PAN 2 kontra MiniCPM5-2B: jeden udostępnia swoje dane, drugi — swoje prompty

OpenBMB udostępnił MiniCPM5-2B 6 września 2026 r. i obok checkpointu o 2,52 mld parametrów opublikował korpusy treningowe: UltraX-Preview do pretreningu na danych webowych, UltraData-Code z warstwowym zarządzaniem od L0 do L3, UltraData-SFT-Agent-2609 z pół milionem próbek agentowych oraz UltraData-RL-2609 z ponad osiemdziesięcioma tysiącami próbek uczenia ze wzmocnieniem. To nietypowa rzecz do przekazania i właściwa perspektywa dla tego porównania. PAN 2, opublikowany po cichu przez Institute of Foundation Models na MBZUAI, bez wpisu premierowego i bez hostowanego endpointu, robi coś pokrewnego, ale nie to samo: przekazuje swoje prompty. Repozytorium zawiera umiejętność conceptual-reasoner z promptem systemowym, stałym promptem negatywnym i walidatorem budżetu tokenów dla ustrukturyzowanych opisów stanu świata, których oczekuje jego szkielet dyfuzyjny, a także konfiguracje treningowe, które go wytworzyły. Jedno laboratorium otworzyło swoje dane. Drugie otworzyło swój interfejs. Żadne nie otworzyło obu, a to, które z nich jest dla ciebie bardziej przydatne, zależy wyłącznie od tego, co próbujesz zbudować.

Dwa ujawnienia, z których żadne nie jest kompletne

Wydanie danych MiniCPM5-2B jest prawdziwe i konkretne. Karta wymienia zestawy danych, podaje do nich linki i opisuje, co każdy wnosi — dane kodowe zarządzane warstwowo, próbki SFT agenta, próbki RL obejmujące matematykę, kod, wiedzę ogólną i rozumowanie długiego kontekstu. Czego nie podaje, to mieszanka, kolejność, procedura odkażania ani liczby tokenów na źródło. Widzisz składniki, a nie przepis.

Wydanie promptów PAN 2 jest lustrzanym odbiciem. Polityka podpisów jest w pełni określona: co musi zawierać opis stanu świata, kolejność zdarzeń, sposób wiązania działań z aktorami, sposób wyrażania ruchu kamery oraz twarda pojemność 1536 tokenów kodera tekstu z miękkim celem 1480. Czego jednak nie daje, to korpusu, który nauczył model czytać te podpisy — „setki milionów filmów oznaczonych w tym samym formacie”, bez karty zbioru danych i bez publikacji.

Jeśli więc potrzebujesz zrozumieć, dlaczego mały model językowy zachowuje się tak, jak się zachowuje, MiniCPM5-2B daje Ci więcej materiału do pracy. Jeśli potrzebujesz, aby model wideo wygenerował klip, o który prosiłeś, PAN 2 daje Ci więcej. Oba wydania są bardziej przejrzyste niż mediana i oba zatrzymują się w punkcie, w którym przejrzystość staje się niekorzystna z punktu widzenia konkurencji.

Liczby i ile są warte

MiniCPM5-2B to gęsty model o architekturze Llama z 2 516 756 480 parametrami — 1,98 mld parametrów z wyłączeniem osadzeń, 42 warstwy, 16 głowic zapytań i 2 głowice klucz-wartość, kontekst 131 072 tokenów, języki angielski i chiński. OpenBMB twierdzi, że jest to najlepszy model open-source w klasie 2B, ze średnią 53,9 w swoim zestawie porównawczym wobec 51,1 dla najlepszego większego modelu z tego zestawu. To, co czyni to twierdzenie interesującym, widać w poszczególnych wierszach: LiveCodeBench v6 na poziomie 69,1, AIME 2026 — 86,5, MMLU-Pro — 70,8, GPQA Diamond — 70,2, SWE-bench Verified — 46,4, τ²-Bench Telecom — 97,1, AA-LCR — 59,0 i NoLiMa — 68,1.

Są to wyniki zgłoszone przez dostawcę na wybranym przez dostawcę zestawie porównawczym, a sam zestaw jest pouczający: obejmuje Gemma-4-E2B-it, Gemma-4-E4B-it, Qwen3.5-2B, Qwen3.5-4B, LFM2.5-2.6B i LFM2.5-8B-A1B. W AA-LCR zgłoszony rozrzut wynosi 59,0 dla MiniCPM5-2B wobec 5,3 dla LFM2.5-2.6B i 17,0 dla Gemma-4-E2B-it. W SWE-bench Verified wynosi 46,4 wobec 6,0, 2,0 i 3,0. Te różnice są wystarczająco duże, że różnice w harnessie ich nie wyjaśniają, ale harness nadal należy do OpenBMB i nikt nie odtworzył tej tabeli niezależnie.

