d1-Omni-2B vs MiniCPM5-2B: Um Modelo de Decisão Não É um Modelo de Chat Pequeno

Ambos têm pesos abertos, ambos ficam perto de dois bilhões de parâmetros e ambos são voltados para hardware que fica sobre uma mesa, e não em um rack. É aí que a semelhança termina. d1-Omni-2Brecebe um estado — texto, JSON, imagens, quadros de vídeo, áudio —, além de um conjunto de perguntas nomeadas, e retorna respostas tipadas com probabilidades calibradas em uma única passagem direta. MiniCPM5-2Brecebe texto e escreve mais texto, raciocinando até chegar a uma resposta um token de cada vez. Trocar um pelo outro não é um upgrade nem um downgrade de modelo; é uma reescrita de tudo o que consome a resposta. A comparação que vale a pena fazer, então, não é qual dos dois pontua mais alto. É qual contrato seu pipeline consegue de fato aceitar, e quanto cada um custa em licenças, latência e trabalho de implantação para cumpri-lo.

O que realmente volta de uma chamada

Uma chamada d1 parece um esquema, não uma conversa. Você passa system_one um estado e um dicionário de perguntas, cada uma com um tipo — sim/não, escolha única, múltipla escolha, pontuações ordenadas, trecho de texto, número, data, uma caixa delimitadora ou várias — e recebe de volta um valor por pergunta com uma probabilidade associada. O próprio exemplo da ficha do modelo encaminha um tíquete de suporte: um sinalizador de reembolso, uma atribuição de equipe extraída de dois critérios nomeados e uma confiança em cada um. Sem prosa, sem transcrição, nenhum token emitido. A ficha afirma isso claramente: não é um modelo de chat.

Esse design é o produto inteiro. Como nada é decodificado, não há etapa de parsing, nem reparo de JSON, nem loop de nova tentativa para o modelo que envolveu a resposta em um pedido de desculpas. Um valor retorna em um limiar que você escolheu, com um caminho de abstenção quando nada no conjunto de opções se aplica — o Liquid reporta 78,5 nesse teste de abstenção escrito e 75,8 falado. Se o seu código downstream precisa de uma atribuição de fila e de um número, este é o formato que você quer.

MiniCPM5-2B retorna o formato oposto. É um decodificador padrão de arquitetura Llama que pensa antes de responder, construído sobre um estágio de SFT de pensamento profundo com 400 bilhões de tokens, RL de domínio e uma etapa de destilação on-policy que incorpora dezesseis professores especialistas em um único checkpoint denso. Você pode absolutamente obter saída estruturada dele — suas pontuações de chamada de função são respeitáveis, e a OpenBMB fornece um parser de ferramentas para vLLM — mas você consegue isso pedindo, em um prompt, e confiando que o decodificador obedeça. O raciocínio é o recurso. Também é pelo que você está pagando em cada chamada.

O confronto direto que não existe

Não existe nenhum benchmark no qual esses dois modelos tenham sido executados. Isso não é uma lacuna no relatório; é uma consequência da divisão acima. O d1-Omni-2B aparece apenas nas suítes de decisão da Liquid — DecisionBench v1 com 76,4, decisionbench.ai v4 com 84,7, Decision Index public suite v0.3 com 49,0, ImajevBench v2.0-lite com 72,3, uma média de visão não ponderada de 67,7 em dezoito benchmarks. O MiniCPM5-2B aparece apenas na suíte de raciocínio e agêntica da OpenBMB: uma média de 53,9 em 34 testes, LiveCodeBench v6 com 69,1, AIME 2025 com 86,5, SWE-bench Verified com 46,4, BFCL v4 com 66,6 e um valor muito mais modesto de 8,9 no Humanity's Last Exam. Nenhum desses números é medido nos mesmos itens, pelo mesmo avaliador, que qualquer número da primeira lista.

Qualquer pessoa que lhe mostre uma tabela de duas colunas com essas pontuações lado a lado está fazendo uma costura, e a costura é pior do que parece. Todo número do d1-Omni-2B é executado pelo fornecedor e, até o momento da publicação, não foi reproduzido de forma independente. A média principal da OpenBMB também é executada pelo fornecedor — a empresa divulgou seus corpora de treinamento e seu framework de RL, o que é mais do que a maioria dos laboratórios faz, mas isso é reprodutibilidade do método, não das pontuações.

