ZoomGain-4B vs MiniCPM5 2B: Przenośność to benchmark, którego nikt nie publikuje

W obu kartach modeli brakuje jednej liczby i to ona decyduje o większości wdrożeń. MiniCPM5-2B jest dostępny w kompilacjach GGUF, MLX, GPTQ i LiteRT, ma model szkicowy DSpark do dekodowania spekulacyjnego i — szczegół, który mówi najwięcej — oferuje kompilacje FlagOS dla dziewięciu różnych rodzin akceleratorów, w tym Ascend, Hygon, Kunlunxin i Metax. ZoomGain-4B jest dostępny w GGUF w trzech precyzjach i wymaga — jak czytamy w samej karcie — „kompilacji llama.cpp z obsługą multimodalną Q​wen3.5”. Jeden z tych modeli działa niemal wszędzie. Drugi działa tam, gdzie można zbudować konkretne środowisko uruchomieniowe. Żadna z kart nie nazywa tego benchmarkiem, a dla każdego, kto musi model faktycznie obsługiwać, a nie tylko go cytować, to jest wiersz, który liczy się bardziej niż kolumna dokładności któregokolwiek z modeli.

Taki sposób ujęcia nie jest sposobem na unikanie porównania dokładności — pojawia się ono później, a porównanie dokładności okazuje się mniej rozstrzygające, niż wygląda, ponieważ oba modele nie są mierzone na tej samej osi i nie mogą być. MiniCPM5-2B od OpenBMB to model tekstowy: 2,52 miliarda parametrów, wydany 6 września 2026 r., dostrojony do agentów, wywołań narzędzi, kodu i długiego kontekstu. ZoomGain-4B od inclusionAI to specjalistyczny model wizyjno-językowy opublikowany 11 listopada 2026 r., trenowany metodą uczenia ze wzmocnieniem na pytaniach dotyczących drobnych szczegółów wizualnych. W dalszej części: co jest mierzone w przypadku każdego z nich, ile kosztuje postawienie każdego z nich i gdzie przebiega uczciwa linia podziału.

Brakujący wiersz: czego trzeba, żeby uruchomić każdy z nich

Zacznij od listy artefaktów, ponieważ jest to najbardziej konkretna rzecz, jaką przekazał ci którykolwiek z wydawców.

• MiniCPM5-2B. Gęsty transformer przyczynowy oparty na standardowej klasie LlamaForCausalLM — 42 warstwy, GQA z 16 głowami zapytań i 2 głowami KV, kontekst 131 072 tokenów, 2 516 756 480 parametrów łącznie, z czego 1 981 982 720 to parametry niebędące osadzeniami. Ponieważ architektura jest standardowa, dziedziczy każdą ścieżkę serwowania, jaką ktokolwiek już napisał dla modeli o kształcie Llama. Organizacja publikuje warianty SFT, Midtrain i Base jako osobne repozytoria, a także kwantyzacje GGUF, MLX i GPTQ, model szkicowy DSpark do dekodowania spekulatywnego, LiteRT do pracy na urządzeniach z Androidem oraz model siostrzany 1B z tym samym zestawem wariantów.

• ZoomGain-4B. 4 539 265 536 parametrów w BF16 w modelu językowym i osobnym enkoderze wizyjnym. Trzy precyzje GGUF — Q4_K_M przy 2,71 GB, Q8_0 przy 4,48 GB, F16 przy 8,42 GB — każda w parze z mmproj plikiem projektora, który według karty jest obowiązkowy do wprowadzania obrazów. Brak kompilacji MLX, brak GPTQ, brak ONNX, brak modelu pomocniczego. Jedynym wymienionym środowiskiem uruchomieniowym jest llama.cpp z obsługą multimodalną Q​wen3.5, co jest węższym wymaganiem, niż to brzmi: potrzebna jest kompilacja wystarczająco nowa, aby znać qwen35 architekturę, a karta mówi, aby jawnie podać oba pliki, zamiast wskazywać gotową ścieżkę.

