
Aion-1.0-Instruct-2.3B vs MiniCPM5 2B: Den med en resultattavla har redan en rival på den
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 184 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 223 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 87 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 96 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 78 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 208 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
MiniCPM5-2B:s modellkort levereras med en jämförelsetabell med åtta baslinjer i, och Aion-1.0-Instruct-2.3B är inte en av dem. Det är inte en pik; det är en tidsstämpel. OpenBMB:s tabell byggdes kring modeller som fanns när vikterna lades upp den 6 september 2026. Microsofts checkpoint dök upp på Hugging Face den 18 november 2026, sjuttiotre dagar senare, utan tillkännagivande och med tre gillningar. Ingen har ställt de två sida vid sida, eftersom ingen kunde det under dess första levnadsdag. MiniCPM5-2B är samtidigt den mest nedladdade modellen i den här klassen med bred marginal – ungefär 966 000 nedladdningar mot Aions noll.
Så detta är inte en jämförelse mellan två uppmätta modeller. Det är en jämförelse mellan en modell som anlände med en resultattavla och en fanskara, och en modell som anlände med en konfigurationsfil och ett löfte om januari 2027. Det som följer använder OpenBMB:s publicerade siffror för MiniCPM5-2B där de finns, Microsofts kort för Aion-1.0-Instruct-2.3B, och säger rakt ut när en cell är tom.
Två modeller med två och en halv miljarder parametrar som inte liknar varandra
Rubrikstorlekarna ligger tillräckligt nära varandra för att bjuda in till en jämförelse av specifikationsbladen, och sedan vägrar specifikationsbladen att stämma överens.
• Parametrar — MiniCPM5-2B har totalt 2,52B, varav 1,98B är icke-embedding-parametrar; Aion-1.0-Instruct-2.3B är 2,29B med indata- och utdataembeddings sammankopplade.
• Djup — 42 lager för MiniCPM5-2B, på en standardarkitektur för LlamaForCausalLM; 28 lager för Aion, på anpassad modelleringskod som kräver trust_remote_code.
• Attention – 16 query-huvuden och 2 key/value-huvuden för MiniCPM5-2B; 24 query- och 8 key/value-huvuden med huvuddimensionen 128 för Aion, i ett hybridmönster med 21 sliding-window-lager vid 2 048 token och 7 full-attention-lager.
• Kontext — 131 072 tokens mot 32 768.
• Språk – engelska och kinesiska för MiniCPM5-2B; åtta språk för Aion, med flerspråkig data på cirka 6 % av träningen.
• Licens — Apache 2.0 mot MIT. Båda är tillåtande, båda är kommersiellt säkra.
• Ekosystem — GGUF, MLX, GPTQ, bas-, SFT-, midtrain- och draft-checkpointar samt träningsdataseten, mot safetensors och ett löfte om att kvantiserade byggen följer.
Den där sista raden är där gapet slutar handla om modellkvalitet. MiniCPM5-2B är en utgåva som du kan driftsätta på fyra olika körmiljöer redan i eftermiddag. Aion-1.0-Instruct-2.3B är en utgåva som du kan driftsätta på en, med ett syskonrepo för ONNX-WebGPU uppladdat samma kväll, och ett GGUF-format som listas på modellkortet men saknas i fillistan.
Siffrorna som OpenBMB publicerade, och de som inte publicerades
MiniCPM5-2B:s kort hävdar att det är state of the art för öppen källkod i 2B-klassen och redovisar sedan, ovanligt nog, bevisen för 35 benchmarks i nio kategorier. De främsta siffrorna: AIME 2025 på 86,5, AIME 2026 på 86,5, MMLU-Pro 70,8, GPQA-Diamond 70,2, IFEval 86,7, LiveCodeBench v6 69,1, SWE-bench Verified 46,4, BFCL v4 66,6, τ²-Bench Telecom 97,1, AA-LCR 59,0 och NoLiMa 68,1.
Kortet publicerar också ett sammanfattande genomsnitt över alla dem – 53,9 för MiniCPM5-2B, 51,1 för Qwen3.5-4B, 42,7 för Granite 4.2 3B, 33,2 för LFM2.5-2.6B. Det är leverantörens egna harness-körningar på dess eget urval av benchmarks, och urvalet gynnar precis det som modellen tränades för: agentisk verktygsanvändning, kodning, lång kontext. En leverantör som väljer testerna kan välja rankningen. Läs tabellen som ett uttalande om träningsprioriteringar, vilket den är ärlig om, snarare än som en oberoende bedömning, vilket den inte är.
