PAN 2 против MiniCPM5-2B: один поставляет свои данные, другой — свои промпты

OpenBMB выпустила MiniCPM5-2B 6 сентября 2026 года и вместе с чекпойнтом на 2,52 млрд параметров опубликовала обучающие корпуса: UltraX-Preview для предобучения на веб-данных, UltraData-Code с её уровневым управлением L0–L3, UltraData-SFT-Agent-2609 с полумиллионом агентных примеров и UltraData-RL-2609 с более чем восемьюдесятью тысячами примеров для обучения с подкреплением. Передавать такое — необычно, и это правильный ракурс для данного сравнения. PAN 2, тихо опубликованная Институтом фундаментальных моделей MBZUAI — без анонса запуска и без хостингового эндпоинта, — делает нечто смежное, но не то же самое: она передаёт свои промпты. В репозитории поставляется навык концептуального рассуждателя с системным промптом, фиксированным негативным промптом и валидатором бюджета токенов для структурированных описаний состояния мира, которые ожидает её диффузионный бэкбон, плюс конфигурации обучения, которые её породили. Одна лаборатория открыла свои данные. Другая открыла свой интерфейс. Ни одна не открыла и то и другое, и то, какая из них полезнее вам, полностью зависит от того, что вы пытаетесь построить.

Два раскрытия, ни одно из которых не является полным

Релиз данных MiniCPM5-2B — реальный и конкретный. В карточке перечислены датасеты, даны ссылки на них и описано, что каждый из них даёт: код-данные, управляемые по уровням, образцы SFT для агентов, RL-образцы, охватывающие математику, код, общие знания и рассуждения на длинном контексте. Чего она не даёт, так это смеси, порядка, процедуры очистки от загрязнения или количества токенов по источникам. Видны ингредиенты, но не рецепт.

Релиз промптов PAN 2 — зеркальное отражение. Политика подписей полностью определена: что должно содержать описание состояния мира, порядок событий, как действия привязываются к акторам, как выражается движение камеры, а также жёсткий лимит в 1,536 токенов текстового энкодера при мягкой цели в 1,480. Чего она не даёт, так это корпуса, который научил модель читать эти подписи, — «сотни миллионов видео, аннотированных в том же формате», без карточки датасета и без публикации.

Итак, если вам нужно понять, почему небольшая языковая модель ведёт себя именно так, MiniCPM5-2B даёт вам больше материала для работы. Если вам нужно, чтобы видеомодель создала запрошенный вами ролик, PAN 2 даёт больше. Оба релиза прозрачнее среднего уровня, и оба останавливаются на той точке, где прозрачность превращается в конкурентный недостаток.

Цифры — и чего они стоят

MiniCPM5-2B — это плотная модель архитектуры Llama с 2 516 756 480 параметрами: 1,98 млрд параметров без учёта эмбеддингов, 42 слоя, 16 голов запросов против 2 голов ключей-значений, 131 072 токена контекста, английский и китайский языки. OpenBMB заявляет о лучшем в классе открытых моделей уровне для 2B-класса: средний балл 53,9 по их набору сравнения против 51,1 у лучшей более крупной модели из этого набора. Именно отдельные строки делают это заявление интересным: LiveCodeBench v6 — 69,1, AIME 2026 — 86,5, MMLU-Pro — 70,8, GPQA Diamond — 70,2, SWE-bench Verified — 46,4, τ²-Bench Telecom — 97,1, AA-LCR — 59,0 и NoLiMa — 68,1.

Это данные, заявленные производителем, на выбранном производителем наборе для сравнения, и этот набор показателен: он включает Gemma-4-E2B-it, Gemma-4-E4B-it, Qwen3.5-2B, Qwen3.5-4B, LFM2.5-2.6B и LFM2.5-8B-A1B. На AA-LCR заявленный разброс составляет 59,0 для MiniCPM5-2B против 5,3 для LFM2.5-2.6B и 17,0 для Gemma-4-E2B-it. На SWE-bench Verified это 46,4 против 6,0, 2,0 и 3,0. Эти разрывы достаточно велики, чтобы их нельзя было объяснить различиями в харнессах, но харнесс по-прежнему принадлежит OpenBMB, и никто независимо не воспроизвёл эту таблицу.

