
Aion-1.0-Instruct-2.3B กับ MiniCPM5 2B: ตัวที่มีกระดานคะแนนอยู่แล้วก็มีคู่แข่งอยู่บนนั้น
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 184 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 223 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 96 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 78 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 208 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
การ์ดโมเดลของ MiniCPM5-2B มาพร้อมตารางเปรียบเทียบที่มี baseline แปดรายการอยู่ด้วย และ Aion-1.0-Instruct-2.3Bไม่ได้อยู่ในนั้น นั่นไม่ใช่การดูแคลน แต่คือการบอกเวลา ตารางของ OpenBMB ถูกสร้างขึ้นจากโมเดลที่มีอยู่ในตอนที่เวตถูกเผยแพร่เมื่อวันที่ 6 กันยายน 2026 เช็กพอยต์ของ Microsoft ปรากฏบน Hugging Face เมื่อวันที่ 18 พฤศจิกายน 2026 ซึ่งช้ากว่าเจ็ดสิบสามวัน โดยไม่มีการประกาศและมีไลก์สามครั้ง ยังไม่มีใครนำทั้งสองมาเทียบเคียงกัน เพราะในวันแรกของชีวิตมัน ไม่มีใครทำได้ MiniCPM5-2B ในขณะเดียวกัน ก็เป็นโมเดลที่ถูกดาวน์โหลดมากที่สุดในคลาสนี้แบบทิ้งห่าง — ประมาณ 966,000 ดาวน์โหลด เทียบกับศูนย์ของ Aion
ดังนั้น นี่จึงไม่ใช่การเปรียบเทียบระหว่างโมเดลสองตัวที่ได้รับการวัดผลแล้ว แต่เป็นการเปรียบเทียบระหว่างโมเดลที่มาพร้อมกับกระดานคะแนนและฐานแฟนคลับ กับโมเดลที่มาพร้อมกับไฟล์คอนฟิกและคำสัญญาเกี่ยวกับเดือนมกราคม 2027 เนื้อหาต่อไปนี้ใช้ตัวเลขที่ OpenBMB เผยแพร่สำหรับ MiniCPM5-2B ในส่วนที่มีอยู่ ใช้การ์ดของ Microsoft สำหรับ Aion-1.0-Instruct-2.3B และระบุอย่างตรงไปตรงมาเมื่อช่องใดไม่มีข้อมูลอยู่เลย
โมเดลสองตัวที่มีพารามิเตอร์ 2.5 พันล้านตัวซึ่งดูไม่เหมือนกัน
ขนาดที่ระบุในหัวข่าวใกล้เคียงกันพอที่จะชวนให้เทียบสเปกชีต และเมื่อเทียบแล้ว สเปกชีตเหล่านั้นกลับไม่ตรงกันเสียเลย
• พารามิเตอร์ — MiniCPM5-2B มีขนาดรวม 2.52B โดย 1.98B เป็นส่วนที่ไม่ใช่ embedding; Aion-1.0-Instruct-2.3B มีขนาด 2.29B โดย embedding อินพุตและเอาต์พุตผูกกัน
• ความลึก — 42 เลเยอร์สำหรับ MiniCPM5-2B บนสถาปัตยกรรม LlamaForCausalLM มาตรฐาน; 28 เลเยอร์สำหรับ Aion บนโค้ดการสร้างโมเดลแบบกำหนดเองที่ต้องใช้ trust_remote_code
• Attention — หัว query 16 หัว และหัว key/value 2 หัวสำหรับ MiniCPM5-2B; หัว query 24 หัว และหัว key/value 8 หัวที่มิติหัว 128 สำหรับ Aion ภายใต้รูปแบบไฮบริดซึ่งประกอบด้วยเลเยอร์ sliding-window 21 เลเยอร์ที่ 2,048 โทเค็น และเลเยอร์ full-attention 7 เลเยอร์
• บริบท — 131,072 โทเคน เทียบกับ 32,768
