PAN 2 vs MiniCPM5-2B: Den ena levererar sin data, den andra levererar sina prompter

OpenBMB släppte MiniCPM5-2B den 6 september 2026 och publicerade, vid sidan av checkpointen med 2,52 miljarder parametrar, träningscorpora: UltraX-Preview för webbförträning, UltraData-Code med sin nivåindelade L0-till-L3-hantering, UltraData-SFT-Agent-2609 med en halv miljon agentexempel och UltraData-RL-2609 med fler än åttiotusen exempel för förstärkningsinlärning. Det är en ovanlig sak att lämna över, och det är rätt lins för den här jämförelsen. PAN 2, som publicerades tyst av MBZUAI:s Institute of Foundation Models utan lanseringsinlägg och utan hostad endpoint, gör något närliggande men inte samma sak: det lämnar över sina promptar. Repositoriet levererar en conceptual-reasoner-skill med en systemprompt, en fast negativ prompt och en tokenbudgetvalidator för de strukturerade världstillståndsbeskrivningar som dess diffusionsryggrad förväntar sig, plus träningskonfigurationerna som producerade den. Ett labb öppnade sin data. Det andra öppnade sitt gränssnitt. Ingen öppnade båda, och vilken som är mer användbar för dig beror helt och hållet på vad du försöker bygga.

Två avslöjanden, inget av dem fullständigt

MiniCPM5-2B:s datasläpp är verkligt och det är specifikt. Modellkortet namnger datamängderna, länkar dem och beskriver vad var och en bidrar med – koddata som hanteras i nivåer, agent-SFT-exempel, RL-exempel som spänner över matematik, kod, allmän kunskap och långkontextresonemang. Det som det inte ger dig är blandningen, ordningen, avkontamineringsproceduren eller antalet tokens per källa. Du kan se ingredienserna men inte receptet.

PAN 2:s promptsläpp är spegelbilden. Bildtextpolicyn är fullständigt specificerad: vad en världstillståndsbeskrivning måste innehålla, ordningen på händelser, hur handlingar binds till aktörer, hur kamerarörelse uttrycks, och en hård kapacitet på 1 536 text-encoder-tokens med ett mjukt mål på 1 480. Det den inte ger dig är det korpus som lärde modellen att läsa dessa bildtexter – "hundratals miljoner videor annoterade i samma format", utan datasetkort och utan release.

Så om ditt behov är att förstå varför en liten språkmodell beter sig som den gör, ger MiniCPM5-2B dig mer att arbeta med. Om ditt behov är att få en videomodell att producera det klipp du bad om, ger PAN 2 dig mer. Båda lanseringarna är mer transparenta än medianen, och båda stannar vid den punkt där transparens blir en konkurrensnackdel.

Siffrorna, och vad de är värda

MiniCPM5-2B är en tät Llama-arkitekturmodell med 2 516 756 480 parametrar — 1,98 miljarder parametrar exklusive embeddings, 42 lager, 16 query-huvuden mot 2 key-value-huvuden, 131 072 token kontext, engelska och kinesiska. OpenBMB hävdar att den är toppmodern bland öppen källkod i 2B-klassen, med ett genomsnitt på 53,9 över sin jämförelseuppsättning mot 51,1 för den bästa större modellen i den uppsättningen. De enskilda raderna är där påståendet blir intressant: LiveCodeBench v6 på 69,1, AIME 2026 på 86,5, MMLU-Pro på 70,8, GPQA Diamond på 70,2, SWE-bench Verified på 46,4, τ²-Bench Telecom på 97,1, AA-LCR på 59,0 och NoLiMa på 68,1.

