ZoomGain-4B 対 MiniCPM5 2B：ポータビリティこそ、誰も公表しないベンチマーク

両方のモデルカードに欠けている数値が一つあり、それはほとんどのデプロイを左右するものです。 MiniCPM5-2BはGGUF、MLX、GPTQ、LiteRTの各ビルドで提供され、投機的デコーディング用のDSparkドラフトモデルを備え、さらに—最も多くのことを教えてくれる詳細として—Ascend、Hygon、Kunlunxin、Metaxを含む9種類の異なるアクセラレータファミリー向けのFlagOSビルドを用意しています。 ZoomGain-4BはGGUFで3つの精度で提供され、カード自身の言葉によれば「Qwen3.5のマルチモーダルサポートを備えたllama.cppビルド」を必要とします。これらのモデルの一方はほぼどこでも動作します。もう一方は特定のランタイムをビルドできる環境で動作します。どちらのカードもこれをベンチマークとは呼んでおらず、モデルを引用するのではなく実際に運用しなければならない人にとって、これはどちらのモデルの精度列よりも重要な行です。

その枠組みは精度比較を避けるためのものではない。精度比較は後で出てくるし、実際には見た目ほど決定的ではないことが分かる。なぜなら、2つのモデルは同じ軸で測られておらず、そもそも同じ軸では測れないからだ。OpenBMBのMiniCPM5-2Bはテキストモデルで、25.2億パラメータ、2026年9月6日公開、エージェント、ツール呼び出し、コード、長いコンテキスト向けに調整されている。inclusionAIのZoomGain-4Bは視覚言語の専門モデルで、2026年11月11日に公開され、細かな視覚的詳細に関する質問で強化学習によって訓練された。以下では、それぞれが何で測られているのか、それぞれを立ち上げるのにどれだけコストがかかるのか、そして正直な境界線がどこにあるのかを見ていく。

欠けている行：それぞれを実行するために必要なもの

まずアーティファクト一覧から始めましょう。それは、どちらの出版社もあなたに提示した中で最も具体的なものだからです。

• MiniCPM5-2B. 標準的な LlamaForCausalLM クラスに基づく密な因果型トランスフォーマーです — 42層、16個のクエリヘッドと2個のKVヘッドを備えたGQA、131,072トークンのコンテキスト、総パラメータ数2,516,756,480（うち1,981,982,720が非埋め込み）。アーキテクチャが標準的なため、Llama型モデル向けにこれまでに書かれたあらゆるサービング経路をそのまま継承します。組織はSFT、Midtrain、Baseの各バリアントを別々のリポジトリとして公開しているほか、GGUF、MLX、GPTQの量子化、投機的デコーディング用のDSparkドラフトモデル、オンデバイスAndroid向けのLiteRT、同じバリアント一式を備えた1Bの兄弟モデルも公開しています。

• ZoomGain-4B. 言語モデルと別個の視覚エンコーダーにわたる、BF16の4,539,265,536パラメータ。GGUFの3つの精度 — Q4_K_Mは2.71 GB、Q8_0は4.48 GB、F16は8.42 GB — はいずれも、カードに画像入力に必須と記載されたmmprojプロジェクターファイルと組み合わせます。MLXビルドなし、GPTQなし、ONNXなし、ドラフトモデルなし。唯一名指しされているランタイムは、Qwen3.5のマルチモーダル対応を備えたllama.cppだけです。これは思われるより狭い要件です。qwen35アーキテクチャを認識できるほど新しいビルドが必要で、カードには、完成済みのパスを指すのではなく両方のファイルを明示的に指定するよう書かれています。

この非対称性は inclusionAI への批判ではない。9日前に公開され、これまで告知もされていないビジョンモデルに Android ランタイムが備わっているとは期待されていない。それは単なる現状であり、つまりこの2つのモデルは、コストがかかる軸では互換ではないということだ。MiniCPM5-2B は、スマートフォンを含め、すでに持っているハードウェアで動作する。ZoomGain-4B は GPU 上で、自分でコンパイルしなければならないかもしれないランタイムでしか動作せず、それ以外では動かない。

