MiniCPM5-2B vs Gemma 4 12B：サブ4Bランキングのリーダー vs Googleの12B汎用モデル

MiniCPM5-2Bのローンチ資料には、あらゆる議論が始まる前に決着させてしまいそうな一文が含まれている：7月19日の世界人工知能会議で、ModelBestとOpenBMBは同モデルをArtificial Analysisのリーダーボードにおける4Bパラメータ未満の最上位モデルと称し、そのオープンウェイトは現在、Hugging Face上でひっそりと公開が始まっている。Gemma 4 12Bは、まったく別のウェイトクラスから送り出されたGoogleの回答だ。6月3日にリリースされた11.95Bのdense型・エンコーダーレスのマルチモーダル汎用モデルであり、テキスト、画像、音声、動画を入力として受け付け、数か月にわたるコミュニティ展開の実績を背後に持つ。両者の比較はスペックシートの突き合わせではない。それは、どのデバイスへ出荷するのかという決断である。サイズクラスをリードするモデルと、単に大きいだけのモデルは、異なるハードウェアの問いに答えているのだから。

この対決が成立する理由は、まさにそのタイミングにある。MiniCPM5-2Bは7月にWAICで製品として展示された。モデルのストーリーであると同時にチップのストーリーでもあり、FlagOSコミュニティからは9社のデイゼロシリコンパートナーが名を連ねた。そしてウェイトは「近い将来」公開が約束されていた。7週間後、openbmb/MiniCPM5-2BリポジトリがHugging Face上に登場した（OpenBMBのチェンジログによればリリース日は9月7日）。Apache-2.0ライセンス、ゲートなし、BF16チェックポイント、GGUF、MLX、GPTQ、ベースモデルとSFTチェックポイント、そして学習データセットがすべて同じコレクションに収められている。プレスリリースもローンチイベントもない。本稿を書いている時点では、モデルカード自体が発表であり、独立したベンチマーク結果はまだ公開されていない。以下の2Bに関する定量的な情報はすべて、ModelBest自身による再現か、同社が引用するArtificial Analysisのスナップショットからの引用である。一方、Gemma 4 12BはGoogleの通常の仕組みを通じてローンチされ、何百万回もダウンロードされている。このエビデンスのギャップは比較の一部分であり、脚注ではない。

それぞれの側で何が変わったのか

MiniCPM5-2Bは、OpenBMBが5月19日にオープンソース化したMiniCPM5-1Bに続く、MiniCPM5シリーズの2番目のモデルです。カードには、総パラメータ数2,516,756,480（非埋め込み1,981,982,720 — 「2Bクラス」のレッテルを得る数字）の高密度トランスフォーマーであり、42層、隠れサイズ2048、グループ化クエリ注意（クエリヘッド16個、KVヘッドはわずか2個）、語彙サイズ130,560と記載されています。これはプレーンなLlamaForCausalLMアーキテクチャであり、カードはカスタムカーネルもモデルコードのフォークも不要と明示しています。チェックポイント全体が1つのBF16 safetensorsシャードとして提供されます。興味深い設計上の選択はポストトレーニングにあります。ディープシンキングデータの400BトークンでのSFT、その後に16個のRLエキスパートモデル（うち5個はエージェント型）を1つの小さな高密度ネットワークに折り畳むOn-Policy Distillationを実施しています。カードは、RL + OPDが推論および一般タスクで平均10.96ポイント、エージェントタスクでは平均6.96ポイントの向上をもたらしたとしています。これらは内部的な差分値ですが、このモデルの形状を説明しています。つまり、XMLスタイルのツール呼び出しをネイティブに出力する、オンデバイスエージェントとして構築された2Bモデルです。