Asymetria nie jest krytyką inclusionAI. Od modelu wizyjnego opublikowanego dziewięć dni temu i nigdy nieogłoszonego nie oczekuje się, że będzie miał środowisko uruchomieniowe Android. To po prostu taki stan rzeczy, a to oznacza, że oba modele nie są wymienne w wymiarze, który kosztuje pieniądze: MiniCPM5-2B będzie działać na sprzęcie, który już masz, w tym na telefonie; ZoomGain-4B będzie działać na GPU, w środowisku uruchomieniowym, które być może będziesz musiał skompilować, i nigdzie indziej.

Dwie różne definicje „małego”

Oba nazywa się małymi modelami, a słowo to w każdym przypadku odgrywa inną rolę.

• Parametry, uczciwie policzone. MiniCPM5-2B ma 1,98 mld parametrów niebędących osadzeniami — czyli liczbę, która rządzi obliczeniami przypadającymi na token — w ramach łącznej liczby 2,52 mld. ZoomGain-4B ma łącznie 4,54 mld, a około pół miliarda z tego to enkoder wizji i projektor. Odejmij stos wizyjny, a oba szkielety językowe będą miały praktycznie ten sam rozmiar — różnica mieści się w granicach błędu zaokrąglenia. Różnica w zachowaniu wynika z tego, co wytrenowano na wierzchu, a nie ze skali.

• Do czego miało służyć szkolenie. Karta modelu MiniCPM5-2B wymienia jako jego najmocniejsze obszary rozumowanie w zakresie kodu i matematyki, rozumienie długiego kontekstu, korzystanie z narzędzi oraz zadania agentowe, a jako jego przeznaczenie wskazuje lokalnych asystentów, agentów kodujących i wdrożenia na urządzeniach. Karta modelu ZoomGain-4B dotyczy jednej rzeczy: czy model potrafi odpowiedzieć na pytanie, którego odpowiedź jest widoczna tylko po powiększeniu obrazu.

• Co każdy z wydawców zdecydował się przekazać. OpenBMB opublikował pełną gamę wariantów MiniCPM5 — bazowy, midtrained, SFT, finalny RL-plus-OPD, a także model draft i gotowe pliki binarne dla dziewięciu rodzin chipów. inclusionAI opublikował trzy repozytoria modeli, dwa zbiory danych oraz repozytorium kodu zawierające potok konstruowania danych i skrypty uruchamiające GRPO. Jeden to linia produktowa; drugi to wydanie badawcze z załączonym dziennikiem laboratoryjnym.

• Licencja. MiniCPM5-2B ma w karcie modelu licencję Apache 2.0, obejmującą zarówno repozytorium, jak i wagi. Kod ZoomGain jest na licencji Apache 2.0, a warunki dotyczące checkpointu odsyłają do repozytorium checkpointu, które od tego tygodnia nie ma znacznika licencji w metadanych. Przeczytaj plik, zanim opublikujesz.

Kolumny benchmarkowe i dlaczego nie spełniają wymagań

Nie ma żadnego wspólnego benchmarku dla tych dwóch modeli. Ani jednego. ZoomGainBench to zestaw pytań o fotografie, a MiniCPM5-2B nie ma enkodera obrazu; każdy inny benchmark w tabeli MiniCPM5 dotyczy tekstu, a ZoomGain-4B nigdy nie był uruchamiany na żadnym z nich. Zamiast więc bezpośredniego porównania, oto co faktycznie zmierzył każdy z wydawców — celowo osobno.

MiniCPM5-2B, według dostawcy, średnia 53,9 w całym jego zestawie:

• Kod — LiveCodeBench v6 69,1, OJBench 32,5, SWE-bench Verified 46,4.

• Matematyka — AIME 2025 86,5, AIME 2026 86,5, MATH-500 94,6.