Os números independentes que de fato existem merecem uma leitura cuidadosa, porque divergem entre si entre versões do índice. A Artificial Analysis atribuiu 15 ao MiniCPM5-2B no seu Índice de Inteligência v4.2 quando cobriu o lançamento em 7 de setembro; a página ao vivo agora mostra 12; a própria alegação da OpenBMB de 23 foi feita na v4.1.1. Esses três dígitos não representam uma queda nem uma disputa — o índice mudou por baixo deles, e pontuações de versões diferentes não são comparáveis. Considere a direção e ignore o dígito. A Artificial Analysis não tem página alguma para o d1-Omni-2B ou seu irmão d1-2B, então o modelo de decisão ainda não tem nenhuma medição independente de qualquer tipo.

Um número que parece transferível e não é: a Liquid realizou uma comparação de 27 testes de seu modelo chat LFM3-1.7B contra o MiniCPM5-2B e venceu por 23 a 4. Esse resultado diz que um decodificador pós-treinado da Liquid supera o da OpenBMB nesses testes. Ele não diz nada sobre a cabeça de decisão, que nunca fez parte dessa execução, e não deve ser emprestado para resolver este pareamento.

Onde as especificações realmente se diferenciam

• Contrato de saída — valores tipados com probabilidades e zero tokens de saída versus texto gerado com um traço de raciocínio implícito. Todo o resto nesta lista decorre disso.

• Tamanho — 2,17 bilhões de parâmetros em um checkpoint BF16 de 4,33 GB, contra 2,52 bilhões no total e 1,98 bilhão não-embedding, aproximadamente 5 GB em BF16. Próximos o suficiente para que nenhum dos dois vença apenas pela pegada de memória.

• Entradas — texto ou estado JSON, imagens, quadros de vídeo e áudio, combináveis em uma única requisição, versus apenas texto. O MiniCPM5-2B não tem codificador de visão nem caminho de áudio; se o estado contiver uma forma de onda, essa comparação termina aqui. Se você quer a linha multimodal da OpenBMB, essa é a MiniCPM-V 4.7, uma família diferente com um trade-off diferente.

• Contexto — 128.000 tokens contra 131.072. É o mesmo número dito de duas formas, e não é motivo para escolher nenhum dos dois modelos. Só importa porque ambos conseguem comportar um documento longo; a limitação do d1-Omni-2B é que trechos falados longos degradam sua precisão bem antes de a janela se completar, e o cartão diz isso.

• Licença — Licença Aberta LFM v1.0 com um limite de receita anual de 10.000.000 de dólares, contra a Apache-2.0 sem qualquer condição. Esta é a maior diferença individual da tabela e não tem nada a ver com a qualidade do modelo.

• Tempo de execução — código de modelagem personalizado por trás de trust_remote_code, Transformers 5.19 ou mais recente, apenas BF16, nenhum GGUF do fornecedor e nenhum caminho documentado para vLLM ou SGLang, em comparação com ferramentas Llama não modificadas: vLLM, SGLang, llama.cpp, MLX, GPTQ, um GGUF oficial no repositório e builds quantizados já em circulação.

• Adoção — 36 downloads e 10 curtidas quatro dias após o repositório aparecer em 24 de outubro, contra 1.216.145 downloads e 1.823 curtidas desde 6 de setembro. Asterisco: o número do MiniCPM teve sete semanas e um post de lançamento, o do d1 não teve nenhum dos dois, então leia isso como um sinal de maturidade, e não como um veredito.

Cinco milissegundos contra um pensamento

A Liquid publica a latência de chamadas a quente para o d1-Omni-2B, medida após compile() em BF16 como a mediana de vinte chamadas. Numa H100 PCIe, uma única pergunta custa 5,8 ms, três perguntas 7,7 ms, um estado de 5.000 tokens 52 ms, uma imagem de 384 píxeis 12,1 ms e dez segundos de áudio 12,4 ms. Em lote de 64 estados por chamada, processa 1.154 estados por segundo, e uma MI325X é ainda mais rápida, com 3,7 ms e 1.697 estados por segundo. Uma M5 Pro faz 21,1 ms numa pergunta e 110 estados por segundo — lenta em comparação com uma placa de datacenter, e ainda assim rápida o suficiente para parecer instantânea dentro de uma aplicação de desktop.