「small」の2つの異なる定義

どちらも「小型モデル」と呼ばれているが、その言葉はそれぞれの場合で異なる役割を果たしている。

• パラメータ数、正直に数えた結果。 MiniCPM5-2Bは、2.52Bの総パラメータのうち、非埋め込みパラメータが1.98B — トークンあたりの計算量を左右するのはこの数値です。ZoomGain-4Bは総パラメータが4.54Bで、そのうち約5億が視覚エンコーダとプロジェクタです。視覚スタックを除けば、2つの言語バックボーンは誤差の範囲で同じサイズです。挙動の違いは、その上に何を学習させたかによるものであり、スケールによるものではありません。

• トレーニングが何を目的としていたか。MiniCPM5-2Bのカードでは、最も得意な分野としてコードと数学的推論、長文脈理解、ツール使用、エージェントタスクが挙げられており、対象としてローカルアシスタント、コーディングエージェント、オンデバイス展開を名指ししている。ZoomGain-4Bのカードは一つのことについてだ。モデルが、画像をズームして初めて見える答えを持つ質問に答えられるかどうか、である。

• 各公開者が引き渡すことを選んだもの。 OpenBMBはMiniCPM5の完全なバリアント系列——base、midtrained、SFT、RL-plus-OPD final、さらにドラフトモデルと9つのチップファミリー向けのビルド済みバイナリ——を公開した。inclusionAIは3つのモデルリポジトリ、2つのデータセット、およびデータ構築パイプラインとGRPOランチャーを含むコードリポジトリを公開した。一方は製品ラインであり、もう一方は実験ノートが添付された研究リリースである。

• ライセンス。MiniCPM5-2B はカード上 Apache 2.0 で、リポジトリとウェイトの両方に適用されています。ZoomGain のコードは Apache 2.0 で、チェックポイントの条件はチェックポイントリポジトリに委ねられており、今週時点でそのメタデータにはライセンスタグが付いていません。出荷前にファイルを確認してください。

ベンチマーク列と、それらが満たさない理由

これら2つのモデル間に共通のベンチマークはありません。一つもありません。ZoomGainBenchは写真に関する質問群で、MiniCPM5-2Bには画像エンコーダーがありません。MiniCPM5の表にある他のベンチマークはすべてテキストで、ZoomGain-4Bはそのどれでも実行されたことがありません。そのため、直接対決ではなく、各公開元が実際に測定した内容を、意図的に分けて示します。

MiniCPM5-2B、ベンダー報告値では、そのスイート全体で平均53.9：

• コード — LiveCodeBench v6 69.1、OJBench 32.5、SWE-bench Verified 46.4。

• 数学 — AIME 2025 86.5、AIME 2026 86.5、MATH-500 94.6。

• 知識 — MMLU-Pro 70.8、GPQA-Diamond 70.2。

• 長文コンテキスト — AA-LCR 59.0、NoLiMa 68.1、LongBench v2 43.7。

• ツール使用とエージェント — τ²-Bench Telecom 97.1、BFCL v4 66.6、BrowseComp-ZH 43.5、GAIA Text-103 88.7。

ZoomGain-4B、ベンダー報告：

• 知覚、held-inベンチマーク — ZoomGainBenchで55.81、親モデルのQwen3.5-4Bの30.03に対して。

• 知覚、ホールドアウト平均 — 学習時に一度も見ていない10個のベンチマーク全体で60.96、親モデルは54.20。特筆すべきはこの6.76ポイントの向上だ。

• 個別のホールドアウトでの向上 — Visual Probe 43.30→57.28、O3-Bench 54.20→63.19、HR-Bench 4K 81.25→87.25、MME-RealWorld-Lite 57.89→61.59。

その2つのリストを並べて見れば、判断の構図は明らかだ。MiniCPM5-2Bは開発者が気にする17の項目でテストされ、そのほぼすべてで相応に良いスコアを出している。τ²-Bench Telecomの97.1とGAIA Text-103の88.7は際立つ数値であり、そのポジショニングが依拠しているのはまさにこれらの数値だ。ZoomGain-4Bは知覚についてテストされており、それ以外は事実上ほとんど何もない。そしてそれがもたらす改善——未見のベンチマークで平均約7ポイント——は本物ではあるが、限定的だ。

一言で言うなら、MiniCPM5-2Bはベンチマークの成績表が異例なほど充実した汎用型の小型モデルであり、ZoomGain-4Bは専門特化型のモデルで、その平均7ポイントの改善は汎用のリーダーボード上では見えてこない――汎用のリーダーボードには、それが得意とする問題が含まれていないからだ。

