
Aion-1.0-Instruct-2.3B vs MiniCPM5 2B: Degene met een scorebord heeft er al een rivaal op staan
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 184 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 223 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 87 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 96 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 78 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 208 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
De modelkaart van MiniCPM5-2B bevat een vergelijkingstabel met acht baselines, en Aion-1.0-Instruct-2.3B staat daar niet tussen. Dat is geen geringschatting; het is een tijdstempel. De tabel van OpenBMB was opgebouwd rond modellen die bestonden toen de gewichten op 6 september 2026 online werden gezet. De checkpoint van Microsoft verscheen op 18 november 2026 op Hugging Face, drieënzeventig dagen later, zonder aankondiging en met drie likes. Niemand heeft de twee naast elkaar gezet, omdat niemand dat op de eerste dag van zijn bestaan kon. MiniCPM5-2B is ondertussen met ruime marge het meest gedownloade model in deze klasse — ongeveer 966.000 downloads tegenover nul voor Aion.
Dit is dus geen vergelijking van twee gemeten modellen. Het is een vergelijking tussen een model dat aankwam met een scorebord en een fanbase en een model dat aankwam met een configuratiebestand en een belofte over januari 2027. Wat volgt, gebruikt de gepubliceerde cijfers van OpenBMB voor MiniCPM5-2B waar die bestaan, de modelkaart van Microsoft voor Aion-1.0-Instruct-2.3B, en zegt ronduit wanneer een cel niets bevat.
Twee modellen met tweeënhalf miljard parameters die niet op elkaar lijken
De kopformaten liggen dicht genoeg bij elkaar om een vergelijking van de specsheets uit te lokken, en de specsheets komen vervolgens niet overeen.
• Parameters — MiniCPM5-2B heeft een totaal van 2,52B, waarvan 1,98B niet-embedding is; Aion-1.0-Instruct-2.3B telt 2,29B, met gekoppelde input- en output-embeddings.
• Diepte — 42 lagen voor MiniCPM5-2B, op een standaard LlamaForCausalLM-architectuur; 28 lagen voor Aion, op aangepaste modelleercode die trust_remote_code vereist.
• Aandacht — 16 queryhoofden en 2 key/value-hoofden voor MiniCPM5-2B; 24 queryhoofden en 8 key/value-hoofden met hoofddimensie 128 voor Aion, in een hybride patroon van 21 sliding-window-lagen op 2.048 tokens en 7 full-attention-lagen.
• Context — 131.072 tokens tegenover 32.768.
• Talen — Engels en Chinees voor MiniCPM5-2B; acht talen voor Aion, met meertalige data op ongeveer 6% van de training.
• Licentie — Apache 2.0 versus MIT. Beide permissief, beide commercieel veilig.
• Ecosysteem — GGUF, MLX, GPTQ, basis-, SFT-, midtrain- en draft-checkpoints plus de trainingsdatasets, tegenover safetensors en de belofte dat er gequantiseerde builds volgen.
Die laatste regel is het punt waarop de kloof niet meer over modelkwaliteit gaat. MiniCPM5-2B is een release die je vanmiddag op vier verschillende runtimes kunt uitrollen. Aion-1.0-Instruct-2.3B is een release die je op één runtime kunt uitrollen, met een zusterrepository voor ONNX-WebGPU die dezelfde avond is geüpload, en een GGUF-formaat dat wel op de kaart staat vermeld maar niet in de bestandslijst voorkomt.
De cijfers die OpenBMB publiceerde, en die het niet deed
De modelkaart van MiniCPM5-2B claimt de open-source state of the art in de 2B-klasse en toont vervolgens, opmerkelijk genoeg, de onderbouwing over 35 benchmarks in negen categorieën. De belangrijkste cijfers: AIME 2025 op 86,5, AIME 2026 op 86,5, MMLU-Pro 70,8, GPQA-Diamond 70,2, IFEval 86,7, LiveCodeBench v6 69,1, SWE-bench Verified 46,4, BFCL v4 66,6, τ²-Bench Telecom 97,1, AA-LCR 59,0 en NoLiMa 68,1.
De kaart publiceert ook een samenvattend gemiddelde over al deze modellen: 53,9 voor MiniCPM5-2B, 51,1 voor Qwen3.5-4B, 42,7 voor Granite 4.2 3B en 33,2 voor LFM2.5-2.6B. Dat zijn de eigen harness-runs van de leverancier op zijn eigen benchmarkselectie, en die selectie bevoordeelt precies waarop het model is getraind: agentisch toolgebruik, coderen en lange context. Een leverancier die de tests kiest, kan de rangschikking kiezen. Lees de tabel als een uitspraak over trainingsprioriteiten, waarover die eerlijk is, en niet als een onafhankelijk oordeel, wat het niet is.
