d1-Omni-2B vs MiniCPM5-2B: Model decyzyjny to nie mały model konwersacyjny

Oba mają otwarte wagi, oba mają około dwóch miliardów parametrów i oba są kierowane do sprzętu, który stoi na biurku, a nie w szafie rack. Na tym podobieństwa się kończą. d1-Omni-2B przyjmuje stan — tekst, JSON, obrazy, klatki wideo, dźwięk — oraz zestaw nazwanych pytań i zwraca odpowiedzi z określonym typem wraz ze skalibrowanymi prawdopodobieństwami w pojedynczym przejściu w przód. MiniCPM5-2B przyjmuje tekst i generuje więcej tekstu, dochodząc do odpowiedzi token po tokenie. Zamiana jednego na drugi nie jest ulepszeniem ani degradacją modelu; to przepisanie wszystkiego, co konsumuje odpowiedź. Warto zatem porównywać nie to, który z nich wypada lepiej, lecz to, który kontrakt twój potok może faktycznie zaakceptować i ile każdy z nich kosztuje cię w licencjach, opóźnieniu i pracy wdrożeniowej, by go dotrzymać.

Co tak naprawdę wraca z wywołania

Wywołanie d1 wygląda jak schemat, a nie rozmowa. Przekazujesz system_one stan i słownik pytań, każde z typem — tak/nie, pojedynczy wybór, wielokrotny wybór, uporządkowane oceny, fragment tekstu, liczba, data, jedna ramka ograniczająca lub kilka — a w zamian otrzymujesz wartość dla każdego pytania wraz z przypisanym prawdopodobieństwem. Przykład z samej karty modelu kieruje zgłoszenie pomocy technicznej: flagę zwrotu, przypisanie zespołu wybrane na podstawie dwóch nazwanych kryteriów oraz poziom pewności dla każdego z nich. Bez prozy, bez transkryptu, bez emitowanych tokenów. Karta mówi to wprost: to nie jest model czatu.

Ten projekt to cały produkt. Ponieważ nic nie jest dekodowane, nie ma etapu parsowania, naprawiania JSON ani pętli ponowień dla modelu, który opakował swoją odpowiedź w przeprosiny. Wartość wraca przy wybranym przez Ciebie progu, ze ścieżką wstrzymania się, gdy nic z zestawu opcji nie pasuje — Liquid podaje 78.5 w tym teście wstrzymania się w wersji pisanej i 75.8 w mówionej. Jeśli Twój kod downstream potrzebuje przypisania do kolejki i liczby, to jest kształt, którego chcesz.

MiniCPM5-2B zwraca przeciwny kształt. To standardowy dekoder architektury Llama, który myśli, zanim odpowie, zbudowany na etapie SFT głębokiego myślenia obejmującym 400 miliardów tokenów, RL dziedzinowym oraz etapie destylacji on-policy, który łączy szesnastu wyspecjalizowanych nauczycieli w jeden gęsty checkpoint. Zdecydowanie można z niego uzyskać ustrukturyzowane dane wyjściowe — jego wyniki w wywoływaniu funkcji są przyzwoite, a OpenBMB dostarcza parser narzędzi dla vLLM — ale uzyskujesz to, prosząc w prompcie i ufając, że dekoder będzie posłuszny. Rozumowanie jest cechą. To także to, za co płacisz przy każdym wywołaniu.

Bezpośrednie starcie, które nie istnieje

Nie ma żadnego benchmarku, na którym oba te modele zostałyby uruchomione. To nie jest luka w raportowaniu; to konsekwencja powyższego podziału. d1-Omni-2B pojawia się wyłącznie w zestawach decyzyjnych Liquid — DecisionBench v1 z wynikiem 76,4, decisionbench.ai v4 z wynikiem 84,7, publiczny zestaw Decision Index v0.3 z wynikiem 49,0, ImajevBench v2.0-lite z wynikiem 72,3, nieważona średnia wizyjna 67,7 z osiemnastu benchmarków. MiniCPM5-2B pojawia się wyłącznie w zestawie rozumowania i zadań agentowych OpenBMB: średnia 53,9 z 34 testów, LiveCodeBench v6 z wynikiem 69,1, AIME 2025 z wynikiem 86,5, SWE-bench Verified z wynikiem 46,4, BFCL v4 z wynikiem 66,6 oraz znacznie skromniejsze 8,9 w Humanity's Last Exam. Żadna z tych liczb nie jest zmierzona na tych samych pozycjach testowych, przez tego samego oceniającego, co jakakolwiek liczba z pierwszej listy.

