
Aion-1.0-Instruct-2.3B so với MiniCPM5 2B: Kẻ đã có bảng điểm nay đã có đối thủ ngay trên đó
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token · 184 tok/s
- tencentMỚITencent: Hy4 Flash2026-11-16$0.02 / $0.07 trên 1 triệu token · 223 tok/s
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 87 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 96 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 78 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 trên 1 triệu token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 208 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
Thẻ mô hình của MiniCPM5-2B đi kèm một bảng so sánh với tám mô hình cơ sở trong đó, và Aion-1.0-Instruct-2.3B không nằm trong số đó. Đó không phải là sự xem nhẹ; đó là một mốc thời gian. Bảng của OpenBMB được xây dựng dựa trên các mô hình đã tồn tại khi trọng số được đưa lên vào ngày 6 tháng 9 năm 2026. Checkpoint của Microsoft xuất hiện trên Hugging Face vào ngày 18 tháng 11 năm 2026, bảy mươi ba ngày sau đó, không có thông báo nào và chỉ có ba lượt thích. Chưa ai đặt hai mô hình cạnh nhau, vì trong ngày đầu tiên tồn tại, không ai có thể làm vậy. MiniCPM5-2B, trong khi đó, là mô hình được tải xuống nhiều nhất trong phân khúc này với cách biệt lớn — khoảng 966.000 lượt tải xuống so với con số không của Aion.
Vậy đây không phải là so sánh giữa hai mô hình đã được đo lường. Đây là so sánh giữa một mô hình xuất hiện cùng bảng điểm và cộng đồng người hâm mộ với một mô hình xuất hiện cùng tệp cấu hình và lời hứa về tháng 1 năm 2027. Phần sau sử dụng các con số đã công bố của OpenBMB cho MiniCPM5-2B ở những chỗ có, card của Microsoft cho Aion-1.0-Instruct-2.3B, và nói rõ khi một ô không có gì trong đó.
Hai mô hình 2,5 tỷ tham số trông không giống nhau
Kích thước nêu trên tiêu đề đủ sát nhau để mời gọi một cuộc so sánh bằng bảng thông số, và khi đó các bảng thông số lại không chịu khớp với nhau.
• Tham số — MiniCPM5-2B có tổng cộng 2,52B, trong đó 1,98B là không thuộc embedding; Aion-1.0-Instruct-2.3B có 2,29B với embedding đầu vào và đầu ra được ràng buộc với nhau.
• Độ sâu — 42 lớp cho MiniCPM5-2B, trên kiến trúc LlamaForCausalLM tiêu chuẩn; 28 lớp cho Aion, trên mã mô hình tùy chỉnh yêu cầu trust_remote_code.
• Cơ chế chú ý — 16 head truy vấn và 2 head khóa/giá trị cho MiniCPM5-2B; 24 head truy vấn và 8 head khóa/giá trị với số chiều head là 128 cho Aion, trải trên một cấu trúc lai gồm 21 lớp cửa sổ trượt ở 2.048 token và 7 lớp chú ý đầy đủ.
• Ngữ cảnh — 131,072 token so với 32,768.
• Ngôn ngữ — tiếng Anh và tiếng Trung cho MiniCPM5-2B; tám ngôn ngữ cho Aion, với dữ liệu đa ngôn ngữ chiếm khoảng 6% trong huấn luyện.
• Giấy phép — Apache 2.0 so với MIT. Cả hai đều là giấy phép thoáng, cả hai đều an toàn cho mục đích thương mại.
• Hệ sinh thái — GGUF, MLX, GPTQ, các checkpoint base, SFT, midtrain và draft cùng với các bộ dữ liệu huấn luyện, so với safetensors và lời hứa rằng các bản dựng lượng tử hóa sẽ ra mắt sau.
Dòng cuối cùng đó là điểm mà khoảng cách không còn nằm ở chất lượng mô hình. MiniCPM5-2B là bản phát hành bạn có thể triển khai trên bốn runtime khác nhau ngay chiều nay. Aion-1.0-Instruct-2.3B là bản phát hành bạn chỉ có thể triển khai trên một runtime, với một repo anh em ONNX-WebGPU được tải lên cùng buổi tối hôm đó, và định dạng GGUF được liệt kê trên card nhưng không có trong danh sách tệp.
