PAN 2 กับ MiniCPM5-2B: ตัวหนึ่งส่งข้อมูลของตัวเอง อีกตัวส่งพรอมต์ของตัวเอง

OpenBMB เปิดตัว MiniCPM5-2B เมื่อวันที่ 6 กันยายน 2026 และพร้อมกับเช็กพอยต์ขนาด 2.52 พันล้านพารามิเตอร์ ได้เผยแพร่คลังข้อมูลสำหรับการฝึกฝน ได้แก่ UltraX-Preview สำหรับการพรีเทรนบนเว็บ, UltraData-Code พร้อมการจัดการแบบแบ่งระดับ L0-to-L3, UltraData-SFT-Agent-2609 พร้อมตัวอย่างเอเจนต์ครึ่งล้านรายการ และ UltraData-RL-2609 พร้อมตัวอย่างการเรียนรู้แบบเสริมกำลังมากกว่าแปดหมื่นรายการ นั่นเป็นสิ่งที่ผิดปกติที่จะส่งมอบ และเป็นมุมมองที่เหมาะสมสำหรับการเปรียบเทียบนี้ PAN 2 ซึ่งเผยแพร่อย่างเงียบ ๆ โดย Institute of Foundation Models ของ MBZUAI โดยไม่มีโพสต์เปิดตัวและไม่มีปลายทางโฮสต์ ทำสิ่งที่ใกล้เคียงแต่ไม่เหมือนกัน: มันส่งมอบพรอมป์ของมัน ที่เก็บโค้ดมาพร้อมสกิล conceptual-reasoner ซึ่งมีพรอมป์ระบบ พรอมป์เชิงลบแบบคงที่ และตัวตรวจสอบงบประมาณโทเค็นสำหรับคำบรรยายสถานะโลกแบบมีโครงสร้างที่แบ็กโบนดิฟฟิวชันคาดหวัง พร้อมกับคอนฟิกการฝึกฝนที่สร้างมันขึ้นมา ห้องแล็บหนึ่งเปิดข้อมูลของมัน อีกแห่งเปิดอินเทอร์เฟซของมัน ไม่มีใครเปิดทั้งสองอย่าง และอันไหนจะมีประโยชน์กับคุณมากกว่ากันนั้นขึ้นอยู่กับสิ่งที่คุณกำลังพยายามสร้างทั้งหมด

การเปิดเผยสองครั้ง โดยไม่มีครั้งใดสมบูรณ์

การเปิดเผยข้อมูลของ MiniCPM5-2B เป็นเรื่องจริงและเจาะจงมาก การ์ดระบุชื่อชุดข้อมูล ลิงก์ไปยังชุดข้อมูลเหล่านั้น และอธิบายว่าแต่ละชุดมีส่วนช่วยอะไร — ข้อมูลโค้ดที่จัดการแยกเป็นระดับ ตัวอย่าง SFT สำหรับเอเจนต์ ตัวอย่าง RL ที่ครอบคลุมคณิตศาสตร์ โค้ด ความรู้ทั่วไป และการให้เหตุผลบริบทยาว สิ่งที่การ์ดไม่ได้ให้คือ สูตรการผสม ลำดับ ขั้นตอนการขจัดข้อมูลปนเปื้อน หรือจำนวนโทเค็นต่อแหล่ง คุณเห็นส่วนผสมได้ แต่ไม่เห็นสูตร

การเผยแพร่พรอมป์ของ PAN 2 คือภาพสะท้อนกลับด้าน นโยบายคำบรรยายถูกกำหนดไว้อย่างครบถ้วน: คำอธิบายสถานะโลกต้องมีอะไรบ้าง ลำดับของเหตุการณ์ การผูกการกระทำเข้ากับผู้กระทำ การแสดงการเคลื่อนที่ของกล้อง และความจุแบบตายตัวที่ 1,536 โทเคนของตัวเข้ารหัสข้อความ โดยมีเป้าหมายแบบผ่อนปรนที่ 1,480 สิ่งที่มันไม่ได้ให้คุณคือคลังข้อมูลที่สอนโมเดลให้อ่านคำบรรยายเหล่านั้น — "วิดีโอหลายร้อยล้านรายการที่ถูกกำกับในรูปแบบเดียวกัน" โดยไม่มีการ์ดชุดข้อมูลและการเผยแพร่ชุดข้อมูล