Wat de kaart van MiniCPM5-2B niet bevat, is een benchmark waarin Aion-1.0-Instruct-2.3B voorkomt, en wat de kaart van Aion niet bevat, is een van de negen categorieën van MiniCPM5-2B. De overlap is reëel maar smal: MMLU-Pro, GPQA, IFEval en de AIME-varianten zijn de enige plekken waar de twee gepubliceerde tabellen dezelfde taal spreken, en zelfs daar verschillen de harness-configuraties. Op die gedeelde rijen is de kloof groot — 70,8 tegen 33,35 op MMLU-Pro, 70,2 tegen 28,18 op GPQA — maar dat is een vergelijking tussen een model dat is getraind voor redeneren en agentisch werk en een dat is getraind voor documentbegrip en herschrijven, en de cijfers zeggen precies dat.
Waar Aions eerlijkheid het hele verhaal is
Het interessante kenmerk van Microsofts kaart zijn niet de scores. Het is dat de scores onflatteus zijn en dat de kaart ze toch afdrukt, in een tabel waarin ook het beoordelingsmodel, de harness en twee benchmarks worden genoemd waarvan de score-instellingen ze beter laten lijken dan de kop suggereert. Een kaart die is geschreven om iets te verkopen, bevat geen rij met MMLU-Pro 33.35.
Een 33,35 op MMLU-Pro is geen getal dat een launchteam kiest. Een 28,18 op GPQA ook niet. Hun aanwezigheid is bewijs dat deze tabel uit een evaluatiepijplijn komt en niet uit een marketingpijplijn, en dat is een echte reden om de omliggende claims te vertrouwen — het venster van 32.768 tokens, de acht talen, de kennisafsluitdatum van 2025-12, het aantal parameters van 2,29B dat is afgeleid van een tied-embeddingconfiguratie.
Dezelfde openhartigheid kenmerkt ook de beperkingen. De kaart zegt ronduit dat een model van deze omvang "fijne details kan missen, onjuistheden kan geven of niet in staat kan blijken complexe meerstapsredeneringen te volgen", dat het "niet is getraind om uit te blinken in wereldkennis", en dat de outputkwaliteit verschilt tussen de acht talen. Vergelijk dat met een tabel van 35 benchmarks die state-of-the-art claimen, en je kijkt naar twee verschillende theorieën over waar een modelkaart voor dient. Geen van beide is oneerlijk. De ene is een capaciteitsclaim en de andere een openbaarmaking.
De on-device-pitch en de valkuil van lange context
Microsofts framing is ondubbelzinnig: Aion Instruct is "het fundamentele Small Language Model (SLM) in het Windows-ecosysteem", gebouwd voor tekst- en besturingssysteemtaken op het apparaat, waarbij een sterkere versie plus een contentmoderatiemodel tegen eind januari 2027 het Windows OS SLM worden. De upload wordt beschreven als "een introductie tot wat eraan komt".
De positionering van MiniCPM5-2B is breder: lokale assistenten, coding-agents, tool-use-workflows en redeneren, op telefoons, pc's en slimme cockpits, met een agent-trainingsset van 500.000 samples en meer dan 80.000 RL-samples die samen met de gewichten worden uitgebracht. Het is een model dat gebouwd is om te handelen, niet alleen om te antwoorden.
Het contextverschil van 131K tegenover 32K is waar dat verschil het hardst naar voren komt, en MiniCPM5-2B heeft het bewijs: AA-LCR 59,0 en NoLiMa 68,1 zijn benchmarks voor lange context, beide door de leverancier uitgevoerd, beide gepubliceerd met de visuele markering die de modelkaart gebruikt voor door een jury beoordeelde resultaten. Aion heeft een venster van 32.768 tokens waarvan de eigen configuratie suggereert dat het wordt bereikt via YaRN-schaling vanuit een oorspronkelijk bereik van 2.048 tokens, en helemaal geen langcontext-evaluatie. Als de workload lange documenten omvat, is de keuze al voor je gemaakt, en die is gemaakt op basis van het bewijs in plaats van het aantal parameters.
Bij agent-stacks verandert de vergelijking van vorm.
MiniCPM5-2B werd getraind voor tool-loops: 500K agent-SFT-voorbeelden, RL in GRPO-stijl op verifieerbare taken en benchmarkrijen voor SWE-bench Verified, Terminal-Bench, BFCL en een τ³-run in het bankdomein. Aion-1.0-Instruct-2.3B documenteert een tool-calling-indeling en publiceert geen agentische benchmark, omdat het is gebouwd voor samenvatten, herschrijven en chatten op een besturingssysteem.