Każdy, kto pokazuje ci dwukolumnową tabelę tych wyników obok siebie, uprawia zszywanie, a to zszywanie jest gorsze, niż wygląda. Każdy wynik d1-Omni-2B został uzyskany przez dostawcę i na moment publikacji nie został niezależnie odtworzony. Główna średnia OpenBMB również została uzyskana przez dostawcę — firma udostępniła swoje korpusy treningowe i framework RL, co jest więcej, niż robi większość laboratoriów, ale to jest powtarzalność metody, a nie wyników.

Nieizależne liczby, które faktycznie istnieją, warto czytać uważnie, ponieważ nie zgadzają się ze sobą między wersjami indeksu. Artificial Analysis przyznało MiniCPM5-2B wynik 15 w swoim v4.2 Intelligence Index, gdy relacjonowało premierę 7 września; na bieżącej stronie widnieje teraz 12; a własne twierdzenie OpenBMB o wyniku 23 dotyczyło wersji v4.1.1. Te trzy cyfry nie oznaczają spadku ani sporu — indeks zmienił się pod nimi, a wyników z różnych wersji nie można porównywać. Kieruj się kierunkiem, a zignoruj cyfrę. Artificial Analysis nie ma zupełnie strony dla d1-Omni-2B ani jego bliźniaka d1-2B, więc model decyzyjny nie ma jeszcze żadnego niezależnego pomiaru.

Jedna liczba, która wygląda na przenośną, ale nią nie jest: Liquid przeprowadził porównanie swojego modelu czatu LFM3-1.7B z MiniCPM5-2B na 27 testach i wygrał 23 do 4. Ten wynik mówi, że dotrenowany dekoder Liquid bije OpenBMB na tych testach. Nie mówi nic o głowie decyzyjnej, której w tym przebiegu w ogóle nie było, i nie należy jej zapożyczać do rozstrzygania tego zestawienia.

Gdzie specyfikacje faktycznie się różnią

• Kontrakt wyjściowy — wartości typowane z prawdopodobieństwami i zerową liczbą tokenów wyjściowych w porównaniu z wygenerowanym tekstem z niejawnym śladem rozumowania. Wszystko inne na tej liście jest pochodną tego.

• Rozmiar — 2,17 mld parametrów w checkpoincie BF16 o rozmiarze 4,33 GB, w porównaniu z łącznie 2,52 mld i 1,98 mld parametrów niebędących osadzeniami, około 5 GB w BF16. Wystarczająco blisko, że żaden nie wygrywa wyłącznie pod względem zajmowanego miejsca.

• Dane wejściowe — stan w postaci tekstu lub JSON, obrazy, klatki wideo i audio, możliwe do łączenia w jednym żądaniu, w przeciwieństwie do wyłącznie tekstu. MiniCPM5-2B nie ma enkodera wizji ani ścieżki audio; jeśli stan zawiera przebieg fali, to porównanie kończy się w tym miejscu. Jeśli chcesz multimodalną linię OpenBMB, to MiniCPM-V 4.7, inna rodzina z innym kompromisem.

• Kontekst — 128,000 tokenów w porównaniu z 131,072. To ta sama liczba podana na dwa sposoby i nie jest to powód, by wybierać którykolwiek z modeli. Ma to znaczenie tylko o tyle, że oba mogą pomieścić długi dokument; ograniczeniem d1-Omni-2B jest to, że długie fragmenty mowy pogarszają jego dokładność znacznie przed zapełnieniem okna, i karta tak podaje.

