MiniCPM5-2B-DSpark против LFM2.5-2.6B-Base: один — ингредиент для сервинга, другой — ингредиент для обучения

{{1}}Два самых интересных релиза малых моделей конца лета 2026 года объединяет одно: ни одна из них не работает «из коробки», и оба вендора говорят об этом в первых же предложениях своих карточек.{{/1}} {{2}}MiniCPM5-2B-DSpark — это черновой чекпоинт DSpark, который OpenBMB 6 сентября 2026 года без лишнего шума выложил на Hugging Face. Это компаньон с 323,8 млн параметров для MiniCPM5-2B — плотной модели на 2,52 млрд параметров для работы на устройстве, анонсированной ModelBest на WAIC 19 июля 2026 года. Сам по себе он не делает ничего, пока вы не загрузите его в движок спекулятивного декодирования рядом с этой целевой моделью.{{/2}} {{3}}LFM2.5-2.6B-Base — это предобученный текстовый чекпоинт Liquid AI, доступный на Hugging Face с 1 августа 2026 года; собственная карточка Liquid описывает его как «предобученный текстовый чекпоинт», рекомендованный только для задач, требующих серьёзной тонкой настройки.{{/3}} {{4}}Один — ингредиент для ускорения обслуживания готовой модели; другой — ингредиент для обучения собственной модели с нуля.{{/4}} {{5}}Они лежат на разных полках, и ошибкой разработчика было бы потянуться не за той.{{/5}}

Сравнивать их стоит потому, что они нацелены на одно и то же оборудование и одну и ту же цель на 2026 год: полноценный ИИ на телефонах, ноутбуках и периферийных устройствах. Вот только подходят они к этому с противоположных концов процесса разработки. Если вам нужна готовая к развёртыванию модель на устройстве плюс бесплатное ускорение, стек OpenBMB отдаёт вам всё это в открытом виде. Если вы хотите сами заниматься пост-обучением, Liquid предоставляет вам и основу, и работу. Эта статья — о том, какой слой вы на самом деле покупаете.

Две карты, на которых написано «не для прямого использования» на разных диалектах.

Прочитайте две карточки моделей рядом — и разгадка в том, как говорится об их паре. Карточка MiniCPM5-2B-DSpark написана целиком в терминах другой модели: целевой модели, общего токенизатора, черновых слоёв, длин принятия, команды запуска SGLang, которая принимает путь к целевой модели и путь к черновой. У черновой модели нет собственной идентичности — это пять слоёв полного внимания, 323 776 001 параметр, размер блока — семь; она обучена за шесть эпох на 7,05 миллиарда токенов ответов, сгенерированных MiniCPM5-2B, и выпущена под лицензией Apache-2.0 с включёнными головками уверенности и марковскими головками, как в методе DSpark (arXiv 2607.05147). Её назначение — пропускная способность: предложить до семи токенов, позволить целевой модели 2.52B проверить блок за один проход и сохранить принятое.

Карточка openbmb/MiniCPM5-2B-DSpark выше — это вся публичная поверхность релиза: сервисный аксессуар без прилагаемого анонса, сообщающий о длине принятия, но не о сквозном ускорении.

Карточка LFM2.5-2.6B-Base написана в терминах модели, которой ещё не существует: вашей. Гибридная модель на 2,69 млрд параметров объединяет восемь слоёв группового внимания запросов поверх двадцати двух блоков с двойным стробированием и короткой свёрткой — архитектура Liquid для развёртывания на устройствах, — и обучалась на примерно 34 триллионах токенов на 16 языках с контекстом в 128K токенов. Она работает только с текстом, не имеет дообучения на инструкциях и не публикует собственных бенчмарков: предобученную базовую модель не оценивают — оценивают тонко настроенные продукты, которые из неё получаются. Её задача — быть дообученной на ваших данных (continued pretraining или SFT), после чего всё, что вы выпускаете, наследует условия её лицензии.

Карточка LiquidAI/LFM2.5-2.6B-Base выше показывает таблицу семейства моделей — базовую модель в сравнении с пост-обученной агентной моделью LFM2.5-2.6B — и примечание «предобученный текстовый чекпойнт», определяющее базовую модель как исходный материал.

Репозитории, измерение за измерением

• Роль — MiniCPM5-2B-DSpark: ускоряет существующую готовую целевую модель. LFM2.5-2.6B-Base: основа, которую вы пост-обучаете в готовую модель.

• Параметры — MiniCPM5-2B-DSpark: черновая модель на 324M для плотной целевой модели на 2.52B. LFM2.5-2.6B-Base: гибрид на 2.69B (внимание + блоки короткой свёртки).

• Контекст — MiniCPM5-2B, цель: 128K нативно. LFM2.5-2.6B-Base: 128K нативно.

• Что необходимо добавить — MiniCPM5-2B-DSpark: движок инференса (SGLang DSPARK) и целевая модель. LFM2.5-2.6B-Base: прогон дообучения, набор для оценки и инференс-стек.

