PAN 2 vs MiniCPM5-2B：一方はデータを提供し、もう一方はプロンプトを提供する

OpenBMBは2026年9月6日にMiniCPM5-2Bをリリースし、25.2億パラメータのチェックポイントと併せて学習コーパスを公開した。Web事前学習用のUltraX-Preview、L0からL3までの階層管理を備えたUltraData-Code、50万件のエージェントサンプルを含むUltraData-SFT-Agent-2609、そして8万件超の強化学習サンプルを含むUltraData-RL-2609である。これは異例の公開であり、今回の比較を考える上で適切な切り口となる。一方、MBZUAIのInstitute of Foundation Modelsがローンチ投稿もホスト型エンドポイントもなしに静かに公開したPAN 2は、近いが同じではないことを行っている。すなわち、プロンプトを公開しているのだ。リポジトリには、conceptual-reasonerスキルとして、システムプロンプト、固定のネガティブプロンプト、そして拡散バックボーンが期待する構造化された世界状態キャプション向けのトークン予算バリデータが含まれ、さらにそれを生み出した学習設定も同梱されている。一方のラボはデータを公開した。もう一方のラボはインターフェースを公開した。どちらも両方を公開したわけではなく、どちらがより有用かは、何を作ろうとしているかによって完全に決まる。

二つの開示、どちらも完全ではない

MiniCPM5-2Bのデータ公開は実際のものであり、具体的だ。カードにはデータセット名が記され、リンクが張られ、それぞれが何に寄与するかが説明されている——階層的に管理されたコードデータ、エージェントSFTサンプル、数学・コード・一般知識・長文脈推論にまたがるRLサンプル。しかし、混合比、順序、デコンタミネーション手順、ソースごとのトークン数は示されていない。材料は見えるが、レシピは見えない。

PAN 2のプロンプト公開は、ちょうどその鏡像だ。キャプション方針は完全に規定されている。世界状態の記述に何を含める必要があるか、イベントの順序、アクションがアクターにどのように結び付くか、カメラの動きがどのように表現されるか、そして1,536テキストエンコーダトークンというハード容量と1,480というソフト目標だ。それが与えないのは、モデルにそれらのキャプションを読むことを教えたコーパス——「同じ形式で注釈付けされた数億本の動画」であり、データセットカードも公開もない。

つまり、小さな言語モデルがなぜそのように振る舞うのかを理解したいのであれば、MiniCPM5-2B のほうが多くの材料を与えてくれる。動画モデルに依頼どおりのクリップを生成させたいのであれば、PAN 2 のほうが多くを与えてくれる。どちらのリリースも中位のモデルより透明性が高く、そしてどちらも、透明性が競争上の不利になる地点で止まっている。

数字と、それが持つ価値

MiniCPM5-2Bは2,516,756,480パラメータの密なLlamaアーキテクチャモデルであり、埋め込みを除くと19.8億パラメータ、42層、16個のクエリヘッドに対して2個のキーバリューヘッド、131,072トークンのコンテキスト、英語と中国語を備えています。OpenBMBは、2Bクラスのオープンソースで最高水準だと主張しており、比較セット全体の平均は53.9、同セット内の最良のより大型モデルは51.1です。興味深いのは個々の行です。LiveCodeBench v6が69.1、AIME 2026が86.5、MMLU-Proが70.8、GPQA Diamondが70.2、SWE-bench Verifiedが46.4、τ²-Bench Telecomが97.1、AA-LCRが59.0、NoLiMaが68.1です。

これらはベンダーが報告したもので、ベンダーが選んだ比較セットに基づいています。そのセットは示唆に富んでおり、Gemma-4-E2B-it、Gemma-4-E4B-it、Qwen3.5-2B、Qwen3.5-4B、LFM2.5-2.6B、LFM2.5-8B-A1B が含まれています。AA-LCR では、報告されている値の開きは MiniCPM5-2B の 59.0 に対し、LFM2.5-2.6B が 5.3、Gemma-4-E2B-it が 17.0 です。SWE-bench Verified では 46.4 対 6.0、2.0、3.0 です。これらの差は、ハーネスの違いでは説明できないほど大きいものの、ハーネスは依然として OpenBMB のものであり、この表を独立に再現した人は誰もいません。

