MiniCPM5-2B kontra Qwen 3 8B: czy obciążenie 8B powinno przejść na 2.5B?

Każde porównanie modeli skrywa w sobie pytanie o sprzęt, a MiniCPM5-2B kontra Qwen 3 8B to właśnie to pytanie w przebraniu benchmarku. Qwen 3 8B to kwietniowy (2025) koń roboczy Alibaby z otwartymi wagami — około 8,2 mld gęstych parametrów, 119 języków, hybrydowe myślenie włączane lub wyłączane dla każdego zapytania oraz szesnaście miesięcy dowodów od społeczności za nim. MiniCPM5-2B to model, który ModelBest i OpenBMB zaprezentowały 19 lipca na World Artificial Intelligence Conference jako najlepszy model poniżej 4B w rankingu Artificial Analysis, a jego otwarte wagi po cichu pojawiły się na Hugging Face 6 i 7 września. Pytanie, które tak naprawdę sprowadza je na jedną stronę, to to, które większość zespołów korzystających z otwartego modelu 8B zadaje sobie w pewnym momencie: czy obciążenie, które obsługuję na 8B, mogłoby zejść do 2,5B — a jeśli tak, co bym stracił?

Krótka odpowiedź brzmi: na razie nie dla większości obciążeń, ale przyczyny są węższe, niż sugerowałaby czterokrotna różnica rozmiarów, i istnieje jedna klasa wdrożeń, dla której model 8B nie ma żadnej odpowiedzi. Wszystkie dane ilościowe poniżej pochodzą od producentów i są tak oznaczone: liczby MiniCPM5-2B to własne deklaracje ModelBest na karcie modelu, sprzed tygodnia, których nikt poza laboratorium nie odtworzył; liczby Qwen 3 8B to dane Alibaba, od dawna sprawdzane, kwantyzowane i ponownie uruchamiane przez szeroką społeczność. Ta asymetria dowodów jest prawdziwym sednem tego porównania.

Szesnaście miesięcy Qwen 3 8B

Qwen 3 8B należy do tej samej rodziny architektonicznej co jego przeciwnik, ale jest od niego trzy razy większy i szesnaście miesięcy starszy. To gęsty transformer przyczynowy z grupowaną uwagą, wstępnie trenowany na wielojęzycznym korpusie liczącym około 36 bilionów tokenów, na licencji Apache-2.0, a zarazem jeden z najchętniej samodzielnie hostowanych i serwowanych modeli 8B w świecie otwartych wag. Jego znakiem rozpoznawczym jest hybrydowy tryb rozumowania Qwen3 — myślenie włączane lub wyłączane dla każdego zapytania — dzięki czemu pojedyncze wdrożenie może szybko odpowiadać na proste pytania i przełączać się na rozmyślny łańcuch myśli w zadaniach matematycznych lub programistycznych. Oferuje natywny Model Context Protocol, wywoływanie funkcji, natywny kontekst 32K, który Alibaba waliduje do 131K dzięki skalowaniu YaRN, oraz wsparcie dla 119 języków i dialektów. Po szesnastu miesiącach tryby awarii są udokumentowane, kwantyzacje dostępne wszędzie, a otaczający go stos serwowania — vLLM, SGLang, llama.cpp, tysiące fine-tunów — jest dojrzały. Przy praktycznej kwantyzacji mieści się w kilku gigabajtach i działa komfortowo na jednej średniej klasy karcie graficznej, a nie na telefonie.