Nada disso é uma corrida justa, porque o outro lado não publica um tempo. O que se pode dizer estruturalmente é que a latência de um decodificador escala com o quanto ele pensa, e o MiniCPM5-2B é um modelo feito para pensar. Numa chamada de roteamento ou triagem — em que a resposta correta é um entre quatro nomes de fila —, você está pagando por uma justificativa que ninguém pediu, e pagando por token por isso. O Artificial Analysis quantifica isso: em sua execução do Intelligence Index, o modelo emitiu 74 milhões de tokens de saída, contra uma mediana de 67 milhões para modelos comparáveis, o que seu resumo chama de "um tanto verboso". Isso não é um argumento contra o modelo; é um argumento contra usá-lo no papel para o qual o d1-Omni-2B foi criado.

Trate os números d1 com a cautela habitual. São medições do fornecedor, feitas em hardware específico com uma etapa de compilação, e uma execução independente quase certamente chegará a outro resultado. A ordem de magnitude — milissegundos de um dígito por decisão — é a parte que se mantém.

A cláusula de licença que supera o placar

O MiniCPM5-2B é distribuído sob a Apache-2.0. Você pode usá-lo comercialmente, criar um fork dele, redistribuí-lo, incorporá-lo a um produto e nunca precisar consultar um advogado sobre isso. O d1-Omni-2B é distribuído sob a LFM Open License v1.0, que concede uso comercial apenas enquanto sua organização permanecer abaixo de US$ 10.000.000 em receita anual. Nesse limite ou acima dele, a licença declara que o uso comercial "não está licenciado sob este Contrato" — o que significa que você precisa de um acordo separado com a Liquid AI, ou não distribui o modelo.

A redistribuição é permitida em ambos, com condições do lado do LFM: repassar a licença, marcar os arquivos modificados e manter os avisos. Não há exigência de rebranding. Para uma equipe de pesquisa, um protótipo ou uma empresa confortavelmente abaixo do limite, essa cláusula é uma formalidade. Para uma equipe de produto em uma empresa que pode ultrapassar o limite durante a vida útil do modelo, é uma questão de aquisição que chega antes do primeiro benchmark — e é o tipo de coisa que é descoberta tarde, pelo jurídico, depois que a arquitetura está definida.

A assimetria é suficientemente gritante para que deva ser afirmada sem rodeios: só pela licença, o MiniCPM5-2B é a aposta mais segura para qualquer implantação comercial, e a licença do d1-Omni-2B é um custo real de escolhê-lo, não uma nota de rodapé.

Qual deles você consegue realmente executar hoje?

O MiniCPM5-2B é entediante de implantar, o que é o maior elogio possível para um modelo deste tamanho. É um decoder padrão, então vLLM e SGLang o suportam sem patch, llama.cpp e LM Studio leem o GGUF, MLX cobre Apple silicon, e uma build Q4_K_M tem cerca de 1,45GB. A única armadilha é a chamada de ferramentas: o modelo emite chamadas em estilo XML, então vLLM precisa do parser de chamadas de ferramentas minicpm5 ativado, ou suas chamadas de função chegam como prosa.

O d1-Omni-2B ainda não é entediante. Carregá-lo exige um Transformers recente com trust_remote_code=True, além de torch, torchvision e Pillow; o repositório traz safetensors BF16 e nada mais. Não há GGUF do fornecedor, nenhuma receita vLLM integrada no card, e o Hugging Face não lista nenhum provedor de inferência para ele — portanto, não há endpoint hospedado para testar, o que também explica por que não existe preço hospedado a ser cotado. O caminho prático que a maioria das pessoas vai seguir é a tag do Ollama d1-omni:2b, um pacote comunitário de 4,4 GB que empacota os mesmos pesos. Isso funciona. É também o único motivo pelo qual um desenvolvedor consegue experimentar este modelo em uma tarde, e é trabalho de terceiros, não da Liquid.

