
Aion-1.0-Instruct-2.3B vs MiniCPM5 2B: Aquele com um placar já tem um rival nele
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 184 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 223 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 96 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 78 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 208 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
O card do modelo do MiniCPM5-2B traz uma tabela comparativa com oito baselines, e Aion-1.0-Instruct-2.3B não é um deles. Isso não é uma desfeita; é um carimbo temporal. A tabela da OpenBMB foi montada em torno de modelos que existiam quando os pesos foram disponibilizados, em 6 de setembro de 2026. O checkpoint da Microsoft apareceu no Hugging Face em 18 de novembro de 2026, setenta e três dias depois, sem anúncio e com três curtidas. Ninguém colocou os dois lado a lado, porque, no primeiro dia de sua vida, ninguém podia. MiniCPM5-2B, por sua vez, é o modelo mais baixado desta classe com uma grande margem — aproximadamente 966.000 downloads contra zero do Aion.
Então isto não é uma comparação entre dois modelos medidos. É uma comparação entre um modelo que chegou com um placar e uma base de fãs e um modelo que chegou com um arquivo de configuração e uma promessa sobre janeiro de 2027. O que segue usa os números publicados pela OpenBMB para o MiniCPM5-2B onde eles existem, a ficha da Microsoft para o Aion-1.0-Instruct-2.3B e diz claramente quando uma célula não tem nada.
Dois modelos de dois bilhões e meio de parâmetros que não se assemelham
Os tamanhos anunciados são próximos o bastante para convidar a uma comparação de fichas técnicas, e aí as fichas técnicas se recusam a bater.
• Parâmetros — o MiniCPM5-2B tem 2,52B no total, dos quais 1,98B são não-embedding; o Aion-1.0-Instruct-2.3B tem 2,29B com embeddings de entrada e saída compartilhados.
• Profundidade — 42 camadas para o MiniCPM5-2B, numa arquitetura LlamaForCausalLM padrão; 28 camadas para o Aion, em código de modelagem personalizado que exige trust_remote_code.
• Atenção — 16 cabeças de consulta e 2 cabeças de chave/valor para o MiniCPM5-2B; 24 cabeças de consulta e 8 cabeças de chave/valor com dimensão de cabeça 128 para o Aion, em um padrão híbrido de 21 camadas de janela deslizante com 2.048 tokens e 7 camadas de atenção completa.
• Contexto — 131.072 tokens contra 32.768.
• Idiomas — inglês e chinês para o MiniCPM5-2B; oito idiomas para o Aion, com dados multilíngues em cerca de 6% do treinamento.
• Licença — Apache 2.0 versus MIT. Ambos permissivos, ambos seguros para uso comercial.
• Ecossistema — GGUF, MLX, GPTQ, checkpoints base, SFT, midtrain e draft, além dos datasets de treinamento, em comparação com safetensors e a promessa de builds quantizadas por vir.
Essa última linha é onde a diferença deixa de ser uma questão de qualidade do modelo. MiniCPM5-2B é um lançamento que você pode implantar em quatro runtimes diferentes hoje à tarde. Aion-1.0-Instruct-2.3B é um lançamento que você pode implantar em apenas um, com um repositório irmão ONNX-WebGPU enviado na mesma noite, e um formato GGUF listado no card, mas ausente da listagem de arquivos.
Os números que a OpenBMB publicou, e os que não publicou
A ficha do MiniCPM5-2B afirma ser o estado da arte open-source da classe 2B e, de forma incomum, apresenta as evidências em 35 benchmarks de nove categorias. Os números de destaque: AIME 2025 em 86,5, AIME 2026 em 86,5, MMLU-Pro 70,8, GPQA-Diamond 70,2, IFEval 86,7, LiveCodeBench v6 69,1, SWE-bench Verified 46,4, BFCL v4 66,6, τ²-Bench Telecom 97,1, AA-LCR 59,0 e NoLiMa 68,1.
O card também publica uma média resumida entre todos eles — 53,9 para o MiniCPM5-2B, 51,1 para o Qwen3.5-4B, 42,7 para o Granite 4.2 3B, 33,2 para o LFM2.5-2.6B. Essas são execuções do próprio harness do fornecedor sobre sua própria seleção de benchmarks, e a seleção favorece exatamente aquilo para o que o modelo foi treinado: uso de ferramentas agênticas, programação, contexto longo. Um fornecedor que escolhe os testes pode escolher o ranking. Leia a tabela como uma declaração sobre prioridades de treinamento — sobre as quais ela é honesta —, e não como um veredito independente — que ela não é.