У PAN 2 нет таблицы такого рода, потому что для видеомоделей мира не существует общего инструмента, как для кода и математики. Вместо неё есть структурированный раздел ограничений, который прямолинейнее любого вендорского бенчмарка: примерно в двух из трёх смоделированных планов есть как минимум один шаг, который не выполняется; внешний вид дрейфует от клипа к клипу, потому что каждый начинается максимум с одного кадра плюс текста; текстовые действия лишь грубо задают ловкие манипуляции; модель может допускать продолжение симуляции с нарушением физических ограничений, и в качестве примера приводится паста, появляющаяся в дуршлаге до того, как с неё слили воду.

• Что это — MiniCPM5-2B: плотная текстовая модель с 2,52 млрд параметров для локальных ассистентов, агентов для программирования и рабочих процессов с инструментами. PAN 2: диффузионный трансформер с 29 млрд параметров, который отображает последствия действия в виде видео.

• Вывод — MiniCPM5-2B: текст. PAN 2: MP4, до 20 секунд при 704×1248 и 24 кадрах в секунду.

• Контекст или горизонт — MiniCPM5-2B: 131 072 токена, с AA-LCR 59,0 и NoLiMa 68,1 на тестовом стенде OpenBMB. PAN 2: один начальный кадр плюс подпись, поэтому при длительных взаимодействиях происходит дрейф, и в карточке это указано.

• Лицензия — MiniCPM5-2B: Apache-2.0, английский и китайский. PAN 2: Apache-2.0 на собственных весах, при этом Qwen3.5-9B и Wan 2.2 — на собственных условиях.

• Аппаратное обеспечение — MiniCPM5-2B: одна потребительская GPU, и в документации описаны варианты запуска через vLLM, SGLang и llama.cpp, а также мультичиповый бэкенд. PAN 2: по умолчанию восемь H200 в рецепте для vLLM; четыре B300 для тринадцати секунд видео примерно за 119 секунд.

Утверждение об обработке на устройстве против реальности масштаба узлов

MiniCPM5-2B создан маленьким в том смысле, который действительно важен: не просто мало параметров, а документированный путь на оборудование, которое у вас уже есть. В карточке приведены быстрые руководства для vLLM, SGLang и llama.cpp с примечанием, что `-c 8192` задаёт длину контекста в варианте для llama.cpp — строка, которая появляется только в документации, написанной людьми, действительно запускавшими это на ноутбуке. В ней также описана FlagOS — многопроцессорный бэкенд, позволяющий одним и тем же весам работать на разных ускорителях. Это история развёртывания, ориентированная на телефоны, одноплатные компьютеры и недорогие инференс-устройства.

История развёртывания PAN 2 противоположна по всем параметрам, и причина здесь в арифметике, а не в небрежности. Пятьдесят шагов сэмплера с classifier-free guidance на каждом шаге означают сто прямых проходов через 29B-трансформер на каждый клип. Рецепт распараллеливает guidance по двум рангам, а длину последовательности — ещё по двум, затем добавляет параллелизм по патчам VAE на четырёх рангах в tile-режиме, потому что декодирование двадцатисекундного фрагмента 704×1248 — это отдельная проблема с памятью. Запустить такое на ноутбуке не получится, и команда не делала вид, что это возможно.

Стоит отметить, что ни одна из моделей нигде не размещена. У MiniCPM5-2B более миллиона скачиваний в месяц и нет API от самой компании-разработчика; у PAN 2 нет API и, по состоянию на 11 ноября 2026 года, есть лишь один пост в соцсетях с аккаунта её лаборатории, за которым ничего не стоит — ни эндпоинта, ни ссылки на статью, ни цен. Если вам нужна любая из них, запускать её придётся вам самим.