Gemma 4 12B は、Google のラインナップの中でも独自のポジションを占めています。Gemma 4 ファミリーの中間の子であり、エッジ特化の E2B・E4B モデルの上位、26B MoE と 31B フロンティアの下位に位置します。また、エンコーダーレス設計を採用した唯一のモデルで、生の画像パッチと音声波形をトークン空間に直接投影するため、テキスト・画像・音声・動画の入力を別エンコーダーなしで単一のデンスモデルが処理します。256K のコンテキストウィンドウ、標準装備のツール呼び出し、オプションの推論パス、チェックポイントに内蔵されたマルチトークン予測ドラフターによるデコード高速化を備えています。Apache-2.0 ライセンスで、16GB クラスのハードウェアで実用的に動作し（4ビットなら約8GB）、Hugging Face ページでは毎月数百万ダウンロードを記録しています。

ランキングの主張と、そこから外されているサイズクラス

ModelBest が MiniCPM5-2B について打ち出した見出しは、Artificial Analysis Intelligence Index が 17 で、発表時点で 4B パラメータ未満のモデルの中で首位というものだ。ただし、この数字には 2 つの但し書きが付く。このスコアは AA の v4.1 スナップショットを反映したものであり、以前のスナップショットのインデックス値とは直接比較できない。また、これは独立した再実行が行われる前にベンダーが引用した発表時点の数値でもある。正直に解釈すれば、その意味合いはより限定的でありながら、それでも印象的だ。すなわち、リリース当時の AA の方法論では、この 2.5B モデルはサイズクラス全体で首位だった。Gemma 4 12B はそのクラスには含まれず、現在の Artificial Analysis のページではより高いインデックスを示している。推論（reasoning）バリアントで約 22、非推論の instruct モデルで約 13 であり、どちらも同グループ内では「平均をはるかに上回る」。異なるスナップショットのインデックスはきれいに一致しないため、これは正確な値ではなく方向性として捉えるべきだ。つまり、12B の汎用モデルはより高性能なモデルとして測定され、2B はそのサイズの中で最も高性能なモデルとして測定される。これらは異なる主張であり、両方が真実であり得る。

スコアボード、正直に表示された

ソースの出所を念頭に置いてこの表の行を読んでください — MiniCPM5-2Bの数値はModelBestのモデルカード上の主張であり、公開から1週間で未再現のものです。Gemma 4 12Bの数値はGoogleが報告したもので、長くコミュニティでの使用に晒されてきたものです:

• サイズ — MiniCPM5-2B: 合計2.52B / 非埋め込み1.98B、dense。Gemma 4 12B: 11.95B、dense。

• モダリティ — MiniCPM5-2B: テキストのみ。Gemma 4 12B: テキスト、画像、音声、動画の入力に対応、エンコーダーレス。

• コンテキスト — MiniCPM5-2B: 出荷時設定で131,072トークン。Gemma 4 12B: ネイティブ256K（一部のサービング設定では128Kに固定）。

• 言語 — MiniCPM5-2B: 英語と中国語を中心としたカードとデータ。Gemma 4 12B: 140以上の言語。

• リリース — MiniCPM5-2B: 2026年7月19日発表。ウェイトは9月6〜7日に公開、控えめな展開。Gemma 4 12B: 2026年6月3日ローンチ。フルローンチ評価付き。

• エビデンス — MiniCPM5-2B: ベンダーカードに加えAA v4.1（Index 17、サブ4Bで#1）。独立した実行はまだなし。Gemma 4 12B: ローンチ評価に加え、数ヶ月のコミュニティ展開と月間約330万ダウンロード。

上記のスコアボードは、同じポートレートを6行に分けて示したものです。2つのモデルは、ほぼすべての次元で見解が一致せず、選択を左右する列——モダリティ、言語、デバイスクラス——は、どのベンチマーク平均でも捉えられないものなのです。

