MiniCPM5-2B против LFM2.5 2.6B Base: готовая модель против сырого материала для создания собственной

За последний месяц вышли два самых интересных релиза малых моделей — они относятся к одному весовому классу, но находятся на совершенно разных этапах жизненного цикла. MiniCPM5-2B — готовый продукт: плотная модель на 2,5 млрд параметров, которую ModelBest и OpenBMB представили на Всемирной конференции по искусственному интеллекту 19 июля; её открытые веса незаметно появились на Hugging Face 6 и 7 сентября — с полным пайплайном пост-обучения за плечами, под лицензией Apache-2.0, готовая к использованию. LFM2.5 2.6B Base — это предобученный текстовый чекпойнт от Liquid AI: сырой материал, который, по словам компании, «рекомендуется только для задач, требующих интенсивной дообучки», — без инструктивной настройки, без чат-шаблона и без единого опубликованного бенчмарка. Базовую модель не оценивают; оценивают модели, которые вы дообучаете из неё. Сравнивать их — значит на самом деле решать, какой слой сборки вам нужен: модель, которая работает уже сегодня, или ингредиенты для собственной.

Обе карточки говорят «не для прямого использования», но на разных диалектах, и вендоры вынесли это в первые же строки. Карточка MiniCPM5-2B описывает плотный трансформер с архитектурой Llama: 2 516 756 480 параметров в сумме (1 981 982 720 — без эмбеддингов), 42 слоя, grouped-query attention, контекстное окно на 131 072 токена в поставляемой конфигурации и историю пост-обучения — SFT с глубоким мышлением, специализированный RL, On-Policy Distillation — нацеленную прямо на агентное поведение и использование инструментов. Карточка Liquid для LFM2.5 2.6B Base описывает гибрид на 2,69 млрд параметров, который ставит восемь слоёв grouped-query attention поверх двадцати двух блоков с двойным гейтом и короткой свёрткой, предобучен примерно на 34 триллионах токенов на 16 языках с контекстом в 128K — и на этом всё: база существует для того, чтобы её дообучали или донастраивали во что-то другое. Одна — это пункт назначения, другая — стартовая линия.

Что Liquid на самом деле выпустил

LFM2.5 2.6B Base появилась на Hugging Face в начале августа как предобученная основа семейства LFM2.5-2.6B от Liquid. В её карточке модели показана таблица семейства — базовая модель и пост-обученная LFM2.5-2.6B, которую Liquid донастроила для агентных сценариев с вызовом инструментов, — и прямо указано, что база представляет собой текстовый чекпойнт, использованный для создания всех вариантов. В этом и состоит её единственная задача: вы берёте гибридную архитектуру на 2,69 млрд параметров и мультиязычную основу, обученную на 34 триллионах токенов, и продолжаете предобучение или применяете SFT в своей области — после чего всё, что вы выпускаете, наследует условия её лицензии. В карточке нет бенчмарков, потому что бенчмаркать пока нечего: модель не имеет дообучения на инструкциях, поэтому из коробки она продолжает текст, а не отвечает. Её веса занимают около 2,5 ГБ, и она поддерживается Transformers, vLLM, SGLang, MLX и llama.cpp, что делает её подходящей основой для проектов тонкой настройки для устройств мобильного и edge-класса.

Практическое предостережение в этом сравнении: если вам нужна работающая маленькая модель от Liquid, честным аналогом MiniCPM5-2B будет пост-обученная LFM2.5-2.6B, а не Base. Base — это версия, которую выбирают, когда планируют выполнять пост-обучение самостоятельно — и именно поэтому в собственной таблице бенчмарков MiniCPM5-2B сравнивается с дообученным на инструкциях собратом по семейству, а не с этим «сырым» чекпоинтом.

Что выпустила OpenBMB и чем это отличается

MiniCPM5-2B выходит как готовый продукт с приложенными заводскими чертежами. Если Liquid передаёт вам базу и работу, то OpenBMB отдаёт всё целиком в открытом виде: финальный чекпоинт после пост-обучения RL + OPD, версии GGUF, MLX, GPTQ, базовую и SFT-модели, черновые модели-компаньоны, а также — и это меняет сравнение — сами обучающие корпуса, выпущенные под лицензией Apache-2.0 как семейство UltraData. В карточке модели заявлен внутренний средний показатель 53,9 в выбранном вендором наборе сравнения открытых моделей размером 2B–4B, с результатом 86,5 на AIME 2025/2026 и 46,4 на SWE-bench Verified по прогону вендора; ни один из этих результатов пока не воспроизведён независимо. Модель предназначена для запуска, а не для обучения: в анонсе заявлялись адаптация с первого дня под девять семейств чипов и ARM, нативный вызов инструментов через XML-подобные вызовы и гибридный режим быстрых и обдуманных ответов для интерактивного использования.

Табло, честно подписанное

• Что вы получаете — MiniCPM5-2B: завершенную, готовую к эксплуатации чат-модель плюс открытые обучающие данные. LFM2.5 2.6B Base: предобученную базовую модель, которую вы дообучаете до готовой модели.

• Параметры — MiniCPM5-2B: 2,52 млрд всего / 1,98 млрд без учёта эмбеддингов; плотная архитектура в стиле Llama. LFM2.5 2.6B Base: 2,69 млрд, гибридная (8 блоков внимания + 22 блока короткой свёртки).