ดังนั้น หากคุณต้องการเข้าใจว่าทำไมโมเดลภาษาขนาดเล็กจึงมีพฤติกรรมอย่างที่มันเป็น MiniCPM5-2B ให้ข้อมูลให้คุณนำไปใช้ได้มากกว่า หากคุณต้องการให้โมเดลวิดีโอสร้างคลิปตามที่คุณขอ PAN 2 ให้คุณได้มากกว่า ทั้งสองรีลีสโปร่งใสกว่าค่ามัธยฐาน และทั้งคู่หยุด ณ จุดที่ความโปร่งใสกลายเป็นข้อเสียเปรียบทางการแข่งขัน

ตัวเลข และมูลค่าของมัน

MiniCPM5-2B เป็นโมเดล dense สถาปัตยกรรม Llama ที่มีพารามิเตอร์ 2,516,756,480 ตัว — 1.98 พันล้านพารามิเตอร์หากไม่นับ embedding, 42 เลเยอร์, 16 query head เทียบกับ 2 key-value head, คอนเท็กซ์ 131,072 โทเคน, ภาษาอังกฤษและภาษาจีน OpenBMB อ้างว่าเป็น state of the art ของโอเพนซอร์สระดับ 2B โดยมีค่าเฉลี่ย 53.9 จากชุดเปรียบเทียบ เทียบกับ 51.1 ของโมเดลขนาดใหญ่ที่สุดในชุดเดียวกัน รายละเอียดรายบรรทัดคือจุดที่คำกล่าวอ้างน่าสนใจ: LiveCodeBench v6 ที่ 69.1, AIME 2026 ที่ 86.5, MMLU-Pro ที่ 70.8, GPQA Diamond ที่ 70.2, SWE-bench Verified ที่ 46.4, τ²-Bench Telecom ที่ 97.1, AA-LCR ที่ 59.0 และ NoLiMa ที่ 68.1

ตัวเลขเหล่านั้นเป็นข้อมูลที่ผู้จำหน่ายรายงานบนชุดเปรียบเทียบที่ผู้จำหน่ายเลือกเอง และชุดนี้ก็ให้ข้อมูลที่เป็นประโยชน์ โดยประกอบด้วย Gemma-4-E2B-it, Gemma-4-E4B-it, Qwen3.5-2B, Qwen3.5-4B, LFM2.5-2.6B และ LFM2.5-8B-A1B บน AA-LCR ช่วงที่รายงานคือ 59.0 สำหรับ MiniCPM5-2B เทียบกับ 5.3 สำหรับ LFM2.5-2.6B และ 17.0 สำหรับ Gemma-4-E2B-it บน SWE-bench Verified คือ 46.4 เทียบกับ 6.0, 2.0 และ 3.0 ช่องว่างเหล่านั้นใหญ่พอที่ความแตกต่างของฮาร์เนสจะอธิบายไม่ได้ แต่ฮาร์เนสนั้นยังคงเป็นของ OpenBMB และยังไม่มีใครจำลองตารางนี้ได้อย่างอิสระ

PAN 2 ไม่มีตารางแบบนั้น เพราะไม่มีเครื่องมือวัดร่วมสำหรับ world model ประเภทวิดีโอเหมือนที่มีสำหรับโค้ดและคณิตศาสตร์ สิ่งที่มันมีแทนคือส่วนข้อจำกัดที่มีโครงสร้างชัดเจน ซึ่งตรงไปตรงมากว่าการทดสอบมาตรฐานของผู้ขายรายใด ๆ: แผนจำลองประมาณ 2 ใน 3 มีอย่างน้อยหนึ่งขั้นตอนที่ไม่ได้ถูกดำเนินการ; ลักษณะภายนอกเบี่ยงเบนไปข้ามคลิป เพราะแต่ละคลิปเริ่มจากเฟรมเดียวอย่างมากบวกข้อความ; การกระทำจากข้อความระบุการหยิบจับที่ต้องใช้ความคล่องแคล่วเพียงแบบหยาบ ๆ; โมเดลอาจปล่อยให้การจำลองดำเนินไปขณะละเมิดข้อจำกัดทางกายภาพ โดยยกตัวอย่างพาสต้าที่ปรากฏในกระชอนก่อนที่จะถูกสะเด็ดน้ำ