• Wiedza — MMLU-Pro 70,8, GPQA-Diamond 70,2.

• Długi kontekst — AA-LCR 59.0, NoLiMa 68.1, LongBench v2 43.7.

• Użycie narzędzi i agenci — τ²-Bench Telecom 97.1, BFCL v4 66.6, BrowseComp-ZH 43.5, GAIA Text-103 88.7.

ZoomGain-4B, zgłoszone przez dostawcę:

• Percepcja, benchmark held-in — 55,81 na ZoomGainBench wobec 30,03 dla jego modelu bazowego Qwen3.5-4B.

• Percepcja, średnia na zbiorze wyodrębnionym — 60,96 w dziesięciu benchmarkach, których trening nigdy nie widział, wobec 54,20 dla modelu macierzystego. To wzrost o 6,76 punktu, który warto przytoczyć.

• Poszczególne zmiany na zbiorach wydzielonych — Visual Probe 43,30 do 57,28, O3-Bench 54,20 do 63,19, HR-Bench 4K 81,25 do 87,25, MME-RealWorld-Lite 57,89 do 61,59.

Przeczytaj te dwie listy obok siebie, a kształt decyzji staje się oczywisty. MiniCPM5-2B został przetestowany pod kątem siedemnastu rzeczy, które mają znaczenie dla dewelopera, i wypada przyzwoicie w niemal wszystkich z nich; wynik 97,1 w τ²-Bench Telecom i 88,7 w GAIA Text-103 to wyróżniające się liczby i to na nich opiera się jego pozycjonowanie. ZoomGain-4B został przetestowany pod kątem percepcji i zasadniczo niczego więcej, a zapewniany przez niego przyrost — około siedmiu punktów średnio, na niewidzianych wcześniej benchmarkach — jest realny, ale wąski.

Gdybyś potrzebował jednego zdania: MiniCPM5-2B to mały model ogólnego przeznaczenia z niezwykle bogatym zestawem wyników benchmarków, a ZoomGain-4B to specjalista, którego średni wzrost o siedem punktów byłby niewidoczny na leaderboardzie modeli ogólnych, ponieważ leaderboard ten nie zawiera pytań, w których jest dobry.

Gdzie oba faktycznie współistniałyby

Zadania, w których oba rozwiązania są właściwą odpowiedzią, mają wspólny kształt: dokument, zrzut ekranu, zdjęcie, formularz. Coś musi spojrzeć na obraz i wyodrębnić wartość, a coś musi zrobić wszystko po tym — przeanalizować schemat, wywołać właściwe narzędzie, zweryfikować, ponowić próbę, skierować do człowieka.

Ekstrakcja ma kształt ZoomGain. Drobny tekst, ciasne kadry, odpowiedź, która jest albo poprawna, albo błędna, oraz model, który został wyraźnie wytrenowany na różnicy między odczytaniem etykiety w kadrze a odczytaniem tej samej etykiety w pełnej klatce. Wyniki ZoomGain-4B na zbiorze wyłączonym z treningu HR-Bench 4K (81,25 do 87,25 po treningu) i MME-RealWorld-Lite dokładnie odpowiadają profilowi modelu, który poprawił się w gęstych szczegółach, nie pogarszając się w pozostałych obszarach.

Pozostała część jest ukształtowana jak MiniCPM5, a w korzystaniu z narzędzi jest wyjątkowo mocna jak na swój rozmiar — τ²-Bench Telecom na poziomie 97,1 to wynik, którego większość trzykrotnie większych modeli nie osiąga, a BFCL v4 na poziomie 66,6 pokazuje, że wywoływanie funkcji nie jest tylko demem.