• ภาษา — ภาษาอังกฤษและภาษาจีนสำหรับ MiniCPM5-2B; แปดภาษาสำหรับ Aion โดยมีข้อมูลหลายภาษาคิดเป็นประมาณ 6% ของการฝึก
• สัญญาอนุญาต — Apache 2.0 เทียบกับ MIT ทั้งคู่เป็นแบบ permissive และปลอดภัยต่อการใช้งานเชิงพาณิชย์ทั้งคู่
• ระบบนิเวศ — GGUF, MLX, GPTQ, เช็กพอยต์แบบ base, SFT, midtrain และ draft พร้อมชุดข้อมูลการฝึก เมื่อเทียบกับ safetensors และคำมั่นว่าจะมีบิลด์แบบควอนไทซ์ตามมา
บรรทัดสุดท้ายนั้นคือจุดที่ช่องว่างเลิกเป็นเรื่องของคุณภาพโมเดล MiniCPM5-2B เป็นรีลีสที่คุณสามารถดีพลอยบนรันไทม์ที่แตกต่างกันสี่แบบได้ในบ่ายนี้ ส่วน Aion-1.0-Instruct-2.3B เป็นรีลีสที่คุณดีพลอยได้เพียงแบบเดียว โดยมีรีโปเคียงอย่าง ONNX-WebGPU ที่อัปโหลดในเย็นวันเดียวกัน และมีรูปแบบ GGUF ที่ระบุบนการ์ดแต่ไม่มีอยู่ในรายการไฟล์
ตัวเลขที่ OpenBMB เผยแพร่ และตัวเลขที่ไม่ได้เผยแพร่
การ์ดของ MiniCPM5-2B อ้างว่ามีความล้ำสมัยระดับแนวหน้าของโมเดลโอเพนซอร์สคลาส 2B และที่ผิดปกติคือยังเผยหลักฐานผลการทดสอบอย่างละเอียดครอบคลุม 35 เบนช์มาร์กในเก้าหมวดหมู่ ตัวเลขเด่น ได้แก่ AIME 2025 อยู่ที่ 86.5, AIME 2026 อยู่ที่ 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 และ NoLiMa 68.1
การ์ดยังเผยแพร่ค่าเฉลี่ยสรุปรวมของทั้งหมด — 53.9 สำหรับ MiniCPM5-2B, 51.1 สำหรับ Qwen3.5-4B, 42.7 สำหรับ Granite 4.2 3B, 33.2 สำหรับ LFM2.5-2.6B เหล่านี้คือการรันฮาร์เนสของผู้ขายเองบนชุดเบนช์มาร์กที่ตนเลือก และชุดที่เลือกนั้นเอื้อต่อสิ่งที่โมเดลถูกฝึกมาโดยตรง: การใช้เครื่องมือแบบเอเจนต์ การเขียนโค้ด บริบทยาว ผู้ขายที่เลือกการทดสอบได้ย่อมเลือกอันดับได้ ควรอ่านตารางนี้เป็นคำแถลงเกี่ยวกับลำดับความสำคัญในการฝึก ซึ่งมันซื่อสัตย์ในเรื่องนั้น มากกว่าจะเป็นคำตัดสินที่เป็นอิสระ ซึ่งมันไม่ได้เป็นเช่นนั้น
สิ่งที่การ์ดของ MiniCPM5-2B ไม่มีคือเบนช์มาร์กใดก็ตามที่ Aion-1.0-Instruct-2.3B ปรากฏอยู่ และสิ่งที่การ์ดของ Aion ไม่มีคือหมวดหมู่ทั้งเก้าหมวดของ MiniCPM5-2B ส่วนที่ทับซ้อนกันนั้นมีจริงแต่แคบ: MMLU-Pro, GPQA, IFEval และตัวแปรต่าง ๆ ของ AIME เป็นจุดเดียวที่ตารางที่เผยแพร่ทั้งสองพูดภาษาเดียวกัน และแม้แต่ตรงนั้น การตั้งค่าฮาร์เนสก็ยังแตกต่างกัน ในแถวที่ใช้ร่วมกันเหล่านั้น ช่องว่างนั้นกว้าง — 70.8 เทียบกับ 33.35 บน MMLU-Pro, 70.2 เทียบกับ 28.18 บน GPQA — แต่นั่นคือการเปรียบเทียบระหว่างโมเดลที่ฝึกมาเพื่อการให้เหตุผลและงานแบบเอเจนต์กับอีกโมเดลที่ฝึกมาเพื่อการทำความเข้าใจและการเขียนเอกสารใหม่ และตัวเลขก็กำลังบอกอย่างนั้นExactly.
