方法論バージョン内でのみ比較可能である。MiniCPM5-1Bの以前の17.9は旧バージョンのAAスナップショットによるものであり、小型モデルの方が「スコアが高い」ことを示す証拠にはならない。同様に、新しい方法論による新しいスコアは回帰（後退）を意味するものではない。第二に、AAの数値はモデルカードに反映されているが、カードの見出しとなる平均値はOpenBMB自身のものであり、OpenBMB独自のハーネスで再現されたものである。この区別が重要なのは、AAがその後新しい方法論へ移行し、新しいスコアを公表したためである。これは、オープンウェイト公開以来、この主張に対する初めての外部検証となる。

外部からの数字は、モデルの重みと同じ週に届いた。9月4日、Artificial AnalysisはIntelligence Index v4.2をリリースした。これは方法論の改訂であり、非公開の保留テストへのウェイトを40%に引き上げ、AA-Briefcase（エージェント評価）とSurgeのGDP.pdf（長文脈の文書推論タスク）という2つの新しい構成要素を追加するものだ。AAのインデックスにおけるMiniCPM5-2Bのエントリは、現在v4.2でスコア15を記録している。これは総パラメータ数4B未満のオープンウェイトモデルの中で最高の結果であり、AAのリスト上でそのサイズクラスに属する47のオープンモデルのうち1位である。これにより、モデルは7月の売り込みが置いた位置に留まる。今回は、方法論はより攻略が難しく、重みも誰でもダウンロードして再確認できる。この15は、v4.1に基づく発表当時の17とは比較できない。方法論が厳しくなったのであって、モデルが弱くなったわけではない。また、複合スコアはモデルカードの個々の行を再検証するものではなく、その大半はOpenBMBが独自のハーネスで再現している。このスコアが実際に示しているのは、OpenBMBが最適化したと述べる2つの軸に合致していることだ。v4.2はエージェント的タスクへの傾斜が強く、AAの冗長性追跡によれば、MiniCPM5-2Bはインデックスタスク全体で5700万個の出力トークンを生成しており、中央値7200万個と比較して、同クラスで最も簡潔なモデルである。OpenBMBはAAの実施に感謝し、まさにその言葉で位置づけた。つまり、2.6Bでのエージェント性能とトークン効率が、このモデルが最適化された点であると述べた。

この主張の核心は、小型パッケージに収められたエージェント的能力、すなわちネイティブなツール呼び出し、ディープサーチ、コード生成であり、後付けではなくゼロから訓練された点にある。カードには3段階のパイプラインが記述されている。ベース訓練、中間訓練、そして400Bトークンの深層思考データによるSFTの事後訓練、特化型RL教師、さらには16のRL専門家モデル（うち5つはエージェント的）を1つの小型の高密度ネットワークに統合するOn-Policy Distillation（OPD）である。OpenBMBは、RL＋OPD段階が推論および一般タスクで平均10.96ポイント、エージェント的タスクで6.96ポイントの向上をもたらしたとしている。これは内部的な差分だが、このモデルの異例の形状を説明するものでもある。すなわち、推論モデルとして構築され、ツール使用に向けられた25億パラメータのネットワークという形状である。

このリポジトリが実際に含むもの

スペックシートに曖昧さはない。何しろ、それがコンフィグファイルなのだから。MiniCPM5-2Bは2,516,756,480パラメータを有し、そのうち1,981,982,720が非埋め込み（non-embedding）パラメータである。ベンダーが「2Bクラス」と呼ぶとき、彼らはこの非埋め込みの数値を数えている。これは隠れサイズ2048・42層のdense Transformerであり、16のクエリヘッドとわずか2つのKVヘッドを持つグループ化クエリ注意機構（GQA）、語彙サイズ130,560、そしてBF16テンソルを備える。全体は単一のsafetensorsシャードとして配布され、ノートPCの回線でもダウンロードでき、単一のミッドレンジGPUやスマホ級NPUでも動作するほど小さい。