Co MiniCPM5-2B twierdzi w tamtym świecie

MiniCPM5-2B nadchodzi z przeciwnego kierunku: mały z założenia, agentowy dzięki treningowi. To gęsty transformer o 2,52 mld parametrów łącznie (1,98 mld poza embeddingami), 42 warstwach, ukrytym wymiarze 2048, uwadze grouped-query, standardowej architekturze LlamaForCausalLM bez własnych kerneli i oknie kontekstowym wynoszącym 131 072 tokenów w dostarczanej konfiguracji (lipcowe materiały premierowe zachwalały 512K; wydana konfiguracja tego nie zawiera). Podczas gdy Qwen 3 8B swoją rozległość zawdzięcza wielojęzycznemu pretreningowi na 36 bilionach tokenów, MiniCPM5-2B swój kształt zawdzięcza post-treningowi: SFT na 400 mld tokenów danych głębokiego myślenia, a następnie destylacji on-policy, która składa szesnaście eksperckich modeli RL — pięć z nich agentowych — z powrotem w jedną małą, gęstą sieć. Premierowa propozycja to agentowa baza na urządzeniu — natywne wywoływanie narzędzi przez wywołania w stylu XML, adaptacja od pierwszego dnia na dziewięciu rodzinach układów plus ARM, hybrydowe tryby szybki/refleksyjny — a karta modelu deklaruje wewnętrzną średnią 53,9 na wybranym przez producenta zestawie porównawczym 2B–4B, wynik 86,5 w AIME 2025/2026 oraz 46,4 w SWE-bench Verified według pomiaru producenta; byłby to wynik niezwykły jak na model 2,5B, jeśli przetrwa niezależne testy.

Rozbieżność, wymiar po wymiarze

• Premiera — MiniCPM5-2B: ogłoszono 19 lipca 2026 r.; wagi dostępne 6–7 września. Qwen 3 8B: ogłoszono w kwietniu 2025 r.

• Rozmiar — MiniCPM5-2B: 2.52B łącznie / 1.98B bez embeddingów, gęsty. Qwen 3 8B: ~8.2B gęsty.

• Kontekst — MiniCPM5-2B: 131 072 tokenów w dostarczanej konfiguracji. Qwen 3 8B: 32K natywnie, 131K zweryfikowane przy użyciu YaRN.

• Języki — MiniCPM5-2B: skoncentrowany na angielskim i chińskim. Qwen 3 8B: 119 języków i dialektów.

• Rozumowanie — MiniCPM5-2B: hybrydowe tryby szybki/refleksyjny, zgodnie z materiałami premierowymi. Qwen 3 8B: tryb myślenia Qwen3 włączany lub wyłączany na żądanie.

• Dowody — MiniCPM5-2B: karta producenta, brak niezależnego uruchomienia. Qwen 3 8B: raportowany przez Alibaba; szesnaście miesięcy reprodukcji i wdrożeń przez społeczność.

Powyższe zestawienie to uczciwie przedstawiona rozbieżność: kolumny różnią się niemal pod każdym względem, poza otwartą licencją Apache-2.0, a klasa urządzenia, dla której tworzysz produkt, decyduje o tym, którą kolumnę w ogóle możesz wybrać.

Gdzie 8B wciąż wygrywa

Przechodząc do niższej klasy wagowej, rezygnujesz z trzech konkretnych rzeczy. {{1}}Po pierwsze, języki: Qwen 3 8B obsługuje 119 języków; karta i dane MiniCPM5-2B koncentrują się na angielskim i chińskim i nie deklarują wielojęzycznej rozpiętości. Dla produktu obsługującego długi ogon języków to twarda ściana, a nie miękka granica.{{/1}} {{2}}Po drugie, dowody: szesnaście miesięcy testów przez społeczność oznacza, że zachowanie Qwen 3 8B jest znane, a jego ekosystem jest wszechobecny; MiniCPM5-2B jest natomiast repozytorium sprzed tygodnia z niezweryfikowaną kartą — a jego flagowe wyniki, jeśli nie przetrwają niezależnych uruchomień, są dokładnie tym, co po cichu bywa rewidowane.{{/2}} {{3}}Po trzecie, stos serwowania modeli: wszystko, co już współpracuje z Qwen 3 8B, współpracuje z dojrzałym modelem, podczas gdy zupełnie nowy checkpoint klasy 2B oznacza, że kwantyzacje, konfiguracje serwowania i zachowanie przy wywoływaniu narzędzi trzeba ponownie walidować od zera.{{/3}} Żaden z tych powodów nie sprawia, że 2B nie może wygrać na konkretnym benchmarku; to powody, dla których 8B jest mniej ryzykownym wyborem domyślnym wszędzie tam, gdzie pasuje.