De rapporteras av leverantören på en jämförelseuppsättning som leverantören har valt, och uppsättningen är illustrativ: den omfattar Gemma-4-E2B-it, Gemma-4-E4B-it, Qwen3.5-2B, Qwen3.5-4B, LFM2.5-2.6B och LFM2.5-8B-A1B. På AA-LCR är den rapporterade spridningen 59,0 för MiniCPM5-2B mot 5,3 för LFM2.5-2.6B och 17,0 för Gemma-4-E2B-it. På SWE-bench Verified är den 46,4 mot 6,0, 2,0 och 3,0. Dessa skillnader är tillräckligt stora för att skillnader i testramverk inte ska förklara dem, men ramverket är fortfarande OpenBMB:s och ingen har oberoende reproducerat tabellen.

PAN 2 har ingen sådan tabell, eftersom det inte finns något gemensamt mätinstrument för videovärldsmodeller på samma sätt som för kod och matematik. I stället har den ett strukturerat avsnitt om begränsningar som är mer rakt på sak än någon leverantörsbenchmark: ungefär två av tre simulerade planer innehåller minst ett steg som inte utförs; utseendet förändras gradvis mellan klipp eftersom varje klipp utgår från högst en enda bildruta plus text; textåtgärder anger fingerfärdig manipulation bara på en grov nivå; modellen kan låta en simulering fortskrida samtidigt som den bryter mot fysiska begränsningar, med exemplet att pasta dyker upp i durkslaget innan den har hällts av.

• Vad det är — MiniCPM5-2B: en dense 2,52B-textmodell för assistenter på enheten, kodningsagenter och verktygsarbetsflöden. PAN 2: en 29B-diffusionstransformator som renderar konsekvenserna av en åtgärd som video.

• Utdata — MiniCPM5-2B: text. PAN 2: MP4, upp till 20 sekunder vid 704×1248 och 24 fps.

• Kontext eller horisont – MiniCPM5-2B: 131 072 tokens, med AA-LCR 59,0 och NoLiMa 68,1 i OpenBMB:s testramverk. PAN 2: en startbild plus en bildtext, så långa interaktioner driver iväg och kortet säger det.

• Licens – MiniCPM5-2B: Apache-2.0, engelska och kinesiska. PAN 2: Apache-2.0 för sina egna vikter, med Qwen3.5-9B och Wan 2.2 under deras egna villkor.

• Hårdvara – MiniCPM5-2B: en enda konsument-GPU, och kortet dokumenterar vägarna för vLLM, SGLang och llama.cpp samt en backend för flera chip. PAN 2: åtta H200s som standard i vLLM-receptet; fyra B300s för tretton sekunders video på cirka 119 sekunder.

Påståendet om bearbetning på enheten kontra verkligheten i nodskala

MiniCPM5-2B är byggd för att vara liten på det sätt som spelar roll: inte bara få parametrar, utan en dokumenterad väg till hårdvara du redan äger. Kortet innehåller snabbguider för vLLM, SGLang och llama.cpp, med en not om att -c 8192 anger kontextlängden i llama.cpp-vägen – en rad som bara förekommer i dokumentation skriven av personer som faktiskt har kört den på en bärbar dator. Den dokumenterar även FlagOS, en backend för flera chips som gör att samma vikter kan köras på olika acceleratorer. Det är en driftsättningsberättelse riktad mot telefoner, enkortsdatorer och billiga inferenslådor.

PAN 2:s driftsättningsberättelse är den raka motsatsen i varje avseende, och orsaken är aritmetik snarare än slarv. Femtio samplersteg med classifier-free guidance vid varje steg innebär hundra framåtpassager genom en 29B-transformer per klipp. Receptet parallelliserar guidance över två rankar och sekvenslängd över ytterligare två, och lägger sedan till VAE-patchparallelism över fyra rankar i tile-läge eftersom avkodningen av tjugo sekunder i 704×1248 är ett eget minnesproblem. Man kör inte det på en laptop, och teamet har inte låtsats något annat.