Uruchamianie obu oznacza dwa środowiska uruchomieniowe, dwie licencje i drugi element, który może się zepsuć. To także miejsce, w którym router udowadnia swoją wartość, zamiast być tylko sloganem: wywołanie obrazu trafia do punktu końcowego wizji, tura wywołania narzędzia trafia do taniego punktu końcowego tekstowego, a zawieszenie któregokolwiek z nich automatycznie przełącza się na drugi, zamiast ujawniać się jako 504 w Twoim potoku. Jeden klucz, jedna faktura i logika przełączania awaryjnego w jednym miejscu, a nie zduplikowana w dwóch SDK.

Warto jasno powiedzieć, co obsługujemy, a czego nie. MiniCPM5-2B nie ma dziś w naszym katalogu. Hostujemy natomiast rodzinę Qwen3.5 — 35B-A3B za $0.057 na wejściu i $0.459 na wyjściu za milion tokenów, 27B za $0.086 i $0.688, oba multimodalne — i to właśnie z tej rodziny wytrenowano ZoomGain-4B, co czyni ją najbliższym hostowanym przybliżeniem, jeśli chcesz sprawdzić, czy podejście crop-and-ask poprawia twoją dokładność, zanim zdecydujesz się na samodzielnie hostowany model 4B. Jeśli chodzi o część związaną z wywoływaniem narzędzi, ten sam katalog daje ci coś, co możesz wywołać już dziś. Nie możemy natomiast hostować ZoomGain-4B i żadne zmiany routingu tego nie zmienią: to model do pobrania, a nie API.

Uczciwy werdykt

Wybierz MiniCPM5-2B, jeśli chcesz mały model, który możesz wdrożyć w tym tygodniu na sprzęcie, który już posiadasz, w środowisku uruchomieniowym, które już istnieje, na licencji Apache 2.0 i z arkuszem benchmarków wystarczająco szerokim, by przewidzieć, jak będzie się zachowywać. Z tych dwóch to on jest gotowym produktem. Jego 1,98 mld parametrów niebędących osadzeniami sprawia, że jest tani w przeliczeniu na token, jego wyniki w wywoływaniu narzędzi są najlepsze w jego kolumnie, a kompilacje od producentów chipów sprawiają, że nie jest to propozycja wyłącznie dla centrów danych.

Wybierz ZoomGain-4B, jeśli konkretny błąd, który próbujesz wyeliminować, ma charakter wizualny i drobnoziarnisty, a Ty jesteś gotów uruchomić GPU z niszową kompilacją llama.cpp, aby go naprawić. Jego argumentacja opiera się na jednej wiarygodnej liczbie — średnim zysku wynoszącym 6,76 punktu w dziesięciu odłożonych testach percepcji na podstawie 9000 próbek treningowych — oraz na benchmarku, danych i środowisku testowym, które pozwalają Ci samodzielnie zweryfikować to twierdzenie, zamiast mu wierzyć.

Nie wybieraj żadnego z nich, jeśli nie zmierzyłeś jeszcze, co w Twoim pipeline działa źle. Najsłabsze opublikowane wyniki MiniCPM5-2B dotyczą agenta wyszukiwania i rozumowania na długich dokumentach (BrowseComp-ZH 43,5, LongBench v2 43,7), a ZoomGain-4B nigdy nie zadano pytania, które nie dotyczyłoby obrazu. Kupowanie któregokolwiek z nich, by rozwiązać problem, którego nie scharakteryzowałeś, to właśnie tak modele z trzema miliardami parametrów trafiają do produkcji i nic nie robią.

Mało efektowny wniosek: te dwa modele nie są rywalami, lecz dwoma sąsiednimi etapami tej samej pracy, a powodem, dla którego to porównanie wciąż bywa przedstawiane jako konkurs, jest to, że benchmarki łatwiej opublikować niż przenośność. MiniCPM5-2B wygrywa w kolumnie, która jest publikowana. ZoomGain-4B wygrywa w kolumnie, która jeszcze nie istnieje, w ramach jednego zadania, o około siedem punktów, i wiąże się z wymogiem dotyczącym środowiska uruchomieniowego, który zatrzymałby większość zespołów już na progu.