• Licencja — LFM Open License v1.0 z progiem rocznego przychodu w wysokości $10,000,000, wobec Apache-2.0 bez żadnego warunku. To największa pojedyncza różnica w tabeli i nie ma nic wspólnego z jakością modelu.

• Runtime — niestandardowy kod modelowania oparty na trust_remote_code, Transformers 5.19 lub nowszy, tylko BF16, brak GGUF od dostawcy i brak udokumentowanej ścieżki vLLM lub SGLang, w zestawieniu z niezmodyfikowanymi narzędziami Llama: vLLM, SGLang, llama.cpp, MLX, GPTQ, oficjalny GGUF w repozytorium i już krążące skwantyzowane kompilacje.

• Adopcja — 36 pobrań i 10 polubień cztery dni po pojawieniu się repozytorium 24 października, w porównaniu z 1 216 145 pobraniami i 1 823 polubieniami od 6 września. Gwiazdka: wynik MiniCPM ma za sobą siedem tygodni i wpis o premierze, wynik d1 nie ma ani jednego, ani drugiego, więc traktuj go jako sygnał dojrzałości, a nie werdykt.

Pięć milisekund przeciw myśli

Liquid publikuje opóźnienie wywołania po rozgrzaniu dla d1-Omni-2B, mierzone po compile() w BF16 jako medianę z dwudziestu wywołań. Na karcie H100 PCIe pojedyncze pytanie zajmuje 5,8 ms, trzy pytania 7,7 ms, stan o 5000 tokenów 52 ms, obraz 384-pikselowy 12,1 ms, a dziesięć sekund audio 12,4 ms. W partiach po 64 stany na wywołanie osiąga 1154 stany na sekundę, a MI325X jest jeszcze szybszy: 3,7 ms i 1697 stanów na sekundę. M5 Pro potrzebuje 21,1 ms na jedno pytanie i osiąga 110 stanów na sekundę — wolno w porównaniu z kartą do centrów danych, a mimo to wystarczająco szybko, by działanie w aplikacji desktopowej wydawało się natychmiastowe.

To nie jest uczciwy wyścig, ponieważ druga strona nie publikuje czasu. Strukturalnie można powiedzieć tyle, że opóźnienie dekodera skaluje się z tym, jak dużo on myśli, a MiniCPM5-2B to model zbudowany do myślenia. Przy wywołaniu routingu lub triage'u — gdzie poprawna odpowiedź to jedna z czterech nazw kolejek — płacisz za uzasadnienie, o które nikt nie prosił, i płacisz za nie za każdy token. Artificial Analysis podaje tego liczbę: w ramach swojego przebiegu Intelligence Index model wygenerował 74 miliony tokenów wyjściowych wobec mediany 67 milionów dla porównywalnych modeli, co w podsumowaniu określono jako „nieco gadatliwy". To nie jest argument przeciwko modelowi; to argument przeciwko używaniu go w roli, dla której zbudowano d1-Omni-2B.

Do liczb d1 należy podchodzić z zachowaniem zwykłej ostrożności. Są to pomiary dostawcy, wykonane na konkretnym sprzęcie z etapem kompilacji, a niezależne uruchomienie niemal na pewno da inny wynik. To, co się utrzymuje, to rząd wielkości — jednocyfrowa liczba milisekund na decyzję.

Klauzula licencyjna, która ma pierwszeństwo przed tablicą wyników

MiniCPM5-2B jest objęty licencją Apache-2.0. Możesz używać go komercyjnie, tworzyć jego forki, redystrybuować go, osadzać w produkcie i nigdy nie musisz rozmawiać o tym z prawnikiem. d1-Omni-2B jest objęty licencją LFM Open License v1.0, która przyznaje prawo do użytku komercyjnego tylko dopóki roczne przychody Twojej organizacji pozostają poniżej 10 000 000 USD. Po osiągnięciu tego progu lub powyżej niego licencja stanowi, że użytek komercyjny „nie jest licencjonowany na mocy niniejszej Umowy” — co oznacza, że potrzebujesz odrębnego porozumienia z Liquid AI albo nie wdrażasz modelu.