PAN 2 nie ma takiej tabeli, ponieważ nie istnieje wspólne narzędzie dla modeli świata wideo, jakie istnieje dla kodu i matematyki. Zamiast tego ma ustrukturyzowaną sekcję ograniczeń, która jest bardziej bezpośrednia niż jakikolwiek benchmark dostawcy: około dwie na trzy symulowane plany zawierają co najmniej jeden krok, który nie jest wykonywany; wygląd dryfuje między klipami, ponieważ każdy z nich zaczyna się od co najwyżej pojedynczej klatki plus tekst; akcje tekstowe określają zręczną manipulację tylko z grubsza; model może pozwolić symulacji postępować z naruszeniem ograniczeń fizycznych, a jako przykład podano makaron pojawiający się w durszlaku przed odcedzeniem.

• Co to jest — {{1}}MiniCPM5-2B{{/1}}: gęsty model tekstowy o 2,52 mld parametrów dla asystentów działających na urządzeniu, agentów kodujących i przepływów pracy z narzędziami. {{2}}PAN 2{{/2}}: 29-miliardowy transformer dyfuzyjny, który renderuje skutki działania jako wideo.

• Wyjście — MiniCPM5-2B: tekst. PAN 2: MP4, do 20 sekund w rozdzielczości 704×1248 i 24 fps.

• Kontekst lub horyzont — MiniCPM5-2B: 131 072 tokenów, z wynikami AA-LCR 59,0 i NoLiMa 68,1 w środowisku testowym OpenBMB. PAN 2: jedna klatka początkowa plus podpis, więc długie interakcje dryfują i karta sama to przyznaje.

• Licencja — MiniCPM5-2B: Apache-2.0, język angielski i chiński. PAN 2: Apache-2.0 na jego własnych wagach, natomiast Qwen3.5-9B i Wan 2.2 — zgodnie z ich własnymi warunkami.

• Sprzęt — MiniCPM5-2B: pojedynczy konsumencki GPU, a karta dokumentuje ścieżki vLLM, SGLang i llama.cpp oraz backend wieloukładowy. PAN 2: domyślnie osiem H200 w przepisie vLLM; cztery B300 dla trzynastu sekund wideo w około 119 sekund.

Obietnica działania na urządzeniu kontra rzeczywistość w skali węzłów

MiniCPM5-2B zaprojektowano tak, by był mały w tym, co naprawdę istotne: nie chodzi tylko o niewielką liczbę parametrów, lecz o udokumentowaną ścieżkę na sprzęt, który już posiadasz. Karta zawiera instrukcje szybkiego startu dla vLLM, SGLang i llama.cpp, wraz z uwagą, że -c 8192 ustawia długość kontekstu na ścieżce llama.cpp — zdanie, które pojawia się tylko w dokumentacji napisanej przez ludzi, którzy faktycznie uruchomili to na laptopie. Dokumentuje także FlagOS, backend wieloukładowy, który pozwala tym samym wagom działać na różnych akceleratorach. To historia wdrożeniowa skierowana do telefonów, komputerów jednopłytkowych i tanich urządzeń do wnioskowania.

Historia wdrożenia PAN 2 jest pod każdym względem odwrotna, a powód jest arytmetyczny, a nie wynikający z niedbalstwa. Pięćdziesiąt kroków próbkowania z guidance bez klasyfikatora na każdym kroku oznacza sto przebiegów forward przez transformer 29B na klip. Przepis uruchamia guidance równolegle na dwóch rangach, a długość sekwencji na dwóch kolejnych, po czym dodaje równoległe przetwarzanie patchy VAE na czterech rangach w trybie tile, ponieważ dekodowanie dwudziestu sekund materiału 704×1248 to osobny problem pamięciowy. Tego nie da się uruchomić na laptopie i zespół nie udawał, że jest inaczej.

Warto zauważyć, że żaden z tych modeli nie jest nigdzie hostowany. MiniCPM5-2B ma ponad milion pobrań miesięcznie i nie ma własnego API; PAN 2 nie ma API, a na dzień 11 listopada 2026 r. ma jeden post w mediach społecznościowych z konta swojego laboratorium i nic za nim — żadnego endpointu, żadnego linku do publikacji, żadnego cennika. Jeśli chcesz którykolwiek z nich, musisz uruchomić go samodzielnie.