• มันคืออะไร — MiniCPM5-2B: โมเดลข้อความแบบ dense ขนาด 2.52B สำหรับผู้ช่วยบนอุปกรณ์ เอเจนต์เขียนโค้ด และเวิร์กโฟลว์การใช้เครื่องมือ PAN 2: ดิฟฟิวชันทรานส์ฟอร์เมอร์ขนาด 29B ที่เรนเดอร์ผลที่ตามมาจากการกระทำออกมาเป็นวิดีโอ

• เอาต์พุต — MiniCPM5-2B: ข้อความ PAN 2: MP4 สูงสุด 20 วินาที ที่ 704×1248 และ 24 fps

• บริบทหรือขอบเขต — MiniCPM5-2B: 131,072 โทเคน โดยได้ AA-LCR 59.0 และ NoLiMa 68.1 บนฮาร์เนสของ OpenBMB สำหรับ PAN 2: ใช้หนึ่งเฟรมเริ่มต้นพร้อมแคปชัน ดังนั้นการโต้ตอบระยะยาวจึงคลาดเคลื่อน และการ์ดระบุไว้เช่นนั้น

• สัญญาอนุญาต — MiniCPM5-2B: Apache-2.0 ภาษาอังกฤษและภาษาจีน PAN 2: Apache-2.0 สำหรับน้ำหนักของตัวเอง โดย Qwen3.5-9B และ Wan 2.2 อยู่ภายใต้ข้อกำหนดของตนเอง

• ฮาร์ดแวร์ — MiniCPM5-2B: GPU สำหรับผู้บริโภคเพียงตัวเดียว และเอกสารของการ์ดระบุเส้นทาง vLLM, SGLang และ llama.cpp พร้อมแบ็กเอนด์แบบหลายชิป PAN 2: ใช้ H200 จำนวนแปดตัวเป็นค่าเริ่มต้นในรีซิปี vLLM; B300 จำนวนสี่ตัวสำหรับวิดีโอ 13 วินาทีในเวลาประมาณ 119 วินาที

คำกล่าวอ้างเรื่องการประมวลผลบนอุปกรณ์เมื่อเทียบกับความเป็นจริงระดับโหนด

MiniCPM5-2B ถูกสร้างมาให้เล็กในแบบที่สำคัญจริง: ไม่ใช่แค่มีพารามิเตอร์น้อย แต่มีเส้นทางที่จัดทำเอกสารไว้สำหรับฮาร์ดแวร์ที่คุณมีอยู่แล้ว การ์ดนี้มีคู่มือเริ่มต้นอย่างเร็วสำหรับ vLLM, SGLang และ llama.cpp พร้อมหมายเหตุว่า -c 8192 กำหนดความยาวบริบทบนเส้นทาง llama.cpp — ประโยคที่ปรากฏเฉพาะในเอกสารที่เขียนโดยผู้ที่เคยรันมันจริงบนแล็ปท็อป นอกจากนี้ยังจัดทำเอกสารสำหรับ FlagOS ซึ่งเป็นแบ็กเอนด์หลายชิปที่ทำให้เวตเดียวกันรันข้ามตัวเร่งความเร็วต่างๆ ได้ นี่คือเรื่องราวการดีพลอยที่มุ่งเป้าไปที่โทรศัพท์ คอมพิวเตอร์บอร์ดเดียว และกล่องอินเฟอเรนซ์ราคาถูก