Nenhum dos modelos tem um preço publicado por token, porque nenhum dos dois é vendido por token. Qualquer valor por milhão que você encontrar para qualquer um deles é derivado de cálculos de aluguel de GPU, e não cotado por um fornecedor. Se você está comparando-os por custo, compare-os pelo que uma decisão custa em segundos de tempo de GPU — e lembre-se de que a resposta do modelo de decisão termina quando a chamada retorna, enquanto a do modelo de chat termina quando ele para de pensar.

O padrão que usa ambos

A conclusão honesta desta comparação é que eles não são concorrentes, e a arquitetura útil os trata assim. O d1-Omni-2B lida com o julgamento barato, de alto volume e sensível à latência: qual fila, qual equipe, esta é a mesma fatura, quão urgente, qual destas doze caixas. Ele roda localmente, retorna um número ao qual você pode aplicar um limiar e se abstém quando não sabe.

O MiniCPM5-2B cuida da parte que precisa de linguagem: explicar a decisão a um cliente, redigir a resposta, escrever a correção, chamar a próxima ferramenta da cadeia. Ele é pior no primeiro trabalho e melhor no segundo, e a divisão não custa nada além de uma chamada de função entre eles — uma rota que só escala para o modelo caro quando a confiança do modelo barato cai abaixo do seu limite. Essa camada de escalonamento é exatamente o tipo de coisa para a qual uma plataforma de roteamento serve: uma única chave de API para mais de 200 modelos com 0% de markup sobre o preço de tabela do provedor, failover automático quando um provedor falha, e uma DSL de roteamento que permite compor vários modelos por trás de uma única chamada. Nem o d1-Omni-2B nem o MiniCPM5-2B estão no catálogo do OrcaRouter hoje, então a metade de decisão deste padrão continua auto-hospedada por enquanto — mas a metade generativa, aquela que você vai querer trocar à medida que modelos pequenos melhores surgirem, é justamente a metade que vale a pena rotear em vez de fixar no código.

Quem deve escolher qual?

Escolha o d1-Omni-2B quando o estado contiver áudio ou vídeo, quando você precisar de uma probabilidade em vez de uma frase, quando a resposta tiver de ser uma caixa delimitadora, um trecho ou um número com um intervalo, e quando a chamada estiver em um loop em que 6ms e 78ms são produtos diferentes. Escolha-o sabendo que o limite de licença se aplica a você, que a implantação é território de código personalizado e que ainda não existe avaliação independente — a própria ficha da Liquid direciona pessoas sem áudio para o d1-2B, o que é uma orientação mais honesta do que a maioria dos fornecedores oferece espontaneamente.

Escolha o MiniCPM5-2B quando a entrada for texto, quando a saída tiver de ser lida por uma pessoa ou alimentar uma ferramenta que espera prosa, quando você precisar de raciocínio ao longo de um documento longo e quando Apache-2.0 e um caminho de implantação padrão do Llama eliminarem duas categorias de risco antes de você escrever uma linha de código. Escolha-o sabendo que a média de 53,9 do fornecedor não foi reproduzida, que sua pontuação independente é 12 no índice atual — bem acima da mediana de 5 para modelos de sua classe de tamanho, e não comparável aos 15 ou 23 registrados em versões anteriores — e que seus resultados publicados mais fracos, Terminal-Bench em 8,6 e SWE-bench Pro em 14,4, são os mais próximos do trabalho agêntico, que é justamente onde ele é mais intensamente divulgado.

E não escolha nenhum dos dois se o que você realmente queria era um pequeno modelo de chat que enxerga. O MiniCPM5-2B não consegue, o d1-Omni-2B não conversa, e o modelo que as pessoas normalmente têm em mente quando digitam qualquer um dos dois nomes numa caixa de pesquisa é outro, das mesmas famílias. O ponto a observar é a primeira avaliação independente de áudio do d1-Omni-2B. Seus resultados em língua falada — 92,5 no FLEURS em 43 idiomas, mas 42,0 na modalidade escrita, caindo para 22,8 na falada em estados curtos, e de 83,6 para 41,8 em trechos multilíngues — descrevem um modelo excelente em identificar um idioma e frágil em compreender um parágrafo lido em voz alta. Até que alguém de fora da Liquid meça essa lacuna, o caso da entrada por voz é uma promessa com um número anexado, não um resultado.