PAN 2 vs MiniCPM5-2B: um envia seus dados, o outro envia seus prompts

A OpenBMB lançou o MiniCPM5-2B em 6 de setembro de 2026 e, juntamente com o checkpoint de 2,52 bilhões de parâmetros, publicou os corpora de treinamento: UltraX-Preview para pré-treinamento na web, UltraData-Code com seu gerenciamento em níveis L0 a L3, UltraData-SFT-Agent-2609 com meio milhão de amostras de agentes e UltraData-RL-2609 com mais de oitenta mil amostras de aprendizado por reforço. Entregar isso é algo incomum, e é a lente certa para esta comparação. O PAN 2, publicado discretamente pelo Institute of Foundation Models da MBZUAI, sem post de lançamento e sem endpoint hospedado, faz algo adjacente, mas não igual: ele entrega seus prompts. O repositório traz uma skill de raciocinador conceitual com um system prompt, um negative prompt fixo e um validador de orçamento de tokens para as legendas estruturadas de estado de mundo que seu backbone de difusão espera, além das configurações de treinamento que o produziram. Um laboratório abriu seus dados. O outro abriu sua interface. Nenhum dos dois abriu ambos, e qual deles é mais útil para você depende inteiramente do que você está tentando construir.

Duas divulgações, nenhuma delas completa

O lançamento de dados do MiniCPM5-2B é real e específico. O card nomeia os conjuntos de dados, vincula-os e descreve o que cada um contribui — dados de código gerenciados em camadas, amostras de SFT de agentes, amostras de RL abrangendo matemática, código, conhecimento geral e raciocínio de contexto longo. O que ele não fornece é a mistura, a ordenação, o procedimento de descontaminação ou as contagens de tokens por fonte. Você pode ver os ingredientes, mas não a receita.

O lançamento do prompt do PAN 2 é a imagem espelhada. A política de legendas está totalmente especificada: o que uma descrição de estado do mundo deve conter, a ordenação dos eventos, como as ações se vinculam aos atores, como o movimento de câmera é expresso e uma capacidade rígida de 1.536 tokens do codificador de texto, com uma meta flexível de 1.480. O que ele não fornece é o corpus que ensinou o modelo a ler essas legendas — "centenas de milhões de vídeos anotados no mesmo formato", sem ficha do conjunto de dados e sem disponibilização.

Portanto, se a sua necessidade é entender por que um modelo de linguagem pequeno se comporta da maneira que se comporta, o MiniCPM5-2B lhe dá mais com que trabalhar. Se a sua necessidade é fazer um modelo de vídeo produzir o clipe que você pediu, o PAN 2 lhe dá mais. Ambos os lançamentos são mais transparentes do que a mediana, e ambos param no ponto em que a transparência se torna uma desvantagem competitiva.

Os números e o que eles valem

O MiniCPM5-2B é um modelo denso de arquitetura Llama com 2.516.756.480 parâmetros — 1,98 bilhão de parâmetros sem contar os embeddings, 42 camadas, 16 cabeças de consulta contra 2 cabeças de chave-valor, 131.072 tokens de contexto, inglês e chinês. A OpenBMB afirma que é o estado da arte de código aberto da classe 2B, com uma média de 53,9 em seu conjunto de comparação, contra 51,1 do melhor modelo maior desse conjunto. É nas linhas individuais que a alegação fica interessante: LiveCodeBench v6 em 69,1, AIME 2026 em 86,5, MMLU-Pro em 70,8, GPQA Diamond em 70,2, SWE-bench Verified em 46,4, τ²-Bench Telecom em 97,1, AA-LCR em 59,0 e NoLiMa em 68,1.