ที่ซึ่งความซื่อสัตย์ของ Aion คือเรื่องราวทั้งหมด
จุดที่น่าสนใจของการ์ดของ Microsoft ไม่ใช่คะแนนของมัน แต่คือคะแนนเหล่านั้นไม่ได้ดูดี และการ์ดก็ยังพิมพ์ออกมาอยู่ดี ในตารางที่ระบุชื่อโมเดลผู้ตัดสิน ฮาร์เนส และเบนช์มาร์กสองรายการซึ่งการตั้งค่าการให้คะแนนทำให้ดูดีกว่าที่ตัวเลขพาดหัวบอกเป็นนัย การ์ดที่เขียนขึ้นเพื่อขายของจะไม่ใส่แถวที่อ่านว่า MMLU-Pro 33.35
33.35 บน MMLU-Pro ไม่ใช่ตัวเลขที่ทีมเปิดตัวจะเลือก และ 28.18 บน GPQA ก็เช่นกัน การมีอยู่ของตัวเลขเหล่านี้เป็นหลักฐานว่าตารางนี้ออกมาจากไปป์ไลน์การประเมิน ไม่ใช่ไปป์ไลน์การตลาด และนั่นคือเหตุผลจริงจังที่ทำให้เชื่อถือข้อกล่าวอ้างโดยรอบได้ — หน้าต่าง 32,768 โทเคน, แปดภาษา, จุดตัดความรู้ 2025-12, จำนวนพารามิเตอร์ 2.29B ที่ได้มาจากการกำหนดค่า tied-embedding
ความตรงไปตรงมาแบบเดียวกันนี้ปรากฏตลอดส่วนข้อจำกัด โมเดลการ์ดระบุตรง ๆ ว่าโมเดลขนาดนี้ “อาจพลาดรายละเอียดปลีกย่อย ให้ข้อมูลที่ผิด หรือแสดงให้เห็นถึงการไม่สามารถทำตามการให้เหตุผลหลายขั้นตอนที่ซับซ้อนได้” ว่า “ไม่ได้ถูกฝึกมาให้เก่งเป็นพิเศษด้านความรู้รอบโลก” และว่าคุณภาพของเอาต์พุตแตกต่างกันไปในแปดภาษา เมื่อเทียบกับตารางเบนช์มาร์ก 35 รายการที่อ้างว่าอยู่ในระดับล้ำสมัย คุณกำลังมองทฤษฎีที่แตกต่างกันสองแบบเกี่ยวกับจุดประสงค์ของโมเดลการ์ด ทั้งสองแบบไม่ใช่การไม่ซื่อสัตย์ อย่างหนึ่งคือการอ้างขีดความสามารถ และอีกอย่างคือการเปิดเผยข้อมูล
คำโฆษณาการประมวลผลบนอุปกรณ์ และกับดักของบริบทขนาดยาว
การวางกรอบของ Microsoft ชัดเจนไม่กำกวม: {{1}}Aion Instruct คือ "Small Language Model (SLM) พื้นฐานในระบบนิเวศ Windows"{{/1}} โดยออกแบบมาสำหรับงานด้านข้อความและงานระบบปฏิบัติการบนอุปกรณ์ พร้อมด้วย {{2}}เวอร์ชันที่แข็งแกร่งยิ่งขึ้น บวกกับโมเดลกลั่นกรองเนื้อหา ซึ่งจะกลายเป็น Windows OS SLM ภายในสิ้นเดือนมกราคม 2027{{/2}} การอัปโหลดนี้ได้รับการอธิบายว่าเป็น "{{3}}การแนะนำสิ่งที่กำลังจะมาถึง{{/3}}"