Det som MiniCPM5-2B:s modellkort inte innehåller är något benchmark där Aion-1.0-Instruct-2.3B förekommer, och det som Aions kort inte innehåller är någon av MiniCPM5-2B:s nio kategorier. Överlappningen är verklig men smal: MMLU-Pro, GPQA, IFEval och AIME-varianterna är de enda ställena där de två publicerade tabellerna talar samma språk, och även där skiljer sig harness-konfigurationerna. På de delade raderna är gapet stort – 70,8 mot 33,35 på MMLU-Pro, 70,2 mot 28,18 på GPQA – men det är en jämförelse mellan en modell tränad för resonemang och agentiskt arbete och en tränad för dokumentförståelse och omskrivning, och siffrorna säger precis det.
Där {{1}}Aions ärlighet{{/1}} {{2}}är{{/2}} hela historien
Det intressanta med Microsofts kort är inte dess poäng. Det är att poängen är ofördelaktiga och att kortet ändå skriver ut dem, i en tabell som också namnger dess domarmodell, dess utvärderingsram och två benchmarkar vars poängsättningsinställningar får dem att se bättre ut än vad rubriken antyder. Ett kort skrivet för att sälja något innehåller inte en rad där det står MMLU-Pro 33.35.
33,35 på MMLU-Pro är inte ett tal som ett lanseringsteam väljer. 28,18 på GPQA är inte heller det. Deras närvaro är ett bevis på att den här tabellen kom från en utvärderingspipeline snarare än en marknadsföringspipeline, och det är en genuin anledning att lita på påståendena runtomkring — fönstret på 32 768 token, de åtta språken, kunskapsavskärningen i december 2025, parametrantalet 2,29B som härleds från en konfiguration med delade inbäddningar.
Samma uppriktighet genomsyrar beskrivningen av begränsningarna. Kortet säger rakt ut att en modell av den här storleken "kan missa fina detaljer, ge felaktiga påståenden eller visa oförmåga att följa komplex flerstegsresonemang", att den "inte har tränats för att utmärka sig inom världskunskap" och att kvaliteten på utdata varierar mellan de åtta språken. Jämför det med en tabell med 35 benchmarks som hävdar att de ligger i framkant, och du tittar på två olika teorier om vad ett modellkort är till för. Ingendera är oärlig. Det ena är ett påstående om förmåga och det andra är en upplysning.
Argumentet för on-device – och fällan med lång kontext
Microsofts formulering är entydig: Aion Instruct är "den grundläggande lilla språkmodellen (SLM) i Windows-ekosystemet", utformad för text- och operativsystemuppgifter på enheten, med en starkare version samt en modell för innehållsmoderering som blir Windows OS SLM i slutet av januari 2027. Uppladdningen beskrivs som "en introduktion till vad som komma skall".
MiniCPM5-2B:s inramning är bredare: lokala assistenter, kodagenter, arbetsflöden för verktygsanvändning och resonemang, på telefoner, datorer och smarta förarhytter, med ett agentträningsset på 500 000 exempel och över 80 000 RL-exempel som släpps tillsammans med vikterna. Det är en modell byggd för att agera, inte bara för att svara.
Gapet mellan 131K och 32K i kontextlängd är där den skillnaden syns allra tydligast, och MiniCPM5-2B har bevisen: AA-LCR 59,0 och NoLiMa 68,1 är benchmarkar för lång kontext, båda körda av leverantören och båda publicerade med den visuella markör som dess kort använder för domarbedömda resultat. Aion har ett fönster på 32 768 token som enligt dess egen konfiguration uppnås genom YaRN-skalning från ett inhemskt intervall på 2 048 token, och ingen utvärdering av lång kontext över huvud taget. Om arbetsbelastningen omfattar långa dokument har valet redan gjorts åt dig, och det gjordes utifrån bevisen snarare än utifrån parameterantalet.
Agent-stackar är där jämförelsen byter skepnad.
MiniCPM5-2B tränades för verktygsloopar: 500K agent-SFT-exempel, GRPO-liknande RL på verifierbara uppgifter och benchmarkrader för SWE-bench Verified, Terminal-Bench, BFCL och en τ³-körning inom bankdomänen. Aion-1.0-Instruct-2.3B dokumenterar ett format för verktygsanrop och publicerar ingen agentisk benchmark, eftersom den byggdes för sammanfattning, omskrivning och chatt i ett operativsystem.