• Контекст — MiniCPM5-2B: 131 072 токена в поставляемой конфигурации. LFM2.5 2.6B Base: 128K нативно.

• Языки — MiniCPM5-2B: карточка и данные ориентированы на английский и китайский. LFM2.5 2.6B Base: предобучен на 16 языках.

• Бенчмарки — MiniCPM5-2B: полный комплект бенчмарков от производителя (внутреннее среднее 53,9; не воспроизведено). LFM2.5 2.6B Base: для самой базовой модели ничего не опубликовано — так задумано.

• Лицензия — MiniCPM5-2B: Apache-2.0 для весов и опубликованных данных. LFM2.5 2.6B Base: LFM Open License v1.0 — бесплатна при годовом доходе менее $10 млн, и это ограничение переходит на ваши производные.

Приведённое выше табло — та же история в шести строках: обе модели небольшие, класса 128K и родственные Apache, но одна колонка заканчивается работающим сервисом, а другая — решением о том, кто проводит обучение.

Лицензия — это фича

Для разработчика разрыв в лицензировании — наименее привлекательный, но самый решающий пункт в этом списке. OpenBMB выпустил MiniCPM5-2B и опубликованные данные под Apache-2.0: вы можете разворачивать её, дообучать и строить на её основе коммерческий продукт без потолка по выручке и без унаследованных обязательств, помимо указания авторства. LFM Open License v1.0 от Liquid действительно открывает веса, но обусловлена выручкой: организации с годовой выручкой до $10 млн получают широкое коммерческое разрешение, организации с выручкой на этом уровне или выше — нет, и этот потолок наследуется любой вашей дообученной моделью, так что продукт на основе LFM2.5 2.6B Base сохраняет тот же предел, пока растёт ваша компания. Это не делает лицензию Liquid неразумной — она становится условием, которое стартап, надеющийся перерасти потолок, обязан учитывать с первого дня, и это главная причина, почему важен подход «готовая модель». Если вы создаёте то, что собираетесь развивать, Apache-2.0 с открытыми данными — это совершенно иное сырьё, нежели лицензия с потолком.

Развилка «создавать или покупать», ставшая конкретной.

Если сформулировать это как «создать или купить», выбор перестаёт сбивать с толку. MiniCPM5-2B — это путь покупки: самая трудная часть — пост-обучение небольшой модели для агентной работы с длинным контекстом — уже сделана, лицензия чистая, и вам остаётся только сервинг и оценка. Цена в том, что вы принимаете чужие решения по пост-обучению, а её громкие цифры недельной давности и не проверены никем за пределами лаборатории. LFM2.5 2.6B Base — это путь создания: вы покупаете архитектуру и предобучение Liquid, а пост-обучение делаете сами, и это единственная честная причина выбрать базовую модель вместо инструкционно-настроенной LFM2.5-2.6B, которую Liquid уже продаёт. Такой путь имеет смысл, когда у вас есть домен, язык или профиль поведения, который готовые модели не покрывают. Он требует значительно больше работы, стартует без единого опубликованного бенчмарка и сохраняет ограничение по выручке. Награда — модель, которой нет больше ни у кого, — а поскольку OpenBMB открыл данные самого MiniCPM5-2B, у вас теперь есть и второй способ туда прийти: продолжить обучение по проверенному рецепту Apache-2.0, а не начинать с голой базы.

Реальность маршрутизации для обоих

Ни один из чекпойнтов сегодня не представлен в хостинг-каталоге, так что вопрос уровня касается мира вокруг них, а не доставки. Когда вы развернёте MiniCPM5-2B или превратите LFM2.5 2.6B Base в собственную модель путём дообучения, самый обратимый способ опробовать любую из них в сравнении с уже используемыми хостинговыми моделями — через единый API с автоматическим переключением при сбое: новый или дочерний стек может застопориться, не останавливая продакшн, а цены провайдеров передаются с нулевой наценкой, так что A/B-сравнение выходит дешёвым. Но для самого решения «строить или покупать» честный план тот же, что и всегда с небольшими открытыми моделями: значимый бенчмарк — тот, который вы запускаете на собственном оборудовании и собственных данных, а не тот, что указан на карточке той или иной модели.

Какой уровень вы на самом деле ищете?

Выбирайте MiniCPM5-2B, когда вам нужна готовая модель Apache-2.0 для запуска на устройстве, которую можно развернуть уже сегодня вечером и дообучить на открытых данных, — осознавая, что её впечатляющая карточка модели не проверена и требует вашего собственного воспроизведения, прежде чем она заслужит доверие в продакшене. Выбирайте LFM2.5 2.6B Base, когда намерены пост-обучать собственную модель и хотите использовать гибридную архитектуру Liquid и многоязычную основу на 16 языках в качестве стартовых весов, — принимая счёт за тонкую настройку, полное отсутствие опубликованных бенчмарков и ограничение выручки в 10 миллионов долларов, которое перейдёт на всё, что вы выпустите. Эти две модели не соперничают за одну и ту же работу; это две разные работы на одном и том же оборудовании, и единственный неправильный выбор — купить одну, думая, что покупаете другую.