• パラメータ — 合計2,516,756,480；非埋め込み1,981,982,720

アーキテクチャ — dense LlamaForCausalLM、42層、hiddenサイズ2048、GQA 16クエリヘッド / 2 KVヘッド、語彙数130,560。

• コンテキスト — 131,072トークン設定済み（max_position_embeddings）、configにRoPEスケーリングなし

• ライセンス — Apache-2.0、モデルと公開されたトレーニングデータの両方に対して。

• 形式 — BF16。GGUF、MLX、GPTQ版は別途公開。

7月のデッキにあった数字の1つは、チェックポイントには現れない。WAICの資料は512Kトークンのコンテキストウィンドウを宣伝していたが、リリースされたconfigではmax_position_embeddingsが131,072（128K）に設定され、rope_scalingエントリはない。512Kという数字は、いくつかの小規模モデルがコンテキストを拡張するのと同様に、推論時の拡張によって到達することを意図している可能性もある。しかし出荷時点では、リポジトリは131,072を記載しており、OpenBMBが拡張レシピを公開するまで、設計上のターゲットはその数字である。

測定者ごとに並べ替えた数字

モデルカードはデータの来歴を丁寧に扱っており、脚注まで読む価値がある。†（ダガー）印を付けたスコアは「公式のArtificial Analysisリリース」に由来するものだとされ、該当する行はGPQA-Diamond 70.2、HLE 8.9、AA-LCR 59.0、Terminal-Bench v2.1 8.6、GDPval-AA v2 19.6などである。それ以外はすべて「社内で再現」と説明されており、これはOpenBMBが自社の評価ハーネスでこれらの評価を実行したことを意味する。この区分には、注目を集める数字が含まれている。カードの比較セット全体での内部平均53.9、AIME 2025/2026の86.5、MATH-500の94.6、LiveCodeBench v6の69.1、SWE-bench Verifiedの46.4、BFCL v4の66.6、τ²-Bench Telecomの97.1、GAIA (Text-103)の88.7、MMLU-Proの70.8である。

これらの数値を正しく読めるようにしているのは、次の3点だ。平均53.9は相対スコアであり、絶対スコアではない。モデルカードはレーダーチャートの各軸を正規化し、比較対象の中で最も優れたモデルが100点になるようにしている。比較セットはベンダーが選定したもので、Qwen3.5-2B、Qwen3.5-4B、Gemma-4-E2B-it、granite-4.2-3B、LFM2.5-2.6B、LFM2.5-8B-A1Bといった他の2B〜4Bオープンモデルが含まれる。このセット内で、モデルカードはMiniCPM5-2Bが次点のQwen3.5-4B（51.1）を上回っていることを示しており、サイズが半分のモデルとしては実に際立った結果だ。そして、誰かがその上に何かを築く前に独立した再現が必要になる、まさにその種の結果でもある。また、個別の行のいくつかはマーケティングの主張と整合させるのが難しい。2.5Bのデンス（dense）モデルによるSWE-bench Verified 46.4は、再現されれば驚異的な値だ。一方、HLEの8.9は「サブ4Bリーダー」と「フロンティア」は別のリーグであることを思い出させる。これらのいずれもリポジトリの内容とは矛盾しない。AAのv4.2総合スコアも、このモデルがサブ4Bオープンウェイトクラスの最上位に位置することをその後裏付けている。だが、これらの特定の行はOpenBMB自身によるデータであり、ラボ外部の誰にもまだ検証されていない。

今日、MiniCPM5-2Bを実行する

アーキテクチャがプレーンなLlamaであるため、主流のエンジンが直接ロードできます。OpenBMBのREADMEには、vLLM（0.21以降）、SGLang（0.5.16以降）、Transformers（5.6以降）向けのクイックスタートが記載されており、推奨サンプリングは温度1.0、top-p 0.95で、推論パスが必要な場合はenable_thinkingをオンにします。GGUF版とMLX版は、llama.cpp、Ollama、LM Studio、Apple Siliconに対応しています。カードには、ArcLightランタイムと一般的なファインチューニングスタック（TRL + PEFT、LLaMA-Factory、ms-swift、unsloth）も記載されています。