Den asymmetrin är värd att tänka igenom arkitektoniskt snarare än som en poängsumma. En agentloop är inte ett enda modellanrop; det är en plan, ett verktygsanrop, ett resultat, en ny planering och ofta en andra åsikt, och varje steg är en separat förfrågan med sin egen latens och sannolikhet för fel. Det här är lagret där routning slutar vara en infrastrukturdetalj i fotnot och börjar bli en del av designen. OrcaRouters modellfusion kör en panel av modeller mot samma förfrågan och kombinerar deras svar, och dess routing-DSL komponerar flera modeller till ett enda anrop – de två primitiver som spelar roll när "en liten modell, ett svar" är fel form för uppgiften. Varken Aion-1.0-Instruct-2.3B eller MiniCPM5-2B finns i vår katalog i dag, eftersom båda är självhostade vikter snarare än hostade endpoints; argumentet handlar om de förfrågningar som din lokala agent inte kan slutföra på egen hand, inte om dessa två checkpoints.
Den praktiska varianten: använd den lilla modellen för de billiga stegen och gör eskaleringsvägen explicit i stället för att hoppas att 2B-modellen får det rätt på fjärde försöket. En modell som MiniCPM5-2B med 46,4 på SWE-bench Verified är imponerande för sin storlek och har fortfarande fel mer än hälften av gångerna, och ingen mängd prompt engineering ändrar aritmetiken i en femstegsloop.
Vad du faktiskt kan verifiera i dag
Det här är meningen som avgör de flesta av dessa jämförelser. Med MiniCPM5-2B kan du ladda ner en GGUF, läsa in den i llama.cpp, köra kortets egna benchmarkkommandon och kontrollera om du återskapar 86.5 på AIME. Med Aion-1.0-Instruct-2.3B kan du ladda ner bfloat16-safetensors, installera transformers 5.x, acceptera trust_remote_code=True och köra samma harness på dess elva benchmarks – vilket är mer arbete men helt möjligt, och ingen har gjort det offentligt.
Det du inte kan göra med Aion är att köra det på den körtid som med största sannolikhet finns på maskinen du riktar in dig mot. Kortet anger GGUF som ett biblioteksnamn; förvaret innehåller safetensors, tokenizer-filer, två anpassade modelleringsmoduler och en chattmall. Det finns ett syskonförvar för ONNX-WebGPU, vilket gör distribution i webbläsare och DirectML rimlig, men ett GGUF-bygge utlovas snarare än levereras. Om ditt distributionsmål är llama.cpp eller LM Studio är den där enda saknade filen hela beslutet tills den dyker upp.
Två andra saker är värda att kontrollera själv i stället för att lita på. För det första, 32K-fönstret: fyll det och se om dokumentets svans överlever de glidande fönsterlagren. För det andra, vägen för verktygsanrop: Aions format omsluter scheman och anrop i anpassade taggar, och hur smidigt det återhämtar sig från ett felaktigt utformat anrop är inte något ett kort kan berätta för dig.

OpenBMB:s modellkort är det enda av de två som överhuvudtaget publicerar resultat för lång kontext och agentiska förmågor — AA-LCR 59,0, NoLiMa 68,1, SWE-bench Verified 46,4 — tillsammans med ett fönster på 131 072 token och en standardiserad Llama-arkitektur.
Två ärliga användningsfall
Välj MiniCPM5-2B när arbetet involverar verktyg, kod, långa dokument eller kinesiska. Dess modellkort är skrivet för dessa uppgifter, dess benchmarks täcker dem, dess kvantiseringar finns och dess licens är Apache 2.0. Risken är att påståendet om att vara state-of-the-art bygger på leverantörens egen jämförelseuppsättning, och modeller med 2 miljarder parametrar i agentloopar misslyckas fortfarande på sätt som kostar riktiga tokens.
Välj {{1}}Aion-1.0-Instruct-2.3B{{/1}} när jobbet är ett {{2}}Windows-program{{/2}} som sammanfattar, skriver om eller klassificerar {{3}}lokala dokument{{/3}} på ett av åtta språk, offline, med data som aldrig lämnar enheten. Det har mindre kontext, är svagare på varje gemensamt benchmark och backas upp av ett kort som säger det. Det som erbjuds är ett dokumenterat kontrakt för enheten och en rimlig väg in i operativsystemet senast i {{4}}januari 2027{{/4}} — och för närvarande ett mycket litet antal personer som har kört det.
Jämförelsen kommer att läsas annorlunda om en månad. Om en GGUF dyker upp försvinner invändningen om körtiden. Om en oberoende harness-körning dyker upp är siffrorna inte längre enbart Microsofts. Inget av detta har hänt ännu, och att låtsas något annat skulle vara det enda den här texten inte kan göra.

Microsofts kort, som redovisar sina egna svaga resultat och betecknar de lösa bedömningsinställningarna – anledningen till att lita på specifikationspåståendena även där benchmarkpåståendena är oanmärkningsvärda.

Resultattavlan så som bevisläget ser ut: 35 publicerade benchmarkar och fyra körtidsformat på ena sidan, 11 benchmarkar och safetensors på den andra.