Esses dados são relatados pelo fornecedor em um conjunto de comparação escolhido pelo fornecedor, e o conjunto é instrutivo: ele inclui Gemma-4-E2B-it, Gemma-4-E4B-it, Qwen3.5-2B, Qwen3.5-4B, LFM2.5-2.6B e LFM2.5-8B-A1B. No AA-LCR, a variação relatada é de 59,0 para o MiniCPM5-2B contra 5,3 para o LFM2.5-2.6B e 17,0 para o Gemma-4-E2B-it. No SWE-bench Verified, é 46,4 contra 6,0, 2,0 e 3,0. Essas diferenças são grandes o suficiente para que diferenças de harness não as expliquem, mas o harness ainda é da OpenBMB e ninguém reproduziu a tabela de forma independente.

PAN 2 não tem uma tabela desse tipo, porque não existe um instrumento compartilhado para modelos de mundo de vídeo como existe para código e matemática. O que ele tem, em vez disso, é uma seção estruturada de limitações mais direta do que qualquer benchmark de fornecedor: cerca de dois em cada três planos simulados contêm pelo menos uma etapa que não é executada; a aparência varia entre clipes porque cada um começa a partir de no máximo um único quadro mais texto; as ações de texto especificam a manipulação hábil apenas de forma grosseira; o modelo pode deixar uma simulação progredir enquanto viola restrições físicas, com o exemplo da massa aparecendo no escorredor antes de ser escorrida.

• O que é — MiniCPM5-2B: um modelo de texto denso de 2,52B para assistentes no dispositivo, agentes de programação e fluxos de trabalho com ferramentas. PAN 2: um transformer de difusão de 29B que renderiza as consequências de uma ação como vídeo.

• Saída — MiniCPM5-2B: texto. PAN 2: MP4, até 20 segundos a 704×1248 e 24 fps.

• Contexto ou horizonte — MiniCPM5-2B: 131.072 tokens, com AA-LCR 59,0 e NoLiMa 68,1 no ambiente de avaliação da OpenBMB. PAN 2: um quadro inicial mais uma legenda, então interações longas se desviam e o cartão diz isso.

• Licença — MiniCPM5-2B: Apache-2.0, inglês e chinês. PAN 2: Apache-2.0 nos seus próprios pesos, com Qwen3.5-9B e Wan 2.2 sob os seus próprios termos.

• Hardware — MiniCPM5-2B: uma única GPU de consumo, e o card documenta os caminhos vLLM, SGLang e llama.cpp, além de um backend multi-chip. PAN 2: oito H200s por padrão na receita vLLM; quatro B300s para treze segundos de vídeo em cerca de 119 segundos.

A promessa de execução no dispositivo versus a realidade em escala de nós

O MiniCPM5-2B foi concebido para ser pequeno naquilo que realmente importa: não apenas com poucos parâmetros, mas com um caminho documentado para hardware que já possui. O cartão inclui guias de início rápido para vLLM, SGLang e llama.cpp, com uma nota de que -c 8192 define o comprimento de contexto no percurso do llama.cpp — uma linha que só aparece em documentação escrita por quem realmente já executou a coisa num portátil. Também documenta o FlagOS, um backend multi-chip que permite aos mesmos pesos correrem em diferentes aceleradores. É uma história de implementação orientada para telemóveis, computadores de placa única e caixas de inferência baratas.

A história de implantação do PAN 2 é o oposto em todas as dimensões, e o motivo é aritmético, não descuido. Cinquenta etapas de amostragem com classifier-free guidance em cada etapa significam cem passagens diretas por um transformer de 29B por clipe. A receita paraleliza a orientação entre duas ranks e o comprimento de sequência entre mais duas, depois acrescenta paralelismo de patches do VAE entre quatro ranks no modo tile, porque decodificar vinte segundos de 704×1248 é um problema de memória à parte. Não dá para rodar isso em um laptop, e a equipe não fingiu o contrário.

Vale destacar que nenhum dos dois modelos está hospedado em lugar algum. O MiniCPM5-2B tem mais de um milhão de downloads mensais e nenhuma API própria; o PAN 2 não tem API e, até 11 de novembro de 2026, tem uma única publicação em rede social na conta de seu laboratório e nada por trás dela — nenhum endpoint, nenhum link para artigo, nenhuma informação de preço. Se quiser qualquer um dos dois, você mesmo terá de executá-lo.