O que a ficha do MiniCPM5-2B não contém é qualquer benchmark em que o Aion-1.0-Instruct-2.3B apareça, e o que a ficha do Aion não contém é qualquer uma das nove categorias do MiniCPM5-2B. A sobreposição é real, mas estreita: MMLU-Pro, GPQA, IFEval e as variantes do AIME são os únicos pontos em que as duas tabelas publicadas falam a mesma língua, e mesmo ali as configurações do harness diferem. Nessas linhas compartilhadas, a diferença é ampla — 70,8 contra 33,35 no MMLU-Pro, 70,2 contra 28,18 no GPQA —, mas trata-se de uma comparação entre um modelo treinado para raciocínio e trabalho agêntico e outro treinado para compreensão e reescrita de documentos, e os números dizem exatamente isso.
Onde a honestidade da Aion é a história completa
O aspecto interessante da ficha da Microsoft não são suas pontuações. É que as pontuações são pouco lisonjeiras e a ficha as imprime mesmo assim, em uma tabela que também nomeia seu modelo juiz, seu harness e dois benchmarks cujas configurações de pontuação os fazem parecer melhores do que o título sugere. Uma ficha escrita para vender algo não inclui uma linha que diga MMLU-Pro 33.35.
Um 33,35 no MMLU-Pro não é um número que uma equipe de lançamento escolhe. Um 28,18 no GPQA também não. A presença deles é evidência de que esta tabela saiu de um pipeline de avaliação, e não de um pipeline de marketing, e isso é um motivo genuíno para confiar nas alegações ao redor — a janela de 32.768 tokens, os oito idiomas, o corte de conhecimento de 2025-12, a contagem de 2,29 bilhões de parâmetros derivada de uma configuração de embeddings atrelados.
A mesma franqueza perpassa as limitações. O cartão afirma categoricamente que um modelo deste tamanho "pode deixar passar detalhes finos, fornecer afirmações incorretas ou mostrar incapacidade de seguir raciocínios complexos de várias etapas", que "não foi treinado para se destacar em conhecimento do mundo" e que a qualidade da saída varia entre as oito línguas. Compare isso com uma tabela de 35 benchmarks que reivindica o estado da arte, e estará diante de duas teorias diferentes sobre para que serve um cartão de modelo. Nenhuma é desonesta. Uma é uma alegação de capacidade e a outra é uma divulgação.
A proposta do processamento no dispositivo e a armadilha do contexto longo
O enquadramento da Microsoft é inequívoco: o Aion Instruct é "o Small Language Model (SLM) fundamental do ecossistema Windows", criado para tarefas de texto e de sistema operacional no dispositivo, com uma versão mais forte, além de um modelo de moderação de conteúdo, tornando-se o SLM do sistema operacional Windows até o final de janeiro de 2027. O upload é descrito como "uma introdução ao que está por vir".
O enquadramento do MiniCPM5-2B é mais amplo: assistentes locais, agentes de programação, fluxos de trabalho com uso de ferramentas e raciocínio, em telefones, computadores pessoais e cockpits inteligentes, com um conjunto de treino de agentes de 500.000 amostras e mais de 80.000 amostras de RL disponibilizadas juntamente com os pesos. É um modelo concebido para agir, não apenas para responder.
A diferença de contexto entre 131K e 32K é onde essa distinção aparece com mais força, e o MiniCPM5-2B tem as evidências: AA-LCR 59,0 e NoLiMa 68,1 são benchmarks de contexto longo, ambos executados pelo fornecedor, ambos publicados com o marcador visual que sua ficha usa para resultados avaliados por juiz. O Aion tem uma janela de 32.768 tokens que sua própria configuração sugere ser alcançada por escalonamento YaRN a partir de uma faixa nativa de 2.048 tokens, e nenhuma avaliação de contexto longo. Se a carga de trabalho envolver documentos longos, a escolha já foi feita para você, e foi feita pelas evidências, não pela contagem de parâmetros.
As stacks de agentes são onde a comparação muda de forma
MiniCPM5-2B foi treinado para ciclos de ferramentas: 500 mil amostras SFT de agente, RL no estilo GRPO em tarefas verificáveis e linhas de benchmark para SWE-bench Verified, Terminal-Bench, BFCL e uma execução τ³ no domínio bancário. Aion-1.0-Instruct-2.3B documenta um formato de chamada de ferramentas e não publica nenhum benchmark agêntico, porque foi criado para sumarização, reescrita e chat em um sistema operacional.