การวางตำแหน่งของ MiniCPM5-2B นั้นกว้างกว่า: ผู้ช่วยในเครื่อง เอเจนต์เขียนโค้ด เวิร์กโฟลว์การใช้เครื่องมือและการให้เหตุผล บนโทรศัพท์ พีซี และสมาร์ตค็อกพิต พร้อมชุดข้อมูลฝึกเอเจนต์ 500,000 ตัวอย่างและตัวอย่าง RL มากกว่า 80,000 ตัวอย่างที่เผยแพร่พร้อมน้ำหนักโมเดล เป็นโมเดลที่สร้างมาเพื่อลงมือทำ ไม่ใช่แค่ตอบคำถาม
ช่องว่างบริบทระหว่าง 131K กับ 32K คือจุดที่ความแตกต่างนั้นเห็นได้ชัดที่สุด และ MiniCPM5-2B มีหลักฐานยืนยันครบมือ: AA-LCR 59.0 และ NoLiMa 68.1 เป็น benchmark สำหรับบริบทยาว ทั้งคู่ดำเนินการโดยผู้จำหน่าย ทั้งคู่เผยแพร่พร้อมเครื่องหมายภาพที่การ์ดของรุ่นนี้ใช้สำหรับผลที่ให้คะแนนโดยผู้ตัดสิน Aion มีหน้าต่าง 32,768 โทเคน ซึ่งคอนฟิกของมันเองบ่งชี้ว่าเข้าถึงได้ด้วยการสเกล YaRN จากช่วงเนทีฟ 2,048 โทเคน และไม่มีการประเมินบริบทยาวใด ๆ เลย หากภาระงานเกี่ยวข้องกับเอกสารยาว ตัวเลือกก็ถูกกำหนดไว้ให้คุณแล้ว และถูกกำหนดโดยหลักฐาน ไม่ใช่โดยจำนวนพารามิเตอร์
Agent stacks คือจุดที่การเปรียบเทียบเปลี่ยนรูปแบบไป
MiniCPM5-2B ได้รับการฝึกสำหรับลูปการเรียกใช้เครื่องมือ: ตัวอย่าง SFT สำหรับเอเจนต์จำนวน 500K, RL แบบ GRPO บนงานที่ตรวจสอบได้ และแถวผลเบนช์มาร์กสำหรับ SWE-bench Verified, Terminal-Bench, BFCL และการรัน τ³ ในโดเมนธนาคาร Aion-1.0-Instruct-2.3B ระบุรูปแบบการเรียกใช้เครื่องมือไว้ในเอกสาร และไม่เผยแพร่เบนช์มาร์กสำหรับเอเจนต์ เพราะสร้างขึ้นสำหรับการสรุปความ การเขียนใหม่ และการแชทบนระบบปฏิบัติการ
ความไม่สมมาตรนั้นควรค่าแก่การคิดในเชิงสถาปัตยกรรมมากกว่าจะมองเป็นเพียงคะแนน ลูปของเอเจนต์ไม่ใช่การเรียกโมเดลเพียงครั้งเดียว แต่ประกอบด้วยการวางแผน การเรียกเครื่องมือ ผลลัพธ์ การวางแผนใหม่ และบ่อยครั้งคือความเห็นที่สอง และแต่ละขั้นตอนคือคำขอแยกกันซึ่งมีเวลาแฝงและความน่าจะเป็นของความล้มเหลวเป็นของตัวเอง นี่คือชั้นที่การจัดเส้นทางเลิกเป็นเพียงหมายเหตุประกอบเชิงโครงสร้างพื้นฐาน และเริ่มเป็นส่วนหนึ่งของการออกแบบ model fusionของ OrcaRouter จะรันคณะโมเดลกับคำขอเดียวกันและรวมคำตอบของแต่ละตัวเข้าด้วยกัน ขณะที่routing DSLของมันประกอบหลายโมเดลเข้าเป็นการเรียกครั้งเดียว — สองพื้นฐานสำคัญที่รับมือได้ดีเมื่อ "โมเดลเล็กหนึ่งตัว คำตอบเดียว" ไม่ใช่รูปร่างที่เหมาะกับงาน ทั้ง Aion-1.0-Instruct-2.3B และ MiniCPM5-2B ต่างยังไม่อยู่ในแคตตาล็อกของเราในวันนี้ เนื่องจากทั้งคู่เป็นเวตที่โฮสต์เองมากกว่าปลายทางที่ให้บริการแบบโฮสต์ ข้อโต้แย้งนี้จึงเกี่ยวกับคำขอที่เอเจนต์ในเครื่องของคุณไม่สามารถทำจนเสร็จได้ด้วยตัวเอง ไม่ใช่เกี่ยวกับเช็กพอยต์สองตัวนี้