Onde a metade do planejamento pode ser alugada

A arquitetura do PAN 2 torna uma de suas partes separável, e essa é justamente a parte que a maioria das equipes não deveria construir por conta própria. O raciocinador conceitual — o modelo de linguagem que transforma uma observação e uma ação solicitada na legenda estruturada que o backbone de difusão consome — é explicitamente qualquer modelo que siga instruções. O relatório classifica quatro deles pela frequência com que um plano simulado é concluído de ponta a ponta: Claude Opus 5.5, GPT-6 Astra com esforço médio, Kimi K3 e, em seguida, Qwen3.8-Flash. O card também observa que qualquer LLM que siga instruções pode ser usado, e que ir além da distribuição de treinamento tende a exigir prompts refinados manualmente.

Isso faz do raciocinador uma escolha operacional que você vai querer rever, e revê-la custa menos por meio de um roteador do que por meio de quatro conversas de aquisição. O Qwen3.8-Flash está no OrcaRouter; uma única chave de API com failover automático permite executar a mesma carga de legendagem em vários planejadores, ao preço de tabela do provedor com 0% de markup repassado, e ficar com aquele que concluir seus planos com mais frequência. O OrcaRouter não hospeda o PAN 2 — não há um PAN 2 hospedado para rotear — e também não hospeda o MiniCPM5-2B. O renderizador e o modelo pequeno ficam no seu hardware; o planejador é o componente commodity.

Para o MiniCPM5-2B, o cálculo é diferente de um modo que vale a pena explicitar. Modelos no dispositivo existem precisamente para evitar chamadas tarifadas, e um modelo de 2B que roda em um telefone não é melhorado ao se rotear em torno dele. Se o seu motivo é privacidade, latência ou operação offline, o roteamento é a resposta errada e o MiniCPM5-2B é o modelo certo. Se o seu motivo é custo, compare com honestidade: um modelo de 2B que obtém 53.9 em sua própria média pode custar mais em tempo de engenharia para atingir paridade na sua tarefa do que uma chamada tarifada para algo maior.

Para que serve cada lançamento, na verdade

O MiniCPM5-2B é um modelo com uma missão: ser o melhor modelo aberto da classe 2B nos benchmarks que seus usuários valorizam, rodar no dispositivo e vir com os dados para que a comunidade possa construir sobre ele, e não ao redor dele. É um lançamento maduro, com uma superfície de documentação que reflete várias iterações — guias de início rápido para três stacks de serving, uma seção de chamada de ferramentas, cookbooks, receitas de fine-tuning e um backend multi-chip.

O PAN 2 é um artefato de pesquisa com uma tese excepcionalmente completa. Ele defende que o raciocínio por simulação — um agente imaginando os resultados de suas ações candidatas antes de escolher uma — é uma capacidade que se pode construir, em vez de uma capacidade que se espera que emerja, e implementa o argumento como um sistema de dois estágios com um padrão publicado por trás dele (a formulação Generative Latent Prediction em Crítica dos Modelos de Mundo, arXiv 2507.05169). O suporte ao framework disponibilizado em 10 de novembro de 2026 o tornou executável. Uma publicação de dois parágrafos na própria conta X do laboratório na mesma tarde não fez com que fosse lançado, e nada mais foi dito desde então.

Nenhum dos dois é um lançamento melhor que o outro. São respostas a perguntas diferentes, publicadas em estágios diferentes de confiança. Um laboratório está dizendo “aqui está um modelo pequeno em que você pode confiar, e aqui está o que entrou nele”. O outro está dizendo “aqui está um sistema que faz algo novo, e aqui está exatamente onde ele falha”. Uma comparação entre eles só é útil se você souber qual dessas frases descreve o seu projeto.