PAN 2 vs MiniCPM5-2B: de een levert zijn data mee, de ander zijn prompts

OpenBMB bracht MiniCPM5-2B uit op 6 september 2026 en publiceerde naast het checkpoint met 2,52 miljard parameters ook de trainingscorpora: UltraX-Preview voor webpretraining, UltraData-Code met zijn getrapte L0-to-L3-beheer, UltraData-SFT-Agent-2609 met een half miljoen agentvoorbeelden en UltraData-RL-2609 met meer dan tachtigduizend reinforcement-learningvoorbeelden. Dat is een ongebruikelijke zaak om over te dragen, en het is de juiste lens voor deze vergelijking. PAN 2, stil gepubliceerd door MBZUAI's Institute of Foundation Models zonder aankondigingspost en zonder gehost endpoint, doet iets aangrenzends maar niet hetzelfde: het overhandigt zijn prompts. De repository levert een conceptual-reasoner-skill met een systeemprompt, een vaste negatieve prompt en een tokenbudget-validator voor de gestructureerde captions van de wereldtoestand die zijn diffusie-backbone verwacht, plus de trainingsconfiguraties die het hebben voortgebracht. Het ene lab opende zijn data. Het andere opende zijn interface. Geen van beide opende beide, en welke nuttiger voor je is, hangt volledig af van wat je probeert te bouwen.

Twee onthullingen, geen van beide volledig

De datarelease van MiniCPM5-2B is echt en concreet. De kaart noemt de datasets, linkt ernaar en beschrijft wat elk bijdraagt: codegegevens die in lagen worden beheerd, agent-SFT-samples, RL-samples over wiskunde, code, algemene kennis en redeneren over lange context. Wat je niet krijgt, zijn de mengverhouding, de ordening, de decontaminatieprocedure of de tokenaantallen per bron. Je ziet de ingrediënten, maar niet het recept.

De promptrelease van PAN 2 is het spiegelbeeld. Het captionbeleid is volledig gespecificeerd: wat een beschrijving van een wereldtoestand moet bevatten, de ordening van gebeurtenissen, hoe acties aan actoren worden gekoppeld, hoe camerabeweging wordt uitgedrukt, en een harde capaciteit van 1.536 tokens voor de tekstencoder met een zachte doelwaarde van 1.480. Wat je niet krijgt, is het corpus waarmee het model is getraind om die captions te lezen — "honderden miljoenen video's geannoteerd in hetzelfde formaat", zonder datasetkaart en zonder release.

Als je wilt begrijpen waarom een klein taalmodel zich gedraagt zoals het doet, heb je met MiniCPM5-2B meer om mee te werken. Als je een videomodel de clip wilt laten maken die je hebt gevraagd, biedt PAN 2 meer. Beide releases zijn transparanter dan de mediaan, en beide stoppen op het punt waarop transparantie een concurrentienadeel wordt.

De cijfers, en wat ze waard zijn

MiniCPM5-2B is een dense Llama-architectuurmodel met 2.516.756.480 parameters — 1,98 miljard parameters exclusief embeddings, 42 lagen, 16 query-heads tegenover 2 key-value-heads, 131.072 tokens context, Engels en Chinees. OpenBMB beweert de open-source state of the art in de 2B-klasse te zijn, met een gemiddelde van 53,9 over de vergelijkingsset tegenover 51,1 voor het beste grotere model in die set. De afzonderlijke regels maken de bewering pas echt interessant: LiveCodeBench v6 op 69,1, AIME 2026 op 86,5, MMLU-Pro op 70,8, GPQA Diamond op 70,2, SWE-bench Verified op 46,4, τ²-Bench Telecom op 97,1, AA-LCR op 59,0 en NoLiMa op 68,1.