Gdzie 2B jest jedyną odpowiedzią

Nic z tego nie ma znaczenia w klasie urządzeń, na których 8B po prostu się nie mieści. Na telefonie, płycie inteligentnego kokpitu czy małym urządzeniu brzegowym z kilkoma gigabajtami pamięci DRAM, Qwen 3 8B nie konkuruje z MiniCPM5-2B — w ogóle nie da się go wdrożyć z użyteczną szybkością. To jest właśnie cały powód, dla którego 2B istnieje, i dlatego uczciwe ujęcie tego porównania to nie „czy 2B jest tak dobre jak 8B”, lecz „które z moich wdrożeń może być obsłużone tylko przez jedno z tych dwóch”. Jeśli wysyłasz na rynek agenty działające na urządzeniach, w których szyna pamięci zakrztusiłaby się przy ośmiu miliardach wag, MiniCPM5-2B to jedna z najbardziej agresywnie trenowanych opcji dostępnych w klasie 2B, a jedyne pytanie, które warto zadać, brzmi: czy jej deklaracje o zdolnościach agentowych przetrwają twoją własną reprodukcję. Jeśli twoje obciążenie już działa na sprzęcie, który z łatwością udźwignie 8B, sama różnica wielkości nie jest powodem do migracji — a luka w dowodach przemawia przeciwko temu.

Jeśli zastanawiasz się nad zmianą

Bezpieczny sposób na przetestowanie tego posunięcia to potraktowanie go jako eksperyment, a nie migrację. Uruchom MiniCPM5-2B na własnym sprzęcie, skieruj na niego fragment rzeczywistego ruchu przez jedno API z automatycznym przełączaniem awaryjnym i porównaj z modelem 8B na tych samych zapytaniach — warstwa routingu tutaj się opłaca, ponieważ tygodniowy checkpoint może się zaciąć lub zapętlić bez wyłączania produkcji, a ceny z listy dostawcy dla hostowanych modeli, z którymi porównujesz, przechodzą z 0% narzutem. Tak naprawdę testujesz trzy rzeczy: czy dokładność modelu 2B utrzymuje się na twoich danych, czy jego opóźnienie na twojej klasie urządzeń jest lepsze niż opóźnienie 8B na sprzęcie, który w innym przypadku byś kupił, oraz czy profil językowy angielsko-chiński obejmuje użytkowników, których faktycznie masz. Najpierw odtwórz SWE-bench lub fragment własnego zestawu ewaluacyjnego — te dwie godziny to najtańsze ubezpieczenie, jakie oferuje to zestawienie.

Werdykt

Pozostań przy Qwen 3 8B do wszystkiego, co wymaga wielu języków, do wszystkiego, gdzie liczy się szesnaście miesięcy znanego zachowania, lub do każdego obciążenia już obsługiwanego na sprzęcie, który komfortowo udźwignie 8B. Poważnie przetestuj MiniCPM5-2B tylko wtedy, gdy Twoje docelowe urządzenie w ogóle nie udźwignie 8B, albo gdy model 2.5B, który dotrzymuje kroku w zadaniach agentowych i przy długim kontekście, pozwoliłby Ci obniżyć zużycie pamięci i energii na sprzęcie, który już wysyłasz. Lider rankingu modeli poniżej 4B to prawdziwe osiągnięcie, a jego wydanie z otwartymi wagami sprawia, że można go testować już dziś; na podstawie dostępnych dowodów nie jest to jednak jeszcze powód, by wycofać 8B, który już zapracował na swoje miejsce.