Redystrybucja jest dozwolona w obu przypadkach, z warunkami po stronie LFM: przekazać licencję dalej, oznaczyć zmodyfikowane pliki, zachować noty. Nie ma wymogu zmiany marki. Dla zespołu badawczego, prototypu lub firmy bezpiecznie poniżej progu ta klauzula jest formalnością. Dla zespołu produktowego w firmie, która może przekroczyć próg w okresie użyteczności modelu, jest to kwestia zakupowa, która pojawia się zanim pojawi się pierwszy benchmark — i jest to coś, co dział prawny odkrywa późno, po ustaleniu architektury.

Asymetria jest tak wyraźna, że należy powiedzieć to bez ogródek: już sama licencja sprawia, że MiniCPM5-2B jest bezpieczniejszym wyborem w przypadku każdego wdrożenia komercyjnego, a licencja d1-Omni-2B jest realnym kosztem wyboru tego modelu, a nie przypisem.

Który z nich możesz dziś faktycznie uruchomić?

MiniCPM5-2B jest nudny we wdrożeniu, co stanowi najwyższy komplement, na jaki może zasłużyć model tej wielkości. To standardowy dekoder, więc vLLM i SGLang obsługują go bez łatek, llama.cpp i LM Studio czytają GGUF, MLX pokrywa Apple silicon, a build Q4_K_M waży około 1,45 GB. Jedyna pułapka to wywoływanie narzędzi: model emituje wywołania w stylu XML, więc vLLM wymaga włączonego parsera wywołań narzędzi minicpm5, w przeciwnym razie twoje wywołania funkcji dotrą jako proza.

d1-Omni-2B nie jest jeszcze nudny. Wczytanie go wymaga najnowszego Transformers z trust_remote_code=True, a także torch, torchvision i Pillow; repozytorium dostarcza wyłącznie safetensors BF16 i nic więcej. Nie ma oficjalnego GGUF od dostawcy, w karcie nie ma scalonego przepisu vLLM, a Hugging Face nie wymienia dla niego żadnego dostawcy wnioskowania — więc nie ma hostowanego punktu końcowego do testowania, co jest także powodem, dla którego nie istnieje hostowana cena do podania. Praktyczna ścieżka, którą wybierze większość, to tag Ollama d1-omni:2b, 4,4 GB pakiet społecznościowy, który opakowuje te same wagi. To działa. Jest to także jedyny powód, dla którego deweloper może wypróbować ten model w ciągu popołudnia, i jest to praca strony trzeciej, a nie Liquid.

Żaden z modeli nie ma opublikowanej ceny za token, ponieważ żaden nie jest sprzedawany za token. Każda liczba za milion, jaką znajdziesz dla któregokolwiek z nich, jest wyliczona na podstawie kosztów wynajmu GPU, a nie podana przez dostawcę. Jeśli porównujesz je pod względem kosztu, porównuj je pod względem tego, ile kosztuje jedna decyzja w sekundach czasu GPU — i pamiętaj, że odpowiedź modelu decyzyjnego jest gotowa, gdy wywołanie zwróci wynik, natomiast odpowiedź modelu czatowego jest gotowa, gdy przestaje myśleć.

Wzorzec, który wykorzystuje oba

Uczciwym wnioskiem z tego porównania jest to, że nie są konkurentami, a użyteczna architektura traktuje je właśnie w ten sposób. d1-Omni-2B obsługuje tanie, masowe, wrażliwe na opóźnienia osądy: która kolejka, który zespół, czy to ta sama faktura, jak pilne, które z tych dwunastu pól. Działa lokalnie, zwraca liczbę, dla której można ustawić próg, i wstrzymuje się od odpowiedzi, gdy nie wie.