Где можно арендовать половину для планирования

Архитектура PAN 2 делает одну её часть отделяемой, и именно эту часть большинству команд не следует создавать самостоятельно. Концептуальный модуль рассуждения — языковая модель, которая превращает наблюдение и запрошенное действие в структурированное описание, потребляемое диффузионным бэкбоном, — явно может быть любой моделью, следующей инструкциям. В отчёте четыре модели ранжируются по тому, как часто смоделированный план выполняется от начала до конца: Claude Opus 5.5, GPT-6 Astra при среднем уровне усилий, Kimi K3, затем Qwen3.8-Flash. В карточке также отмечается, что можно использовать любую LLM, следующую инструкциям, и что выход за пределы обучающего распределения обычно требует вручную доработанных промптов.

Это превращает рассуждающую модель в операционный выбор, к которому вы захотите вернуться, а возвращаться к нему дешевле через роутер, чем через четыре разговора с закупками. Qwen3.8-Flash доступна на OrcaRouter; один API-ключ с автоматическим переключением при сбоях позволяет выполнять одну и ту же нагрузку по созданию подписей на нескольких планировщиках по прейскурантной цене провайдера с 0% наценки, переданной напрямую, и оставить тот, который чаще всего выполняет ваши планы. OrcaRouter не размещает PAN 2 — размещённой PAN 2, которую можно было бы маршрутизировать, нет — и не размещает MiniCPM5-2B. Рендерер и небольшая модель остаются на вашем оборудовании; планировщик — это взаимозаменяемый компонент.

Для MiniCPM5-2B расчёт иной, и это стоит озвучить. Локальные модели существуют именно для того, чтобы избегать тарифицируемых вызовов, и 2B-модель, работающую на телефоне, не улучшить, направляя запросы в обход неё. Если ваша причина — конфиденциальность, задержка или работа офлайн, маршрутизация — неправильный ответ, а MiniCPM5-2B — правильная модель. Если причина — стоимость, сравните честно: 2B-модель, набирающая 53.9 в среднем по собственным показателям, может обойтись дороже по инженерному времени для достижения паритета в вашей задаче, чем тарифицируемый вызов к чему-то более крупному.

Для чего на самом деле нужен каждый релиз

MiniCPM5-2B — это модель с конкретной задачей: быть лучшей открытой моделью класса 2B на бенчмарках, важных для её пользователей, работать на устройстве и поставляться вместе с данными, чтобы сообщество могло строить на её основе, а не вокруг неё. Это зрелый релиз, документация которого отражает несколько итераций: quickstart-руководства для трёх стеков обслуживания, раздел о вызове инструментов, кукбуки, рецепты дообучения, мультичиповый бэкенд.

PAN 2 — это исследовательский артефакт с необычно полным утверждением. В нём утверждается, что симулятивное рассуждение — когда агент воображает исходы своих возможных действий, прежде чем выбрать одно из них, — это способность, которую можно создать, а не способность, на появление которой можно только надеяться; и этот аргумент реализован в виде двухэтапной системы, в основе которой лежит опубликованный паттерн (формулировка Generative Latent Prediction в «Критике мировых моделей», arXiv 2507.05169). Поддержка фреймворка, появившаяся 10 ноября 2026 года, сделала возможным её запуск. Пост из двух абзацев в собственном аккаунте лаборатории в X в тот же день после обеда не сделал её запущенной, и с тех пор больше ничего не сообщалось.

Ни один из них не является лучшим релизом, чем другой. Это ответы на разные вопросы, опубликованные на разных стадиях уверенности. Одна лаборатория говорит: «вот небольшая модель, которой можно доверять, и вот что в неё вошло». Другая говорит: «вот система, которая делает нечто новое, и вот именно там, где она даёт сбой». Сравнение между ними полезно только в том случае, если вы знаете, какое из этих предложений описывает ваш проект.