Die zijn door de leverancier gerapporteerd op een door de leverancier gekozen vergelijkingsset, en die set is leerzaam: hij omvat Gemma-4-E2B-it, Gemma-4-E4B-it, Qwen3.5-2B, Qwen3.5-4B, LFM2.5-2.6B en LFM2.5-8B-A1B. Op AA-LCR is de gerapporteerde spreiding 59,0 voor MiniCPM5-2B tegenover 5,3 voor LFM2.5-2.6B en 17,0 voor Gemma-4-E2B-it. Op SWE-bench Verified is die 46,4 tegenover 6,0, 2,0 en 3,0. Die verschillen zijn groot genoeg dat verschillen in harness ze niet verklaren, maar de harness is nog steeds van OpenBMB en niemand heeft de tabel onafhankelijk gereproduceerd.

PAN 2 heeft geen tabel van dat soort, omdat er geen gedeeld instrument is voor video-wereldmodellen zoals er wel is voor code en wiskunde. Wat het in plaats daarvan heeft, is een gestructureerde sectie met beperkingen die botter is dan welke leveranciersbenchmark dan ook: ongeveer twee op de drie gesimuleerde plannen bevatten ten minste één stap die niet wordt uitgevoerd; het uiterlijk loopt uiteen tussen clips omdat elk ervan begint met hoogstens één frame plus tekst; tekstacties specificeren behendige manipulatie slechts grof; het model kan een simulatie laten voortgang vinden terwijl fysische beperkingen worden geschonden, waarbij pasta in het vergiet verschijnt voordat die is afgegoten, als voorbeeld wordt gegeven.

• Wat het is — MiniCPM5-2B: een dense tekstmodel van 2,52B voor on-device assistenten, codeeragenten en toolworkflows. PAN 2: een diffusietransformator van 29B die de gevolgen van een actie als video weergeeft.

• Uitvoer — MiniCPM5-2B: tekst. PAN 2: MP4, tot 20 seconden bij 704×1248 en 24 fps.

• Context of horizon — MiniCPM5-2B: 131.072 tokens, met AA-LCR 59,0 en NoLiMa 68,1 op de harness van OpenBMB. PAN 2: één startframe plus een onderschrift, waardoor lange interacties afdrijven en de kaart dat vermeldt.

• Licentie — MiniCPM5-2B: Apache-2.0, Engels en Chinees. PAN 2: Apache-2.0 op zijn eigen gewichten, met Qwen3.5-9B en Wan 2.2 onder hun eigen voorwaarden.

• Hardware — MiniCPM5-2B: één enkele consumenten-GPU, en de kaart documenteert paden voor vLLM, SGLang en llama.cpp plus een multi-chipbackend. PAN 2: standaard acht H200's in het vLLM-recept; vier B300's voor dertien seconden video in ongeveer 119 seconden.

De bewering over on-device versus de realiteit op nodeschaal

MiniCPM5-2B is klein op de manier die ertoe doet: niet alleen weinig parameters, maar een gedocumenteerd pad naar hardware die je al bezit. De kaart bevat quickstarts voor vLLM, SGLang en llama.cpp, met de opmerking dat -c 8192 de contextlengte instelt op het llama.cpp-pad — een regel die alleen voorkomt in documentatie die is geschreven door mensen die het ding daadwerkelijk op een laptop hebben gedraaid. Ook FlagOS wordt gedocumenteerd, een multi-chip-backend waarmee dezelfde gewichten op verschillende accelerators kunnen draaien. Dat is een deploymentverhaal gericht op telefoons, single-board computers en goedkope inference-boxen.

PAN 2's deploymentverhaal is in elk opzicht het tegenovergestelde, en de reden is rekenwerk, niet slordigheid. Vijftig samplerstappen met classifier-free guidance bij elke stap betekent honderd forward passes door een transformer van 29B per clip. Het recept paralleliseert guidance over twee ranks en sequentielengte over nog twee, en voegt vervolgens VAE-patch-parallellisme over vier ranks toe in tilemodus, omdat het decoderen van twintig seconden 704×1248 op zichzelf al een geheugenprobleem is. Dat kun je niet op een laptop draaien, en het team heeft niet anders voorgedaan.

Het is opmerkelijk dat geen van beide modellen ergens wordt gehost. MiniCPM5-2B heeft meer dan een miljoen maandelijkse downloads en geen first-party-API; PAN 2 heeft geen API en, sinds 11 november 2026, één socialmediapost van het account van het lab en niets erachter — geen endpoint, geen link naar een paper, geen prijsinformatie. Wil je een van beide, dan moet je het zelf draaien.