PAN 2にはその種の表はない。コードや数学の場合のように、動画ワールドモデル向けの共通の評価手段が存在しないからだ。代わりにあるのは、どのベンダーのベンチマークよりも率直な、構造化された制限事項のセクションである。シミュレーション計画の約3件に2件は、実行されないステップを少なくとも1つ含む。各クリップは最大でも単一フレームとテキストから始まるため、クリップ間で外観がドリフトする。テキストによる動作指定は、器用な操作を粗くしか指定しない。モデルは物理的制約に違反しながらシミュレーションを進行させることがあり、例として、湯切りする前にパスタがざるに現れることが挙げられている。

• 概要 — MiniCPM5-2B：オンデバイスアシスタント、コーディングエージェント、ツールワークフロー向けの2.52Bデンステキストモデル。PAN 2：ある行動の結果を動画としてレンダリングする29Bの拡散トランスフォーマー。

• 出力 — MiniCPM5-2B: テキスト。PAN 2: MP4、最大20秒（704×1248、24 fps）。

• コンテキストまたは見通し — MiniCPM5-2B: 131,072トークン。OpenBMBのハーネス上でAA-LCR 59.0、NoLiMa 68.1。PAN 2: 開始フレーム1枚とキャプションのみのため、長いインタラクションではドリフトが生じ、カードにもその旨が記載されている。

• ライセンス — MiniCPM5-2B: Apache-2.0、英語および中国語。PAN 2: 自身の重みにはApache-2.0を適用し、Qwen3.5-9BとWan 2.2はそれぞれ独自の条件に従います。

• ハードウェア — MiniCPM5-2B：単一のコンシューマー向けGPUで動作し、カードにはvLLM、SGLang、llama.cppの各パスに加えてマルチチップバックエンドが記載されています。PAN 2：vLLMレシピではデフォルトでH200を8台使用し、13秒の動画にはB300を4台使用して約119秒で処理します。

オンデバイスという主張と、ノードスケールの現実

MiniCPM5-2Bは、本当に重要な意味で小さいことを目指して作られている。単にパラメータ数が少ないだけでなく、すでに手元にあるハードウェアへ載せるための文書化された道筋がある。カードにはvLLM、SGLang、llama.cpp向けのクイックスタートが掲載され、llama.cppの経路では-c 8192がコンテキスト長を設定するという注記もある。これは、実際にラップトップで動かした人が書いた文書にしか出てこない一文だ。さらに、同じ重みを異なるアクセラレータ上で実行できるマルチチップバックエンドFlagOSについても記載している。これはスマートフォン、シングルボードコンピュータ、安価な推論ボックスを狙ったデプロイのストーリーだ。

PAN 2のデプロイ事情はあらゆる面で正反対であり、その理由はずさんさではなく算術にある。サンプラー50ステップで各ステップにclassifier-free guidanceを適用すると、クリップあたり29BのTransformerを100回フォワードパスすることになる。このレシピは、ガイダンスを2ランクに、シーケンス長をさらに2ランクに並列化し、さらにタイルモードでVAEパッチ並列を4ランクに追加する。なぜなら704×1248の20秒をデコードするのは、それ自体がメモリ問題だからだ。これをラップトップで動かすことはできないし、チームもそう装ってはいない。

注目すべきは、どちらのモデルもどこにもホストされていないという点だ。MiniCPM5-2Bは月間100万回以上ダウンロードされていながらファーストパーティAPIがなく、PAN 2にはAPIがなく、2026年11月11日時点では研究所のアカウントによるソーシャル投稿が1件あるだけで、その背後には何もない——エンドポイントも、論文へのリンクも、価格設定もない。どちらかを使いたければ、自分で動かすしかない。