MiniCPM5-2B obsługuje część wymagającą języka: wyjaśnianie decyzji klientowi, przygotowywanie odpowiedzi, pisanie poprawki, wywoływanie kolejnego narzędzia w łańcuchu. Radzi sobie gorzej z pierwszym zadaniem, a lepiej z drugim, a ten podział nie kosztuje cię nic poza wywołaniem funkcji między nimi — trasa, która eskaluje do drogiego modelu tylko wtedy, gdy pewność taniego spadnie poniżej twojego progu. Ta warstwa eskalacji to dokładnie to, do czego służy platforma routingu: jeden klucz API do ponad 200 modeli z 0% marży względem ceny katalogowej dostawcy, automatycznym przełączaniem awaryjnym, gdy dostawca się zacina, oraz DSL routingu, który pozwala łączyć kilka modeli za jednym wywołaniem. Ani d1-Omni-2B, ani MiniCPM5-2B nie znajdują się dziś w katalogu OrcaRouter, więc decyzyjna połowa tego wzorca pozostaje na razie hostowana samodzielnie — ale generatywna połowa, ta, którą będziesz chciał wymienić, gdy pojawią się lepsze małe modele, jest dokładnie tą połową, którą warto kierować przez routing, a nie zakodować na sztywno.

Kto powinien wybrać, które

Wybierz d1-Omni-2B, gdy stan zawiera dźwięk lub wideo, gdy potrzebujesz prawdopodobieństwa, a nie zdania, gdy odpowiedź musi być ramką ograniczającą, fragmentem lub liczbą z zakresem oraz gdy wywołanie odbywa się w pętli, w której 6 ms i 78 ms to różne produkty. Wybierz go, wiedząc, że próg licencyjny dotyczy Ciebie, że wdrożenie to obszar kodu niestandardowego i że nie istnieje jeszcze niezależna ocena — własna karta Liquid kieruje osoby bez dźwięku do d1-2B, co jest uczciwszą wskazówką, niż dobrowolnie udziela jej większość dostawców.

Wybierz MiniCPM5-2B, gdy dane wejściowe są tekstem, gdy dane wyjściowe mają być czytane przez człowieka lub przekazywane do narzędzia, które oczekuje prozy, gdy potrzebujesz rozumowania na przestrzeni długiego dokumentu oraz gdy Apache-2.0 i standardowa ścieżka wdrożenia Llama eliminują dwie kategorie ryzyka, zanim napiszesz linię kodu. Wybierz go, mając świadomość, że średnia 53,9 podana przez dostawcę nie została odtworzona, że jego niezależny wynik to 12 w bieżącym indeksie — znacznie powyżej mediany 5 dla modeli w jego klasie rozmiarowej i nieporównywalny z 15 lub 23 odnotowanymi we wcześniejszych wersjach — oraz że jego najsłabsze opublikowane wyniki, Terminal-Bench na poziomie 8,6 i SWE-bench Pro na poziomie 14,4, są najbliższe pracy agentowej, a właśnie w tym obszarze jest najintensywniej promowany.

I nie wybieraj żadnego z nich, jeśli tak naprawdę chciałeś małego modelu czatu, który potrafi widzieć. MiniCPM5-2B nie potrafi, d1-Omni-2B nie prowadzi czatu, a model, który ludzie zwykle mają na myśli, wpisując którąkolwiek z tych nazw w pole wyszukiwania, to inny model z tych samych rodzin. Na co warto zwrócić uwagę, to pierwsza niezależna ocena audio d1-Omni-2B. Jego wyniki dla języka mówionego — 92,5 na FLEURS w 43 językach, ale 42,0 w wersji pisanej, spadające do 22,8 w wersji mówionej na krótkich stanach, oraz z 83,6 do 41,8 na wielojęzycznych fragmentach — opisują model, który świetnie rozpoznaje język, ale jest kruchy, jeśli chodzi o rozumienie akapitu czytanego na głos. Dopóki ktoś spoza Liquid nie zmierzy tej luki, sprawa wejścia głosowego jest obietnicą z przypisaną liczbą, a nie wynikiem.