12Bが勝る点：テキストのみの2Bには偽れないもの

まずモダリティから始めよう。Gemma 4 12Bは音声・画像・動画をネイティブに処理できるが、MiniCPM5-2Bはテキストのみである。文字起こし、画面の参照、動画の視聴を行う製品はすべて、2Bの横に第二のパイプラインが必要になり、その時点で「小さいモデル」という利点は部分的に消え去る。言語も第二の壁だ。140以上の言語に対応する一方、英語・中国語中心のリリースである。長尾の言語に対応する製品にとって、2Bは候補にすらならない。そして、実績という点もある。Gemma 4 12Bは何百万回もダウンロードされ、量子化・ファインチューニングされ、3か月間本番運用されてきた。その障害モードは文書化されており、エコシステムはllama.cpp、Ollama、LM Studio、MLX、vLLM、SGLangに及ぶ。MiniCPM5-2Bは、公開から1週間のリポジトリで、見出しとなる数値は、独立したテストを生き残れば2.5Bの稠密モデルとしては注目に値するベンダー実施のSWE-bench Verifiedでの46.4を含め、ラボ外の誰にも検証されていない。成熟度だけで言えば、選択の余地はない。

2Bが唯一の選択肢である場合

12Bがそもそも収まらないデバイスクラスでは、そうしたことはすべて無意味です。数ギガバイトのDRAMしかないスマートフォン、スマートコックピット基板、小型エッジボックスでは、11.95Bモデルの重みをメモリバス経由で実用的な速度で転送することはできません——まさにそれがボトルネックとなり、動作を窒息させます。MiniCPM5-2Bはそのような世界のために作られました: オンデバイスメモリに収まる重み、長時間のエージェントセッションに対応する128Kウィンドウ、インタラクティブに動作するよう設計されたネイティブなツール呼び出し、そして9つのチップファミリーとARMにわたるデイゼロ適応。ターゲットがスマートフォン級のNPUや組み込み基板なら、Gemma 4 12BはMiniCPM5-2Bと競合していません。そもそもそこにはデプロイできないのです。また、ターゲットが12Bをギリギリ搭載できる——16GBノートPC——という場合でも、2Bは余裕をもたらします: トークンあたりのレイテンシ向上、消費電力の低減、そして同じフットプリントで2つ目のモデルを実行するオプションも手に入ります。

存続するクレームを見分ける方法

両者ともオープンウェイトでセルフホスト可能な以上、誠実な次のステップは、カードを読み合うのではなく、自社ハードウェア上で測定することです。すでに運用中のワークロードでMiniCPM5-2BとGemma 4 12Bを比較検討しているなら、こここそルーティングレイヤーが真価を発揮する場面でもあります。つまり、自動フェイルオーバー付きの単一API経由で新しいセルフホストチェックポイントにテスト経路を向けることで、実証されていないスタックが停止やループに陥っても本番環境を巻き込まずに済みます。その間、比較対象となるプロバイダーのリスト価格は0%マークアップで素通しされます。モデル自体はできたばかりのリポジトリなので、デフォルトでは実験扱いが妥当です。ただし、その実験は安価に実行でき、2B上でSWE-benchや自社評価セットの一部を再現するのに要する2時間は、まさにこの対決に欠けている証拠となるでしょう。

評決

ハードウェアに余裕があり、ワークロードがテキスト以外にも及ぶ — {{1}}マルチモーダル製品、多言語オーディエンス、または3か月間のコミュニティでの実証実績がランキングの栄冠よりも重要となるあらゆるもの{{/1}} — 場合は、Gemma 4 12B を選択してください。デバイスが12Bモデルをまったく実行できない場合、または{{2}}スマホ級チップ上で動作するテキスト対応・エージェント指向の2.5Bがあれば、より大きなモデルでは実現不可能な製品を出荷できる{{/2}}場合は、MiniCPM5-2B を選択してください。4B未満のランキングで首位を獲得したことは紛れもない成果であり、そのオープンウェイトでの公開により今日すぐにテストできます。しかし、入手可能な証拠に照らせば、12Bが実際に動作する環境では、12B汎用モデルの代替にはなりません。