Những con số OpenBMB đã công bố, và những con số nó không công bố
Thẻ của MiniCPM5-2B tuyên bố đạt trạng thái tiên tiến mã nguồn mở hạng 2B và, một cách hiếm thấy, công bố bằng chứng trên 35 benchmark trong chín hạng mục. Các con số nổi bật: AIME 2025 đạt 86,5, AIME 2026 đạt 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 và NoLiMa 68,1.
Thẻ này còn công bố điểm trung bình tổng hợp trên tất cả các bài kiểm tra đó — 53,9 cho MiniCPM5-2B, 51,1 cho Qwen3.5-4B, 42,7 cho Granite 4.2 3B, 33,2 cho LFM2.5-2.6B. Đây là các lần chạy harness của chính nhà cung cấp trên bộ benchmark do họ tự chọn, và cách chọn đó ưu tiên đúng những gì mô hình được huấn luyện cho: sử dụng công cụ dạng tác tử, lập trình, ngữ cảnh dài. Nhà cung cấp chọn bài kiểm tra thì có thể chọn thứ hạng. Hãy đọc bảng này như một tuyên bố về các ưu tiên huấn luyện — điều mà nó trung thực — chứ không phải như một phán quyết độc lập — điều mà nó không phải.
Điều mà thẻ mô hình của MiniCPM5-2B không chứa là bất kỳ benchmark nào có Aion-1.0-Instruct-2.3B xuất hiện, và điều mà thẻ mô hình của Aion không chứa là bất kỳ danh mục nào trong chín danh mục của MiniCPM5-2B. Phần trùng lặp là có thật nhưng hẹp: MMLU-Pro, GPQA, IFEval và các biến thể AIME là những nơi duy nhất mà hai bảng đã công bố nói cùng một ngôn ngữ, và ngay cả ở đó cấu hình harness cũng khác nhau. Trên những hàng dùng chung đó, khoảng cách là lớn — 70.8 so với 33.35 trên MMLU-Pro, 70.2 so với 28.18 trên GPQA — nhưng đó là so sánh giữa một mô hình được huấn luyện cho suy luận và công việc agentic với một mô hình được huấn luyện cho hiểu và viết lại tài liệu, và các con số đang nói chính xác điều đó.
Nơi sự trung thực của Aion chính là toàn bộ câu chuyện
Điểm đáng chú ý ở thẻ của Microsoft không phải là các điểm số. Mà là việc các điểm số ấy không mấy đẹp đẽ, và thẻ vẫn in chúng ra, trong một bảng còn nêu tên mô hình giám khảo, bộ khung đánh giá của nó, và hai bộ chuẩn đánh giá mà cấu hình chấm điểm khiến chúng trông tốt hơn so với con số tiêu đề ngụ ý. Một tấm thẻ được viết để bán sản phẩm sẽ không có dòng ghi MMLU-Pro 33.35.
Điểm 33,35 trên MMLU-Pro không phải là con số mà một đội ngũ ra mắt sản phẩm sẽ chọn. Điểm 28,18 trên GPQA cũng không phải. Việc những con số này xuất hiện là bằng chứng cho thấy bảng này được tạo ra từ một pipeline đánh giá chứ không phải từ một pipeline tiếp thị, và đó là lý do chính đáng để tin vào những tuyên bố đi kèm — cửa sổ 32.768 token, tám ngôn ngữ, mốc cắt kiến thức 2025-12, số lượng tham số 2,29B được suy ra từ một cấu hình embedding chia sẻ.
Sự thẳng thắn tương tự cũng xuyên suốt phần hạn chế. Thẻ nêu thẳng rằng một mô hình cỡ này "có thể bỏ sót chi tiết nhỏ, đưa ra thông tin sai, hoặc tỏ ra không thể theo dõi suy luận nhiều bước phức tạp", rằng nó "không được huấn luyện để vượt trội về kiến thức thế giới", và rằng chất lượng đầu ra khác nhau giữa tám ngôn ngữ. So sánh điều đó với một bảng gồm 35 phép đánh giá chuẩn tự nhận đạt hiện đại nhất, và bạn đang nhìn vào hai lý thuyết khác nhau về mục đích của thẻ mô hình. Cả hai đều không gian dối. Một bên là tuyên bố về năng lực, bên kia là công bố thông tin.