Waar de planningshelft kan worden gehuurd

De architectuur van PAN 2 maakt één onderdeel ervan loskoppelbaar, en dat is precies het onderdeel dat de meeste teams niet zelf zouden moeten bouwen. De conceptuele redeneerder — het taalmodel dat een observatie en een gevraagde actie omzet in de gestructureerde caption die de diffusie-backbone gebruikt — is expliciet elk instructievolgend model. Het rapport rangschikt er vier op hoe vaak een gesimuleerd plan van begin tot eind wordt voltooid: Claude Opus 5.5, GPT-6 Astra bij gemiddelde inspanning, Kimi K3 en dan Qwen3.8-Flash. De kaart vermeldt ook dat elk instructievolgend LLM kan worden gebruikt, en dat buiten de trainingsdistributie gaan doorgaans handmatig verfijnde prompts vereist.

Dat maakt van de reasoner een operationele keuze die je opnieuw wilt bekijken, en het opnieuw bekijken ervan is goedkoper via een router dan via vier inkoopgesprekken. Qwen3.8-Flash staat op OrcaRouter; één API-sleutel met automatische failover laat je dezelfde caption-workload over meerdere planners draaien, tegen de lijstprijs van de provider met 0% markup doorberekend, en degene houden die je plannen het vaakst voltooit. OrcaRouter host PAN 2 niet — er is geen gehoste PAN 2 om te routeren — en host MiniCPM5-2B ook niet. De renderer en het kleine model blijven op je hardware; de planner is de commodity.

Voor MiniCPM5-2B ligt de afweging anders, op een manier die het vermelden waard is. On-device modellen bestaan juist om aanroepen die per gebruik worden afgerekend te vermijden, en een 2B-model dat op een telefoon draait, wordt niet beter door eromheen te routeren. Als je reden privacy, latency of offline werking is, is routeren het verkeerde antwoord en is MiniCPM5-2B het juiste model. Als je reden kosten is, vergelijk dan eerlijk: een 2B-model dat op zijn eigen gemiddelde 53,9 scoort, kan meer kosten aan engineeringtijd om je taak op gelijk niveau te brengen dan een aanroep die per gebruik wordt afgerekend naar iets groters.

Waar elke release eigenlijk voor dient

MiniCPM5-2B is een model met een taak: het beste open model in de 2B-klasse zijn op de benchmarks die zijn gebruikers belangrijk vinden, op het apparaat zelf draaien, en met de data meekomen zodat de community erop kan voortbouwen in plaats van eromheen. Het is een volwassen release met een documentatieoppervlak dat verschillende iteraties weerspiegelt — quickstarts voor drie serving-stacks, een sectie over tool-calling, cookbooks, fine-tuningrecepten, een multi-chipbackend.

PAN 2 is een onderzoeksartefact met een ongewoon volledige claim. Het betoogt dat simulatieve redenering — een agent die zich de uitkomsten van zijn kandidaat-acties voorstelt voordat hij er één kiest — een vermogen is dat je kunt bouwen in plaats van een vermogen waarvan je hoopt dat het ontstaat, en het implementeert het betoog als een tweefasensysteem met een gepubliceerd patroon erachter (de Generative Latent Prediction-formulering in Critique of World Models, arXiv 2507.05169). De frameworkondersteuning die op 10 november 2026 verscheen, maakte het uitvoerbaar. Een bericht van twee alinea's op het eigen X-account van het lab diezelfde middag betekende niet dat het gelanceerd was, en sindsdien is er niets anders gezegd.

Geen van beide is een betere release dan de andere. Het zijn antwoorden op verschillende vragen, gepubliceerd in verschillende stadia van zekerheid. Het ene lab zegt: "hier is een klein model dat je kunt vertrouwen, en hier is wat erin is gestopt". Het andere zegt: "hier is een systeem dat iets nieuws doet, en hier is precies waar het faalt". Een vergelijking tussen beide is alleen nuttig als je weet welke van die zinnen je project beschrijft.