Die asymmetrie is het waard om architectonisch te benaderen in plaats van als een score. Een agent-loop is niet één modelaanroep; het is een plan, een tool-call, een resultaat, een herplanning en vaak een second opinion, en elke stap is een afzonderlijk verzoek met zijn eigen latentie en faalkans. Dit is de laag waar routing ophoudt een infrastructuurvoetnoot te zijn en deel van het ontwerp begint te worden.Modelfusie bij OrcaRouter laat een panel van modellen tegen hetzelfde verzoek lopen en combineert hun antwoorden, en de routing-DSL ervan stelt meerdere modellen samen tot één aanroep — de twee primitieven die ertoe doen wanneer "één klein model, één antwoord" de verkeerde vorm voor de taak is. Noch Aion-1.0-Instruct-2.3B noch MiniCPM5-2B staat vandaag in onze catalogus, omdat beide zelf-gehoste weights zijn in plaats van gehoste endpoints; het argument gaat over de verzoeken die je lokale agent niet alleen kan afronden, niet over deze twee checkpoints.
De praktische versie: gebruik het kleine model voor de goedkope stappen en maak het escalatiepad expliciet in plaats van te hopen dat het 2B-model het bij de vierde poging goed doet. Een model als MiniCPM5-2B met 46,4 op SWE-bench Verified is indrukwekkend voor zijn formaat en zit nog steeds vaker dan de helft van de tijd ernaast, en geen enkele hoeveelheid prompt engineering verandert de rekensom van een lus van vijf stappen.
Wat je vandaag daadwerkelijk kunt verifiëren
Dit is de zin die de meeste van deze vergelijkingen beslist. Met MiniCPM5-2B kun je een GGUF downloaden, deze in llama.cpp laden, de eigen benchmarkopdrachten van de kaart uitvoeren en controleren of je 86,5 op AIME reproduceert. Met Aion-1.0-Instruct-2.3B kun je bfloat16-safetensors downloaden, transformers 5.x installeren, trust_remote_code=True accepteren en dezelfde harness op zijn elf benchmarks draaien — dat is meer werk, maar volledig mogelijk, en niemand heeft het openbaar gedaan.
Wat je met Aion niet kunt doen, is het uitvoeren op de runtime die hoogstwaarschijnlijk aanwezig is op de machine waarop je je richt. De kaart vermeldt GGUF als bibliotheeknaam; de repository bevat safetensors, tokenizerbestanden, twee aangepaste modelleringsmodules en een chatsjabloon. De zusterrepository ONNX-WebGPU bestaat, waardoor browser- en DirectML-implementatie aannemelijk is, maar een GGUF-build wordt beloofd in plaats van geleverd. Als je implementatiedoel llama.cpp of LM Studio is, is dat ene ontbrekende bestand de hele beslissing totdat het verschijnt.
Twee andere dingen kun je beter zelf controleren dan vertrouwen. Ten eerste het 32K-venster: vul het en kijk of de staart van het document de sliding-window-lagen overleeft. Ten tweede het pad voor tool-calling: Aions formaat wikkelt schema's en aanroepen in aangepaste tags, en hoe soepel het herstelt van een misvormde aanroep, is niet iets wat een kaart je kan vertellen.

De kaart van OpenBMB is de enige van de twee die überhaupt resultaten voor lange context en agentische taken publiceert — AA-LCR 59,0, NoLiMa 68,1, SWE-bench Verified 46,4 — naast een contextvenster van 131.072 tokens en een standaard Llama-architectuur.
Twee eerlijke use cases
Kies MiniCPM5-2B wanneer de taak tools, code, lange documenten of Chinees omvat. De modelkaart is voor die taken geschreven, de benchmarks dekken ze, de quantisaties bestaan en de licentie is Apache 2.0. Het risico is dat de state-of-the-artbewering is gebaseerd op de eigen vergelijkingsset van de leverancier, en dat modellen met 2 miljard parameters in agentlussen nog steeds falen op manieren die echte tokens kosten.
Kies Aion-1.0-Instruct-2.3B wanneer de taak een Windows-applicatie is die lokale documenten in een van acht talen samenvat, herschrijft of classificeert, offline, waarbij de gegevens het apparaat nooit verlaten. Het heeft een kleinere context, is zwakker op elke gedeelde benchmark en wordt gestaafd door een kaart die dat zegt. Wat het biedt, is een gedocumenteerd contract op het apparaat en een plausibel pad naar het besturingssysteem tegen januari 2027 — en, voorlopig, een zeer klein aantal mensen dat het heeft gedraaid.
Over een maand leest deze vergelijking anders. Als er een GGUF verschijnt, verdwijnt het bezwaar over de runtime. Als er een onafhankelijke harness-run verschijnt, zijn de cijfers niet langer alleen van Microsoft. Geen van beide is tot nu toe gebeurd, en doen alsof dat wel zo is, is het enige wat dit stuk niet kan doen.

Microsofts kaart, waarop de eigen zwakke scores worden vermeld en de losse beoordelingsinstellingen worden benoemd — de reden om de specificatieclaims te vertrouwen, zelfs waar de benchmarkclaims niets bijzonders zijn.

Het scorebord, afgaand op het beschikbare bewijs: 35 gepubliceerde benchmarks en vier runtime-indelingen aan de ene kant, 11 benchmarks en safetensors aan de andere kant.