เวอร์ชันที่ใช้ได้จริง: ใช้โมเดลเล็กสำหรับขั้นตอนที่ต้นทุนต่ำ และทำให้เส้นทางการยกระดับชัดเจน แทนที่จะหวังว่าโมเดล 2B จะทำถูกในครั้งที่สี่ของการลองใหม่ โมเดลอย่าง MiniCPM5-2B ที่ได้ 46.4 บน SWE-bench Verified นั้นน่าประทับใจเมื่อเทียบกับขนาดของมัน แต่ก็ยังผิดมากกว่าครึ่งหนึ่งของเวลา และการออกแบบพรอมป์ต์ไม่ว่าจะมากแค่ไหนก็ไม่เปลี่ยนคณิตศาสตร์ของลูปห้าขั้นตอน
สิ่งที่คุณสามารถตรวจสอบได้จริงในวันนี้
นี่คือประโยคที่ชี้ขาดการเปรียบเทียบส่วนใหญ่เหล่านี้ กับ MiniCPM5-2B คุณสามารถดาวน์โหลด GGUF โหลดใน llama.cpp รันคำสั่ง benchmark ของการ์ดโมเดลเอง และตรวจสอบว่าคุณทำซ้ำค่า 86.5 บน AIME ได้หรือไม่ กับ Aion-1.0-Instruct-2.3B คุณสามารถดาวน์โหลด safetensors แบบ bfloat16 ติดตั้ง transformers 5.x ยอมรับ trust_remote_code=True และรัน harness เดียวกันบน benchmark ทั้งสิบเอ็ดรายการของมัน ซึ่งต้องใช้แรงมากกว่าแต่เป็นไปได้ทั้งหมด และยังไม่มีใครทำแบบเปิดเผยต่อสาธารณะ
สิ่งที่คุณทำไม่ได้กับ Aion คือการรันมันบนรันไทม์ที่ غالبًاจะมีอยู่ในเครื่องที่คุณกำลังกำหนดเป้าหมาย การ์ดระบุ GGUF เป็นชื่อไลบรารี; รีพอซิทอรีมี safetensors ไฟล์โทเค็นไนเซอร์ โมดูลการสร้างแบบจำลองแบบกำหนดเองสองโมดูล และเทมเพลตแชท รีพอซิทอรีพี่น้อง ONNX-WebGPU มีอยู่ ซึ่งทำให้การติดตั้งใช้งานบนเบราว์เซอร์และ DirectML เป็นไปได้ แต่บิลด์ GGUF เป็นเพียงคำสัญญา而未ถูกส่งมอบจริง หากเป้าหมายการติดตั้งใช้งานของคุณคือ llama.cpp หรือ LM Studio ไฟล์ที่หายไปเพียงไฟล์เดียวนั้นคือทั้งหมดของการตัดสินใจจนกว่ามันจะปรากฏ
อีกสองเรื่องที่ควรตรวจสอบด้วยตัวเองแทนที่จะเชื่อ อย่างแรกคือหน้าต่าง 32K: เติมให้เต็มแล้วดูว่าส่วนท้ายของเอกสารยังอยู่รอดผ่านเลเยอร์แบบหน้าต่างเลื่อนหรือไม่ อย่างที่สองคือเส้นทางการเรียกเครื่องมือ: รูปแบบของ Aion ห่อสคีมาและการเรียกด้วยแท็กกำหนดเอง และการที่มันกู้คืนจากการเรียกที่ผิดรูปแบบได้อย่างราบรื่นเพียงใดไม่ใช่สิ่งที่การ์ดจะบอกคุณได้