เรื่องการนำ PAN 2 ไปใช้งานนั้นตรงกันข้ามในทุกมิติ และเหตุผลเป็นเรื่องของเลขคณิตมากกว่าความสะเพร่า การใช้ 50 สเต็ปของ sampler พร้อม classifier-free guidance ในทุกสเต็ปหมายถึงการทำ forward pass หนึ่งร้อยครั้งผ่าน transformer ขนาด 29B ต่อคลิป สูตรนี้ทำ parallelization ของ guidance กระจายไปยังสองแรงก์ และกระจายความยาวซีเควนซ์ไปยังอีกสองแรงก์ จากนั้นเพิ่ม VAE patch parallelism กระจายไปยังสี่แรงก์ในโหมด tile เพราะการถอดรหัสวิดีโอความยาว 20 วินาทีที่ 704×1248 ก็เป็นปัญหาหน่วยความจำในตัวเอง คุณไม่ได้มีโอกาสรันสิ่งนั้นบนแล็ปท็อป และทีมก็ไม่ได้แสร้งทำเป็นว่าเป็นอย่างอื่น

ที่น่าสังเกตคือ ทั้งสองโมเดลไม่ได้ถูกโฮสต์ไว้ที่ใดเลย MiniCPM5-2B มียอดดาวน์โหลดรายเดือนมากกว่าหนึ่งล้านครั้งและไม่มี API จากผู้พัฒนาโดยตรง ส่วน PAN 2 ไม่มี API และ ณ วันที่ 11 พฤศจิกายน 2026 มีเพียงโพสต์โซเชียลมีเดียหนึ่งโพสต์จากบัญชีของแล็บผู้พัฒนา และไม่มีอะไรอยู่เบื้องหลังเลย — ไม่มีปลายทาง API ไม่มีลิงก์เปเปอร์ ไม่มีราคา ถ้าคุณต้องการใช้ตัวใดตัวหนึ่ง คุณต้องรันมันเอง

ที่ที่สามารถเช่าครึ่งส่วนของการวางแผนได้

สถาปัตยกรรมของ PAN 2 ทำให้ส่วนหนึ่งของมันแยกออกมาได้ และนั่นคือส่วนที่ทีมส่วนใหญ่ไม่ควรสร้างเอง ตัวให้เหตุผลเชิงแนวคิด — โมเดลภาษาที่เปลี่ยนการสังเกตและการกระทำที่ถูกขอให้กลายเป็นคำบรรยายแบบมีโครงสร้างที่โครงกระดูกการแพร่กระจาย (diffusion backbone) นำไปใช้ — ระบุไว้ชัดเจนว่าเป็นโมเดลใดก็ได้ที่ทำตามคำสั่ง รายงานจัดอันดับสี่โมเดลตามความถี่ที่แผนจำลองดำเนินไปจนจบครบวงจร: Claude Opus 5.5, GPT-6 Astra ที่ระดับความพยายามปานกลาง, Kimi K3 แล้วจึง Qwen3.8-Flash การ์ดยังระบุด้วยว่า LLM ใดก็ได้ที่ทำตามคำสั่งสามารถใช้ได้ และการออกนอกขอบเขตการกระจายของการฝึกมักต้องใช้พรอมป์ที่ปรับแต่งด้วยมือ

นั่นทำให้รีซันเนอร์กลายเป็นตัวเลือกเชิงปฏิบัติการที่คุณจะอยากกลับมาทบทวน และการกลับมาทบทวนนั้นมีต้นทุนถูกกว่าผ่านเราเตอร์มากกว่าผ่านการเจรจาจัดซื้อจัดจ้างสี่ครั้ง Qwen3.8-Flash อยู่บน OrcaRouter; API key เดียวพร้อม failover อัตโนมัติช่วยให้คุณรันงานแคปชันชุดเดียวกันข้าม planner หลายตัวได้ ในราคาตามรายการของผู้ให้บริการ พร้อมมาร์กอัป 0% ที่ส่งต่อไปยังคุณ และเก็บตัวที่ทำแผนของคุณเสร็จบ่อยที่สุดไว้ OrcaRouter ไม่ได้โฮสต์ PAN 2 — ไม่มี PAN 2 แบบโฮสต์ให้เราเตอร์ — และไม่ได้โฮสต์ MiniCPM5-2B เช่นกัน renderer และโมเดลเล็กยังอยู่บนฮาร์ดแวร์ของคุณ ส่วน planner เป็นสินค้าทั่วไป