Lời chào hàng trên thiết bị và cái bẫy ngữ cảnh dài
Cách diễn đạt của Microsoft rất rõ ràng: Aion Instruct là “Mô hình ngôn ngữ nhỏ (SLM) nền tảng trong hệ sinh thái Windows”, được xây dựng cho các tác vụ văn bản và hệ điều hành trên thiết bị, với một phiên bản mạnh hơn cùng một mô hình kiểm duyệt nội dung sẽ trở thành SLM của hệ điều hành Windows vào cuối tháng 1 năm 2027. Bản tải lên được mô tả là “một phần giới thiệu về những gì sắp tới”.
Định vị của MiniCPM5-2B rộng hơn: trợ lý cục bộ, tác nhân lập trình, quy trình sử dụng công cụ và suy luận, trên điện thoại, PC và khoang lái thông minh, cùng với bộ dữ liệu huấn luyện tác nhân gồm 500.000 mẫu và hơn 80.000 mẫu RL được phát hành song song với trọng số. Đây là một mô hình được xây dựng để hành động, không chỉ để trả lời.
Khoảng cách ngữ cảnh 131K so với 32K là nơi sự khác biệt đó lộ rõ nhất, và MiniCPM5-2B có bằng chứng: AA-LCR 59.0 và NoLiMa 68.1 là các benchmark ngữ cảnh dài, đều do nhà cung cấp tự chạy, đều được công bố với dấu hiệu trực quan mà thẻ của nó dùng cho kết quả do giám khảo chấm điểm. Aion có cửa sổ 32.768 token mà cấu hình của chính nó cho thấy đạt được bằng cách mở rộng YaRN từ phạm vi gốc 2.048 token, và không có bất kỳ đánh giá ngữ cảnh dài nào. Nếu khối lượng công việc liên quan đến tài liệu dài, lựa chọn đã được đưa ra thay bạn, và nó được quyết định bởi bằng chứng chứ không phải bởi số lượng tham số.
Ngăn xếp tác nhân là nơi phép so sánh thay đổi hình thái.
MiniCPM5-2B được huấn luyện cho các vòng lặp công cụ: 500K mẫu SFT tác nhân, RL kiểu GRPO trên các tác vụ có thể xác minh, và các dòng điểm chuẩn cho SWE-bench Verified, Terminal-Bench, BFCL và một lần chạy τ³ trong lĩnh vực ngân hàng. Aion-1.0-Instruct-2.3B tài liệu hóa một định dạng gọi công cụ và không công bố điểm chuẩn tác nhân nào, vì nó được xây dựng để tóm tắt, viết lại và trò chuyện trên một hệ điều hành.
Sự bất đối xứng đó đáng để suy nghĩ về mặt kiến trúc thay vì coi nó như một điểm số. Vòng lặp tác nhân không phải là một lần gọi mô hình; nó là một kế hoạch, một lần gọi công cụ, một kết quả, một lần lập kế hoạch lại, và thường là một ý kiến thứ hai, và mỗi bước là một yêu cầu riêng với độ trễ và xác suất thất bại riêng. Đây là lớp mà định tuyến không còn là chú thích hạ tầng nữa mà bắt đầu trở thành một phần của thiết kế. OrcaRouter có model fusion chạy một bảng các mô hình trên cùng một yêu cầu và kết hợp câu trả lời của chúng, và routing DSL của nó kết hợp nhiều mô hình vào một lần gọi duy nhất — hai nguyên thủy quan trọng khi "một mô hình nhỏ, một câu trả lời" là hình dạng sai cho nhiệm vụ. Cả Aion-1.0-Instruct-2.3B lẫn MiniCPM5-2B đều không có trong danh mục của chúng tôi hiện nay, vì cả hai đều là trọng số tự lưu trữ chứ không phải điểm cuối được lưu trữ; lập luận là về những yêu cầu mà tác nhân cục bộ của bạn không thể hoàn thành một mình, không phải về hai checkpoint này.
Cách thực tế: dùng mô hình nhỏ cho những bước chi phí thấp, và làm rõ đường leo thang thay vì hy vọng mô hình 2B sẽ làm đúng ở lần thử lại thứ tư. Một mô hình như MiniCPM5-2B đạt 46,4 trên SWE-bench Verified là ấn tượng so với kích thước của nó, nhưng vẫn sai hơn một nửa số lần, và dù có tinh chỉnh prompt đến đâu cũng không thay đổi được phép toán của một vòng lặp năm bước.