Vale a pena pensar nessa assimetria de forma arquitetural, e não como uma pontuação. Um loop de agente não é uma única chamada de modelo; é um plano, uma chamada de ferramenta, um resultado, um replanejamento e, muitas vezes, uma segunda opinião, e cada etapa é uma solicitação separada com sua própria latência e probabilidade de falha. É nessa camada que o roteamento deixa de ser uma nota de rodapé da infraestrutura e passa a fazer parte do design. A fusão de modelos do OrcaRouter executa um painel de modelos contra a mesma solicitação e combina suas respostas, e sua DSL de roteamento compõe vários modelos em uma única chamada — as duas primitivas que importam quando "um modelo pequeno, uma resposta" é o formato errado para a tarefa. Nem o Aion-1.0-Instruct-2.3B nem o MiniCPM5-2B estão em nosso catálogo hoje, pois ambos são pesos auto-hospedados, e não endpoints hospedados; o argumento diz respeito às solicitações que seu agente local não consegue concluir sozinho, e não a esses dois checkpoints.
A versão prática: use o modelo pequeno para as etapas de baixo custo e torne o caminho de escalonamento explícito, em vez de torcer para que o modelo de 2B acerte na quarta tentativa. Um modelo como o MiniCPM5-2B com 46,4 no SWE-bench Verified é impressionante para o seu tamanho e ainda erra mais da metade das vezes, e nenhuma quantidade de engenharia de prompt muda a aritmética de um loop de cinco etapas.
O que você pode realmente verificar hoje
Esta é a frase que decide a maioria destas comparações. Com o MiniCPM5-2B, você pode baixar um GGUF, carregá-lo no llama.cpp, executar os próprios comandos de benchmark do card e verificar se reproduz 86.5 no AIME. Com o Aion-1.0-Instruct-2.3B, você pode baixar safetensors bfloat16, instalar o transformers 5.x, aceitar trust_remote_code=True e executar o mesmo harness nos onze benchmarks dele — o que dá mais trabalho, mas é totalmente possível, e ninguém fez isso publicamente.
O que você não consegue fazer com o Aion é executá-lo no runtime com maior probabilidade de estar na máquina que você está visando. O card lista GGUF como nome de biblioteca; o repositório contém safetensors, arquivos de tokenizer, dois módulos de modelagem personalizados e um template de chat. O repositório irmão ONNX-WebGPU existe, o que torna plausível a implantação em navegador e com DirectML, mas uma build GGUF é prometida em vez de entregue. Se o seu alvo de implantação for llama.cpp ou LM Studio, esse único arquivo ausente é toda a decisão até que ele apareça.
Duas outras coisas merecem verificação por você mesmo, em vez de confiar. Primeiro, a janela de 32K: preencha-a e veja se o final do documento sobrevive às camadas de janela deslizante. Segundo, o caminho de chamada de ferramentas: o formato da Aion envolve esquemas e chamadas em tags personalizadas, e a facilidade com que ele se recupera de uma chamada malformada não é algo que um cartão possa lhe dizer.

O card da OpenBMB é o único dos dois que chega a publicar resultados de contexto longo e agênticos — AA-LCR 59,0, NoLiMa 68,1, SWE-bench Verified 46,4 — além de uma janela de 131.072 tokens e uma arquitetura Llama padrão.
Dois casos de uso honestos
Escolha o MiniCPM5-2B quando a tarefa envolver ferramentas, código, documentos longos ou chinês. A ficha dele foi escrita para essas tarefas, os benchmarks dele as cobrem, suas quantizações existem e sua licença é Apache 2.0. O risco é que a alegação de estado da arte se baseia no próprio conjunto de comparação do fornecedor, e modelos de 2 bilhões de parâmetros em loops de agentes ainda falham de maneiras que custam tokens reais.
Escolha o Aion-1.0-Instruct-2.3B quando a tarefa for um aplicativo Windows que resuma, reescreva ou classifique documentos locais em um dos oito idiomas, offline, sem que os dados saiam do dispositivo. Ele tem contexto menor, é mais fraco em todos os benchmarks compartilhados e é respaldado por um card que diz isso. O que ele oferece é um contrato documentado de execução no dispositivo e um caminho plausível para entrar no sistema operacional até janeiro de 2027 — e, por enquanto, um número muito pequeno de pessoas que já o executaram.
A comparação será lida de outra forma dentro de um mês. Se surgir um GGUF, a objeção quanto ao runtime desaparece. Se surgir uma execução independente do harness, os números deixam de ser exclusivos da Microsoft. Nenhuma das duas coisas aconteceu ainda, e fingir o contrário seria a única coisa que este artigo não pode fazer.

O cartão da Microsoft, que imprime suas próprias pontuações fracas e rotula as configurações de pontuação lenientes — o motivo para confiar nas alegações de especificação mesmo onde as alegações de benchmark são pouco notáveis.

O placar, conforme as evidências atuais: 35 benchmarks publicados e quatro formatos de runtime de um lado, 11 benchmarks e safetensors do outro.