その2つが実際に共存することになる場所

両方が正解となるワークロードには共通の形があります。文書、スクリーンショット、写真、フォームです。画像を見て値を抽出する何かがあり、その後のすべて——スキーマの解析、適切なツールの呼び出し、検証、リトライ、人へのエスカレーション——を担う何かがあります。

抽出はZoomGain型だ。小さい文字、厳しいクロップ、正しいか誤っているかのどちらかである答え、そしてクロップ内のラベルを読むこととフルフレーム内の同じラベルを読むことの違いについて明示的に学習されたモデル。HR-Bench 4K（訓練後81.25から87.25）とMME-RealWorld-LiteにおけるZoomGain-4Bのホールドアウト数値は、他のすべてを悪化させることなく密な細部に強くなったモデルのまさにそのプロファイルである。

残りはMiniCPM5的な作りで、ツール使用に関してはサイズの割に異例なほど強く、τ²-Bench Telecomの97.1は3倍大きいモデルの大半でも届かない数値であり、BFCL v4の66.6は関数呼び出しがデモ止まりではないことを示している。

両方を動かすということは、2つのランタイム、2つのライセンス、そして壊れる可能性のあるものがもう1つ増えるということだ。また、ここはルーターがスローガンではなく存在価値を発揮する場面でもある。画像呼び出しはビジョンエンドポイントへ、ツール呼び出しのターンは安価なテキスト用のエンドポイントへ送られ、どちらかで停滞が起きても、パイプラインで504として表面化するのではなく、自動的に他方へフェイルオーバーする。キーは1つ、請求書は1枚、そしてフェイルオーバーロジックは2つのSDKに重複させるのではなく1箇所に置ける。

私たちが提供しているものと、提供していないものを明確にしておく価値があります。MiniCPM5-2B は現在カタログにありません。私たちがホストしているのは Qwen3.5 ファミリーです。35B-A3B は入力 $0.057、出力 $0.459（100万トークンあたり）、27B は $0.086 と $0.688 で、どちらもマルチモーダルです。そしてこのファミリーは ZoomGain-4B の学習元のベースであり、セルフホストの 4B にコミットする前に crop-and-ask で精度が向上するかを試したい場合、ホスト済みの最も近い近似になります。ツール呼び出しの側面については、同じカタログから今日呼び出せるものがあります。できないのは ZoomGain-4B をホストすることであり、ルーティングをどう変えてもそれは変わりません。それは API ではなくダウンロードなのです。

正直な評価

MiniCPM5-2Bを選ぼう今週中に、すでに手持ちのハードウェア上で、既存のランタイムを使ってデプロイできる小型モデルが欲しく、Apache 2.0ライセンスで、動作を予測できるほど広範なベンチマーク表も求めているなら、

ZoomGain-4Bを選ぶべきなのは、排除しようとしている特定のエラーが視覚的で細粒度のもので、それを修正するためにニッチなllama.cppビルドでGPUを実行することを厭わない場合です。その根拠は、9,000件の訓練サンプルから得られた10個のホールドアウト知覚ベンチマークにわたる平均6.76ポイントの改善という、信頼できる1つの数字と、その主張を信じるのではなく自分で確認できるベンチマーク、データ、ハーネスにあります。

どちらも選ぶべきではない、もし自分のパイプラインが何を間違えているかをまだ測定していないのなら。MiniCPM5-2Bの公開済み結果で最も弱いのは検索エージェントと長文書推論（BrowseComp-ZH 43.5、LongBench v2 43.7）であり、ZoomGain-4Bは画像に関するもの以外の質問をされたことがない。特徴を把握していない問題を解決するためにどちらかを買うのは、30億パラメータモデルが本番環境で何もせずに終わる典型例だ。

地味な結論はこうだ。2つのモデルはライバルではなく、同じ作業の隣接する2段階であり、この比較が競争として位置づけられ続けるのは、ベンチマークのほうがポータビリティより公表しやすいからだ。MiniCPM5-2Bは公表される列で勝つ。ZoomGain-4Bはまだ存在しない列で、単一タスクにおいて約7ポイント勝ち、しかもほとんどのチームを入口で立ち止まらせる実行時要件を伴う。