プランニング用の半分をレンタルできる場所

PAN 2のアーキテクチャでは、その一部を分離可能にしており、それはほとんどのチームが自前で構築すべきではない部分である。概念的推論器——観察と要求された行動を、拡散バックボーンが消費する構造化キャプションに変換する言語モデル——は、明示的に任意の指示追従モデルである。報告書は、シミュレーションされた計画がエンドツーエンドで完了する頻度に基づいて4つを順位付けしている：Claude Opus 5.5、中程度のエフォートのGPT-6 Astra、Kimi K3、次いでQwen3.8-Flash。カードはまた、任意の指示追従LLMを使用できること、そして訓練分布を超える場合は手作業で改良したプロンプトが必要になる傾向があることを注記している。

そのため、リーズナーは後から見直したくなる運用上の選択肢であり、見直しは4回の調達に関するやり取りを重ねるよりもルーター経由の方が安く済みます。Qwen3.8-FlashはOrcaRouterで利用できます。単一のAPIキーと自動フェイルオーバーにより、同じキャプション生成ワークロードを複数のプランナーで実行でき、プロバイダーの定価で0%のマークアップをそのまま適用し、あなたの計画を最も頻繁に完了するものを採用し続けられます。OrcaRouterはPAN 2をホストしておらず、ルーティングできるホスト型PAN 2は存在しません。またMiniCPM5-2Bもホストしていません。レンダラーと小型モデルはあなたのハードウェア上に残り、プランナーはコモディティです。

MiniCPM5-2B では計算が異なります。この点は述べておく価値があります。オンデバイスモデルは、まさに従量課金の呼び出しを避けるために存在しており、スマートフォンで動作する 2B モデルは、それを迂回するルーティングによって改善されるものではありません。理由がプライバシー、レイテンシ、オフライン動作にあるなら、ルーティングは誤った答えであり、MiniCPM5-2B が正しいモデルです。理由がコストにあるなら、正直に比較してください。単体の平均で 53.9 を記録する 2B モデルは、あなたのタスクで同等の性能に到達するまでに、より大きなモデルへの従量課金の呼び出しよりも多くのエンジニアリング時間を要する可能性があります。

各リリースは実際には何のためのものなのか

MiniCPM5-2Bは、ユーザーが重視するベンチマークで2Bクラス最高のオープンモデルであり、デバイス上で動作し、コミュニティがそれを取り巻くのではなくその上に構築できるようデータを伴って提供されるという役割を担うモデルです。これは成熟したリリースであり、複数回の反復を反映したドキュメント体系を備えています——3つのサービングスタック向けクイックスタート、ツール呼び出しセクション、クックブック、ファインチューニングレシピ、マルチチップバックエンド。

PAN 2は、異例なほど完全な主張を伴う研究成果物だ。シミュレーティブ推論——エージェントが候補行動の結果を想像してから一つを選ぶこと——は、出現を期待する能力ではなく構築できる能力であると論じ、その論を、背後に公表されたパターン（Critique of World Models、arXiv 2507.05169におけるGenerative Latent Prediction定式化）を備えた2段階システムとして実装している。2026年11月10日に提供されたフレームワーク対応により、それは実行可能になった。同日午後、研究室自身のXアカウントによる2段落の投稿は、それをローンチしたことにはならず、それ以来ほかに何も述べられていない。

どちらも、もう一方より優れたリリースというわけではない。それらは異なる問いへの答えであり、異なる確信度の段階で公開されたものだ。一方のラボは「これは信頼できる小さなモデルであり、これがその中身だ」と言っている。もう一方は「これは新しいことをするシステムであり、失敗する箇所はまさにここだ」と言っている。両者を比較することが役立つのは、そのどちらの文が自分のプロジェクトを表しているかを知っている場合だけだ。