• Бенчмарки — MiniCPM5-2B-DSpark: указана только длина принятия репозитория (совокупный результат при жадном декодировании — 5,52 за шаг), коэффициент ускорения не приведён. LFM2.5-2.6B-Base: для самой базовой модели ничего не опубликовано.

• Лицензия — MiniCPM5-2B-DSpark: Apache-2.0, без ограничений. LFM2.5-2.6B-Base: LFM Open License v1.0 — бесплатное коммерческое использование при годовой выручке до 10 млн долларов США, и это ограничение распространяется на любые модели, которые вы дообучаете.

Табло, расположенное выше, — это полка для ингредиентов, изображённая в виде карточки: один столбец — это дополнение для подачи готовой модели, другой — обучающая основа для модели, которой не существует, пока вы её не создадите.

Разница в 10 миллионов долларов

Для разработчика лицензионный разрыв — наименее эффектный, но самый решающий пункт в этом списке. ModelBest и OpenBMB выпустили MiniCPM5-2B и его черновую модель под Apache-2.0: вы можете обслуживать целевую модель, запускать черновую и строить на этом коммерческий продукт — без потолка по выручке и без унаследованных обязательств, кроме указания авторства. Лицензия LFM Open License v1.0 от Liquid разрешает коммерческое использование, но с ограничением: бесплатно при годовой выручке ниже 10 миллионов долларов, и это ограничение переходит на вашу производную работу — поэтому продукт, который вы дообучили на основе LFM2.5-2.6B-Base, несёт тот же потолок. Это не делает лицензию Liquid неразумной; это делает её условием, которое стартап, рассчитывающий вырасти за пределы этого потолка, должен закладывать в планы с первого дня. Если ваш проект не претендует на большую выручку или вы оцениваете модель в исследовательских целях, это ограничение несущественно. Если же вы создаёте продукт, который намерены развивать, Apache-2.0 — это сырьё иного рода.

Развилка «создать или купить» для разработчиков

Если сформулировать это как решение «создать самим или купить» применительно к самой модели, выбор перестаёт сбивать с толку. MiniCPM5-2B-DSpark — это путь «купить»: тяжёлая работа — пост-обучение on-device модели для агентных сценариев и длинного контекста — уже проделана в MiniCPM5-2B, а draft-модель — это ускоряющий слой поверх неё, не требующий дополнительной лицензии. Вы покупаете готовую модель и ускорение, оба компонента под лицензией Apache-2.0, и от вас остаются только обслуживание и оценка. Открытым остаётся количественный вопрос: OpenBMB измерила приём draft-модели (5.52 токена на шаг верификации при жадном декодировании), но не выигрыш в реальном времени, так что вам всё равно придётся прогнать бенчмарк развёртывания SGLang на собственном оборудовании, чтобы понять, что именно вы купили.

LFM2.5-2.6B-Base — это путь «сборки»: вы покупаете основу для предварительного обучения и самостоятельно выполняете пост-обучение, что является единственной честной причиной выбрать базовую модель вместо пост-обученной LFM2.5-2.6B, которую Liquid уже продаёт. Этот путь имеет смысл, когда у вас есть домен, язык или профиль поведения, которые не покрываются готовыми моделями, — вы берёте архитектуру Liquid и фундамент на 34 триллиона токенов и делаете его своим. Это строго больше работы, начинается с нуля опубликованных бенчмарков и сохраняет ограничение по выручке. Выигрыш — модель, которой нет ни у кого другого.

Реальность маршрутизации

Ни один из этих чекпоинтов сегодня не значится ни в одном каталоге хостинговых моделей, включая каталог OrcaRouter: драфт по определению — это локальный вспомогательный компонент сервинга, а база Liquid — self-host проект для файн-тюнинга. Именно здесь слой маршрутизации остаётся полезным, не претендуя на хостинг ни одной из них: как только вы развернули или дообучили любую из моделей, слой перед вашими собственными эндпоинтами делает их опробование обратимым. Направьте тестовый маршрут на сборку SGLang с MiniCPM5-2B-plus-draft, пока прод остаётся на том, что вы обслуживаете сегодня; пусть автоматический failover перехватывает зависание, а цены из прайс-листов провайдеров для хостинговых моделей, с которыми вы сравниваете, по-прежнему проходят без наценки. Задача слоя здесь не в доставке, а в том, что ни один из ингредиентов не накладывает на вас необратимых обязательств.

На какой полке вы делаете покупки?

Выбирайте MiniCPM5-2B-DSpark (в паре с целевой моделью), когда вам нужна готовая модель Apache-2.0 для работы на устройстве уже сегодня и черновик, который может её ускорить, — и будьте готовы сами измерить ускорение, поскольку производитель этого не делал. Выбирайте LFM2.5-2.6B-Base, если намерены дообучать собственную модель и хотите использовать гибридную архитектуру Liquid и основу на 16 языках в качестве стартовых весов, — принимая расходы на тонкую настройку, полное отсутствие опубликованных бенчмарков и ограничение выручки в 10 миллионов долларов, которое распространится на любой ваш продукт. Эти две модели не соперничают за одну и ту же задачу; это две разные задачи на одном и том же оборудовании, и единственная ошибка — купить одну, веря, что вы покупаете другую.