始める前に知っておくべき導入の詳細が2つあります。ツール呼び出しと関数呼び出しに関しては、SGLangが推奨バックエンドです。モデルはXMLスタイルのツール呼び出しを生成し、SGLangに組み込まれたminicpm5パーサーがそれをOpenAI互換のtool_callsにネイティブ変換するため、標準的なツール呼び出しクライアントはカスタムシムなしで動作します。また、DSparkドラフトモデルは推論パスをより安価にするために存在します。SGLangでDSPARK投機的デコードアルゴリズムを使って起動すると、ターゲットモデルの出力は変えずにデコードを高速化します。これは、ノートPC上の128Kコンテキストのエージェントループが「実用可能」なのか「単に可能なだけ」なのかを左右する類のものです。

もしひとつのモデルを手動チューニングするより、小型オープンモデルの一群をまとめて評価したいのであれば、ここでルーティング層が真価を発揮します。プロバイダーがMiniCPM5-2Bをリストに載せた場合、追加インテグレーションなしで、同じタスク上でQwen3.5-2Bや他の4B未満のオープンチェックポイントとA/B比較する安価な方法が、ルーターの利用です。OrcaRouterでは、200以上のモデルをひとつのAPIで扱え、プロバイダー提示価格は0%マークアップでそのまま適用され、新登場のチェックポイントが本番パス上で停止またはループした場合には自動フェイルオーバーが働きます。このリポジトリは公開からまだ2日ほどで、現時点でMiniCPM5-2Bを掲載しているホスト型APIも見当たりません。したがって、今正直なデフォルトは、これを依存対象としてではなく、セルフホストの実験として扱うことです。

誰がこれらの重りを引くべきですか

もしあなたの仕事がオンデバイスエージェント、エッジ環境でのツール呼び出し、または小規模モデルを使ったコーディング・推論実験に関わるもので、現在の選択肢の中で最もアグレッシブにトレーニングされた2Bクラスのモデルが欲しいなら、今日のうちにそれらを取得しましょう。 Apache-2.0ライセンスと公開されたトレーニングデータは、多くのチームが中国の研究所製の小規模モデルに二の足を踏む理由を二つとも解消します。商用利用の制限がなく、コーパスもブラックボックスではないのです。 ベンチマーク表の数値だけで本番モデルを選ぼうとしているのなら、取得には慎重になってください。モデルカードの主要行はOpenBMB自身による再現スコアであり、現時点で唯一の外部測定であるAAのv4.2複合スコアも、それらを裏付けてはいません。 Qwen3.5-4Bを上回ると報告されている2.5Bモデルは、SWE-benchを自分で再現するのに必要な2時間をかける価値のある主張です。

次に見るべきもの。このリポジトリはまだできて2日ほどなので、短期的なシグナルはまだ機械的なものばかりだ。すなわち、llama.cppとOllamaライブラリがGGUFを採用するかどうか、ModelScopeミラーとFlagOSチップビルドが問題なく公開されるかどうか、そしてホステッドAPIがMiniCPM5-2Bをリストアップするかどうか——それが、このモデルがセルフホスト専用ではなくなる瞬間だ。この記事が欠けていると指摘した実質的なシグナル——Artificial Analysisや大学の研究室による独立した実行——は、今やv4.2インデックススコアという形で到着しており、MiniCPM5-2Bは4B未満のオープンウェイトモデルの中で首位を維持している。依然として未解決なのは行レベルの検証だ。OpenBMBの外部で、モデルカードの内部数値——特にSWE-bench Verifiedの46.4と内部平均の53.9——を再現した者はまだいない。これらの具体的な行が再実行されるまでは、MiniCPM5-2Bを、印象的なカードを添えて静かにリリースされたモデルと同じように扱うべきだ。つまり、今夜ローカルで実行できる非常に有望な仮説であり、その最も際立った数値は、実際の仕事で信頼する前に検証すべきモデルなのである。