Gdzie można wynająć połowę przeznaczoną na planowanie

Architektura PAN 2 sprawia, że jeden z jej elementów jest wyodrębnialny — i to właśnie ten element większość zespołów nie powinna budować samodzielnie. Rozumujący komponent koncepcyjny — model językowy, który przekształca obserwację i żądane działanie w ustrukturyzowany opis, jaki konsumuje szkielet dyfuzyjny — jest wprost dowolnym modelem zdolnym do podążania za instrukcjami. W raporcie uszeregowano cztery z nich według tego, jak często symulowany plan zostaje zrealizowany od początku do końca: Claude Opus 5.5, GPT-6 Astra przy średnim wysiłku, Kimi K3, a następnie Qwen3.8-Flash. W karcie zaznaczono również, że można użyć dowolnego LLM podążającego za instrukcjami oraz że wyjście poza rozkład treningowy zwykle wymaga ręcznie dopracowanych promptów.

To czyni model rozumujący wyborem operacyjnym, do którego będziesz chciał wracać, a powracanie do niego jest tańsze przez router niż przez cztery rozmowy zakupowe. Qwen3.8-Flash jest dostępny w OrcaRouter; jeden klucz API z automatycznym przełączaniem awaryjnym pozwala uruchomić to samo obciążenie generowaniem podpisów na kilku modelach planujących, w cenie katalogowej dostawcy z 0% marży przekazywanej dalej, i zachować ten, który najczęściej realizuje Twoje plany. OrcaRouter nie hostuje PAN 2 — nie ma hostowanego PAN 2 do routowania — i nie hostuje również MiniCPM5-2B. Renderer i mały model pozostają na Twoim sprzęcie; model planujący jest towarem masowym.

Dla MiniCPM5-2B rachunek wygląda inaczej w sposób, który warto podkreślić. Modele działające na urządzeniu istnieją właśnie po to, by unikać rozliczanych wywołań, a model 2B działający na telefonie nie zyskuje na omijaniu go przez routing. Jeśli kierują Tobą względy prywatności, opóźnień lub pracy offline, routing jest błędną odpowiedzią, a MiniCPM5-2B właściwym modelem. Jeśli powodem jest koszt, porównaj uczciwie: model 2B, który uzyskuje średnio 53,9 pkt, może kosztować więcej czasu inżynierskiego na osiągnięcie porównywalnych wyników w Twoim zadaniu niż rozliczane wywołanie czegoś większego.

Do czego właściwie służy każde wydanie

MiniCPM5-2B to model z zadaniem: być najlepszym otwartym modelem klasy 2B w benchmarkach, na których zależy jego użytkownikom, działać na urządzeniu i być dostarczany wraz z danymi, aby społeczność mogła budować na nim, a nie wokół niego. To dojrzałe wydanie z dokumentacją odzwierciedlającą kilka iteracji — przewodniki szybkiego startu dla trzech stosów serwowania, sekcja wywoływania narzędzi, cookbooki, przepisy na dostrajanie oraz backend wieloukładowy.

PAN 2 to artefakt badawczy z niezwykle kompletną tezą. Twierdzi on, że rozumowanie symulacyjne — czyli wyobrażanie sobie przez agenta skutków własnych potencjalnych działań przed wyborem jednego z nich — jest zdolnością, którą można zbudować, a nie zdolnością, na której pojawienie się można liczyć, i realizuje tę tezę w postaci dwuetapowego systemu opartego na opublikowanym wzorcu (sformułowanie Generative Latent Prediction w Critique of World Models, arXiv 2507.05169). Wsparcie frameworka, które pojawiło się 10 listopada 2026 r., sprawiło, że dało się go uruchomić. Post składający się z dwóch akapitów, opublikowany tego samego popołudnia na własnym koncie laboratorium w serwisie X, nie oznaczał jego premiery, a od tamtej pory nie powiedziano nic więcej.

Żadne z tych wydań nie jest lepsze od drugiego. To odpowiedzi na różne pytania, publikowane na różnych etapach pewności. Jedno laboratorium mówi: „oto mały model, któremu możesz zaufać, a oto, co się na niego złożyło”. Drugie mówi: „oto system, który robi coś nowego, a oto dokładnie, gdzie zawodzi”. Porównywanie ich ma sens tylko wtedy, gdy wiesz, które z tych zdań opisuje twój projekt.