สำหรับ MiniCPM5-2B การคำนวณแตกต่างออกไปในแบบที่ควรกล่าวถึง โมเดลบนอุปกรณ์มีอยู่ก็เพื่อหลีกเลี่ยงการเรียกใช้แบบคิดตามปริมาณ และโมเดล 2B ที่รันบนโทรศัพท์ไม่ได้ดีขึ้นจากการเลี่ยงไปใช้เส้นทางอื่นแทนมัน ถ้าเหตุผลของคุณคือความเป็นส่วนตัว ความหน่วง หรือการทำงานแบบออฟไลน์ การเปลี่ยนเส้นทางคือคำตอบที่ผิด และ MiniCPM5-2B คือโมเดลที่ถูกต้อง ถ้าเหตุผลของคุณคือต้นทุน จงเปรียบเทียบอย่างตรงไปตรงมา: โมเดล 2B ที่ได้คะแนน 53.9 ตามค่าเฉลี่ยของตัวเองอาจใช้เวลาวิศวกรรมมากกว่าในการไปให้ถึงระดับเดียวกันในงานของคุณ เมื่อเทียบกับการเรียกใช้แบบคิดตามปริมาณกับโมเดลที่ใหญ่กว่า

แต่ละรีลีสมีไว้เพื่ออะไรจริง ๆ

MiniCPM5-2B คือโมเดลที่มีภารกิจชัดเจน: เป็นโมเดลเปิดระดับ 2B ที่ดีที่สุดบนเบนช์มาร์กที่ผู้ใช้ให้ความสำคัญ รันบนอุปกรณ์ และมาพร้อมข้อมูลเพื่อให้ชุมชนต่อยอดสร้างบนโมเดลนี้ได้ แทนที่จะต้องสร้างสิ่งต่างๆ ล้อมรอบมัน นี่เป็นรีลีสที่สมบูรณ์ซึ่งมีชุดเอกสารที่สะท้อนการปรับปรุงหลายรอบ — คู่มือเริ่มต้นอย่างรวดเร็วสำหรับสแตกการให้บริการสามแบบ ส่วนการเรียกใช้เครื่องมือ คุกบุ๊ก สูตรการปรับแต่งโมเดล และแบ็กเอนด์แบบหลายชิป

PAN 2 เป็นชิ้นงานวิจัยที่มีข้อกล่าวอ้างครบถ้วนอย่างผิดปกติ โดยอ้างว่าการให้เหตุผลเชิงจำลอง — การที่เอเจนต์จินตนาการถึงผลลัพธ์ของการกระทำที่เป็นตัวเลือกก่อนจะเลือกอย่างใดอย่างหนึ่ง — เป็นความสามารถที่สร้างขึ้นได้ ไม่ใช่ความสามารถที่หวังว่าจะเกิดขึ้นเอง และนำข้อกล่าวอ้างนั้นไปใช้งานเป็นระบบสองขั้นตอนที่มีรูปแบบที่เผยแพร่แล้วรองรับอยู่ (สูตร Generative Latent Prediction ใน บทวิจารณ์แบบจำลองโลก, arXiv 2507.05169) การรองรับเฟรมเวิร์กที่เปิดตัวเมื่อวันที่ 10 พฤศจิกายน 2026 ทำให้它可以รันได้ โพสต์สองย่อหน้าบนบัญชี X ของห้องแล็บเองในบ่ายวันเดียวกันไม่ได้ทำให้มันเปิดตัว และไม่มีการกล่าวถึงเรื่องอื่นใดอีกเลยตั้งแต่นั้นมา

ทั้งสองอย่างไม่ได้เป็นการเปิดตัวที่ดีกว่ากัน พวกมันเป็นคำตอบสำหรับคำถามที่แตกต่างกัน ซึ่งเผยแพร่ในระดับความมั่นใจที่ต่างกัน ห้องแล็บหนึ่งกำลังบอกว่า "นี่คือโมเดลขนาดเล็กที่คุณไว้ใจได้ และนี่คือสิ่งที่อยู่เบื้องหลังมัน" อีกแห่งกำลังบอกว่า "นี่คือระบบที่ทำสิ่งใหม่ และนี่คือจุดที่มันล้มเหลวอย่างชัดเจน" การเปรียบเทียบระหว่างสองสิ่งนี้จะมีประโยชน์ก็ต่อเมื่อคุณรู้ว่าประโยคใดในนั้นอธิบายโครงการของคุณ