การ์ดของ OpenBMB เป็นรายเดียวในสองรายการที่เผยแพร่ผลลัพธ์ด้านบริบทแบบยาวและด้านเอเจนต์ติกออกมาเลย — AA-LCR 59.0, NoLiMa 68.1, SWE-bench Verified 46.4 — พร้อมด้วยหน้าต่างบริบท 131,072 โทเค็นและสถาปัตยกรรม Llama มาตรฐาน
สองกรณีการใช้งานที่ตรงไปตรงมา
เลือกใช้ MiniCPM5-2B เมื่องานเกี่ยวข้องกับเครื่องมือ โค้ด เอกสารยาว หรือภาษาจีน การ์ดของโมเดลนี้ถูกเขียนขึ้นสำหรับงานเหล่านั้น เบนช์มาร์กของมันครอบคลุมงานเหล่านั้น มีเวอร์ชันควอนไทซ์อยู่จริง และสัญญาอนุญาตเป็น Apache 2.0 ความเสี่ยงคือ ข้ออ้างว่าเป็น state-of-the-art นั้นอ้างอิงจากชุดเปรียบเทียบของผู้ขายเอง และโมเดลขนาด 2 พันล้านพารามิเตอร์ในลูปเอเจนต์ยังคงล้มเหลวในลักษณะที่ทำให้เสียโทเคนจริง
เลือก Aion-1.0-Instruct-2.3B เมื่องานคือแอปพลิเคชัน Windows ที่สรุป เขียนใหม่ หรือจำแนกเอกสารในเครื่องเป็นหนึ่งในแปดภาษา แบบออฟไลน์ โดยข้อมูลไม่เคยออกจากอุปกรณ์เลย มันมีบริบทที่เล็กกว่า อ่อนกว่าในทุก benchmark ที่ใช้วัดร่วมกัน และมีโมเดลการ์ดที่ระบุไว้เช่นนั้น สิ่งที่มันมอบให้คือสัญญาการใช้งานบนอุปกรณ์ที่มีเอกสารกำกับ และเส้นทางที่เป็นไปได้สู่การฝังตัวในระบบปฏิบัติการภายในเดือนมกราคม 2027 — และในตอนนี้ มีเพียงคนจำนวนน้อยมากที่เคยรันมัน
การเปรียบเทียบนี้จะอ่านได้แตกต่างออกไปในอีกหนึ่งเดือน หากมี GGUF ปรากฏขึ้น ข้อโต้แย้งเรื่องรันไทม์ก็จะหายไป หากมีผลการรันจากฮาร์เนสอิสระปรากฏขึ้น ตัวเลขก็จะไม่ใช่ของ Microsoft ฝ่ายเดียวอีกต่อไป ยังไม่มีสิ่งใดเกิดขึ้นเลย และการแสร้งทำเป็นว่าเกิดขึ้นแล้วจะเป็นสิ่งเดียวที่บทความนี้ทำไม่ได้

การ์ดของ Microsoft ซึ่งแสดงคะแนนที่อ่อนของตัวเองและระบุการตั้งค่าการให้คะแนนแบบหลวม — นี่คือเหตุผลที่ควรเชื่อถือข้อกล่าวอ้างด้านสเปก แม้ในส่วนที่ข้อกล่าวอ้างด้านเบนช์มาร์กไม่โดดเด่น

กระดานคะแนนตามหลักฐานที่มีอยู่: ฝั่งหนึ่งมี 35 เบนช์มาร์กที่เผยแพร่แล้วและรูปแบบรันไทม์ 4 รูปแบบ อีกฝั่งมี 11 เบนช์มาร์กและ safetensors