Vad som är värt att notera är att ingen av modellerna hostas någonstans. MiniCPM5-2B har över en miljon nedladdningar per månad och inget förstaparts-API; PAN 2 har inget API och, från och med den 11 november 2026, ett inlägg på sociala medier från sitt labs konto och ingenting bakom det – ingen endpoint, ingen länk till någon artikel, ingen prissättning. Om du vill ha någon av dem får du köra den själv.

Var planeringshalvan kan hyras

PAN 2:s arkitektur gör en del av den separerbar, och det är den del som de flesta team inte borde bygga själva. Den konceptuella resoneraren – språkmodellen som omvandlar en observation och en begärd åtgärd till den strukturerade beskrivning som diffusionsbackbonen konsumerar – är uttryckligen vilken instruktionsföljande modell som helst. Rapporten rangordnar fyra efter hur ofta en simulerad plan slutförs från början till slut: Claude Opus 5.5, GPT-6 Astra vid medelhög ansträngning, Kimi K3 och sedan Qwen3.8-Flash. Kortet noterar också att vilken instruktionsföljande LLM som helst kan användas, och att det att gå utanför träningsdistributionen tenderar att kräva manuellt förfinade promptar.

Det gör resonemangsmodellen till ett operativt val som du kommer att vilja återkomma till, och att återkomma till det är billigare via en router än genom fyra upphandlingssamtal. Qwen3.8-Flash finns på OrcaRouter; en enda API-nyckel med automatisk failover låter dig köra samma caption-arbetsbelastning över flera planerare, till leverantörens listpris med 0 % påslag som förs vidare, och behålla den som slutför dina planer oftast. OrcaRouter är inte värd för PAN 2 – det finns ingen värdbaserad PAN 2 att routa – och den är inte heller värd för MiniCPM5-2B. Renderaren och den lilla modellen stannar på din hårdvara; planeraren är basvaran.

För MiniCPM5-2B är kalkylen annorlunda på ett sätt som är värt att nämna. Modeller på enheten finns just för att undvika anrop som debiteras per användning, och en 2B-modell som körs på en telefon blir inte bättre av att man routar runt den. Om ditt skäl är integritet, latens eller offlineanvändning är routning fel svar och MiniCPM5-2B är rätt modell. Om ditt skäl är kostnad, jämför ärligt: en 2B-modell som får 53,9 i genomsnitt kan kosta mer i utvecklingstid för att nå paritet på din uppgift än ett anrop som debiteras per användning till en större modell.

Vad varje release faktiskt är till för

MiniCPM5-2B är en modell med en uppgift: att vara den bästa öppna modellen i 2B-klassen på de benchmarks som dess användare bryr sig om, köras på enheten och komma med data så att communityn kan bygga vidare på den snarare än runt den. Det är en mogen release med en dokumentationsyta som speglar flera iterationer – snabbguider för tre serving-stackar, ett avsnitt om verktygsanrop, kokböcker, finjusteringsrecept, en backend för flera chip.

PAN 2 är en forskningsartefakt med ett ovanligt komplett påstående. Den hävdar att simulerande resonemang – en agent som föreställer sig konsekvenserna av sina kandidathandlingar innan den väljer en – är en förmåga man kan bygga snarare än en förmåga man hoppas ska uppstå, och den implementerar argumentet som ett tvåstegssystem med ett publicerat mönster bakom sig (formuleringen Generative Latent Prediction i Critique of World Models, arXiv 2507.05169). Ramverksstödet som landade den 10 november 2026 gjorde den körbar. Ett inlägg på två stycken på labbets eget X-konto samma eftermiddag gjorde inte att den lanserades, och inget annat har sagts sedan dess.

Ingen av dem är ett bättre släpp än det andra. De är svar på olika frågor, publicerade vid olika nivåer av säkerhet. Ett labb säger: ”här är en liten modell du kan lita på, och här är vad som ingick i den”. Det andra säger: ”här är ett system som gör något nytt, och här är exakt var den misslyckas”. En jämförelse mellan dem är bara användbar om du vet vilken av de meningarna som beskriver ditt projekt.