Những gì bạn thực sự có thể xác minh ngay hôm nay
Đây là câu quyết định phần lớn các so sánh này. Với MiniCPM5-2B, bạn có thể tải xuống một GGUF, nạp nó trong llama.cpp, chạy các lệnh đánh giá của chính model card và kiểm tra xem mình có tái tạo được 86.5 trên AIME hay không. Với Aion-1.0-Instruct-2.3B, bạn có thể tải xuống safetensors bfloat16, cài transformers 5.x, chấp nhận trust_remote_code=True và chạy cùng bộ khung đánh giá trên mười một bài benchmark của nó — việc này tốn công hơn nhưng hoàn toàn khả thi, và chưa ai công khai thực hiện điều đó.
Điều bạn không thể làm với Aion là chạy nó trên runtime có khả năng cao nhất nằm trên máy mà bạn đang nhắm tới. Thẻ mô hình liệt kê GGUF như một tên thư viện; kho lưu trữ chứa safetensors, các tệp tokenizer, hai mô-đun mô hình hóa tùy chỉnh và một mẫu trò chuyện. Kho lưu trữ anh em ONNX-WebGPU có tồn tại, khiến việc triển khai trên trình duyệt và DirectML trở nên khả thi, nhưng bản dựng GGUF mới chỉ được hứa chứ chưa được cung cấp. Nếu mục tiêu triển khai của bạn là llama.cpp hoặc LM Studio, tệp còn thiếu duy nhất đó chính là toàn bộ quyết định cho đến khi nó xuất hiện.
Có hai điều khác đáng để bạn tự kiểm tra thay vì tin tưởng. Thứ nhất, cửa sổ 32K: hãy lấp đầy nó và xem phần đuôi của tài liệu có sống sót qua các lớp cửa sổ trượt hay không. Thứ hai, luồng gọi công cụ: định dạng của Aion bọc các schema và lời gọi trong những thẻ tùy chỉnh, và việc nó phục hồi mượt mà đến đâu từ một lời gọi sai định dạng không phải là điều một tấm card có thể cho bạn biết.

Card của OpenBMB là cái duy nhất trong hai cái có công bố kết quả về ngữ cảnh dài và tác tử — AA-LCR 59.0, NoLiMa 68.1, SWE-bench Verified 46.4 — cùng với cửa sổ 131.072 token và kiến trúc Llama tiêu chuẩn.
Hai trường hợp sử dụng trung thực
Hãy chọn MiniCPM5-2B khi công việc liên quan đến công cụ, mã, tài liệu dài hoặc tiếng Trung. Thẻ của nó được viết cho những tác vụ đó, các benchmark của nó bao quát chúng, các bản lượng tử hóa của nó đã có, và giấy phép của nó là Apache 2.0. Rủi ro là tuyên bố hiện đại nhất chỉ dựa trên bộ so sánh của chính nhà cung cấp, và các mô hình 2 tỷ tham số trong vòng lặp tác nhân vẫn thất bại theo những cách tiêu tốn token thật.
Hãy chọn Aion-1.0-Instruct-2.3B khi công việc là một ứng dụng Windows tóm tắt, viết lại hoặc phân loại tài liệu cục bộ bằng một trong tám ngôn ngữ, ngoại tuyến, với dữ liệu không bao giờ rời khỏi thiết bị. Nó có ngữ cảnh nhỏ hơn, yếu hơn trên mọi benchmark chung và được hậu thuẫn bởi một model card nói rõ điều đó. Điều nó mang lại là một cam kết trên thiết bị có tài liệu và một lộ trình khả dĩ vào hệ điều hành trước tháng 1 năm 2027 — và, hiện tại, một số lượng rất nhỏ người đã chạy thử nó.
Bảng so sánh này sẽ được đọc khác đi sau một tháng nữa. Nếu một GGUF xuất hiện, phản đối về runtime sẽ biến mất. Nếu có một lần chạy harness độc lập, những con số sẽ không còn là của riêng Microsoft nữa. Cả hai điều đó vẫn chưa xảy ra, và giả vờ như ngược lại sẽ là điều duy nhất mà bài viết này không thể làm.

Thẻ mô hình của Microsoft, công bố những điểm số yếu của chính mình và ghi rõ các thiết lập chấm điểm lỏng lẻo — lý do để tin vào các tuyên bố về thông số kỹ thuật ngay cả khi các tuyên bố về benchmark không có gì đáng chú ý.

Bảng điểm theo bằng chứng hiện có: một bên là 35 benchmark đã công bố và bốn định dạng runtime, bên kia là 11 benchmark và safetensors.
