d1-Omni-2B so với MiniCPM5-2B: Mô hình quyết định không phải là mô hình trò chuyện nhỏ

Cả hai đều có trọng số mở, đều nằm quanh hai tỷ tham số và đều nhắm đến phần cứng đặt trên bàn làm việc thay vì trong tủ rack. Sự giống nhau chỉ đến thế. d1-Omni-2Bnhận một trạng thái — văn bản, JSON, hình ảnh, khung hình video, âm thanh — cùng một tập câu hỏi có tên, rồi trả về các câu trả lời có kiểu dữ liệu kèm xác suất đã hiệu chuẩn trong một lượt forward pass duy nhất. MiniCPM5-2Bnhận văn bản và viết thêm văn bản, suy luận để đi đến câu trả lời từng token một. Đổi cái này lấy cái kia không phải là nâng cấp mô hình hay hạ cấp mô hình; đó là việc viết lại bất kỳ thành phần nào tiêu thụ phản hồi. Vậy nên, so sánh đáng làm không phải là cái nào đạt điểm cao hơn. Mà là pipeline của bạn thực sự có thể chấp nhận hợp đồng nào, và mỗi lựa chọn khiến bạn tốn những gì về giấy phép, độ trễ và công việc triển khai để đáp ứng nó.

Điều gì thực sự trả về từ một lệnh gọi

Một lệnh gọi d1 trông giống một schema hơn là một cuộc trò chuyện. Bạn truyền system_one một trạng thái và một từ điển các câu hỏi, mỗi câu có một kiểu — có/không, chọn một, chọn nhiều, điểm số có thứ tự, khoảng văn bản, số, ngày, một hộp bao hoặc nhiều hộp — và bạn nhận lại một giá trị cho mỗi câu hỏi kèm theo xác suất. Ví dụ trong chính thẻ mô hình định tuyến một phiếu hỗ trợ: cờ hoàn tiền, phân công nhóm được rút ra từ hai tiêu chí có tên, và độ tin cậy trên mỗi mục. Không có văn xuôi, không có bản ghi, không phát ra token. Thẻ nêu rõ điều này: đây không phải mô hình trò chuyện.

Thiết kế đó chính là toàn bộ sản phẩm. Vì không có gì được giải mã, nên không có bước phân tích cú pháp, không có sửa JSON, không có vòng lặp thử lại cho mô hình đã bọc câu trả lời của mình trong một lời xin lỗi. Một giá trị được trả về tại ngưỡng bạn đã chọn, cùng với một đường từ chối khi không có gì trong tập tùy chọn phù hợp — Liquid báo cáo 78.5 trên bài kiểm tra từ chối đó ở dạng viết và 75.8 ở dạng nói. Nếu mã hạ nguồn của bạn cần một phép gán hàng đợi và một con số, thì đây chính là dạng bạn muốn.

MiniCPM5-2B lại mang hình thái ngược lại. Đây là một decoder kiến trúc Llama tiêu chuẩn, suy nghĩ trước khi trả lời, được xây dựng trên một giai đoạn SFT deep-thinking 400 tỷ token, RL theo miền và một bước chưng cất on-policy gộp mười sáu giáo viên chuyên gia vào một checkpoint dense duy nhất. Bạn hoàn toàn có thể nhận được đầu ra có cấu trúc từ nó — điểm số gọi hàm của nó khá đáng nể, và OpenBMB cung cấp một bộ phân tích công cụ cho vLLM — nhưng bạn có được điều đó bằng cách đặt yêu cầu trong một prompt và tin rằng decoder sẽ tuân theo. Phần suy luận chính là tính năng. Đó cũng là thứ bạn đang trả tiền cho mỗi lần gọi.

Cuộc đối đầu không tồn tại

Không có benchmark nào mà cả hai mô hình này đều đã được chạy trên đó. Đó không phải là một lỗ hổng trong báo cáo; mà là hệ quả của sự phân tách ở trên. d1-Omni-2B chỉ xuất hiện trong các bộ đánh giá quyết định của Liquid — DecisionBench v1 đạt 76.4, decisionbench.ai v4 đạt 84.7, Decision Index public suite v0.3 đạt 49.0, ImajevBench v2.0-lite đạt 72.3, mức trung bình thị giác không có trọng số là 67.7 trên mười tám benchmark. MiniCPM5-2B chỉ xuất hiện trong bộ đánh giá suy luận và năng lực tác tử của OpenBMB: mức trung bình 53.9 trên 34 bài kiểm tra, LiveCodeBench v6 đạt 69.1, AIME 2025 đạt 86.5, SWE-bench Verified đạt 46.4, BFCL v4 đạt 66.6, và chỉ 8.9 khiêm tốn hơn nhiều trên Humanity's Last Exam. Không một con số nào trong số đó được đo trên cùng các hạng mục, bởi cùng một bộ chấm điểm, như bất kỳ con số nào trong danh sách đầu tiên.

Bất kỳ ai cho bạn xem một bảng hai cột với các điểm số này đặt cạnh nhau đều đang ghép nối, và việc ghép nối đó còn tệ hơn vẻ ngoài của nó. Mọi con số của d1-Omni-2B đều do nhà cung cấp tự thực hiện và, tính đến thời điểm công bố, chưa được tái lập độc lập. Mức trung bình được nhấn mạnh của OpenBMB cũng do nhà cung cấp tự thực hiện — công ty đã phát hành kho dữ liệu huấn luyện và khung RL của mình, nhiều hơn mức hầu hết các phòng thí nghiệm thực hiện, nhưng đó là khả năng tái lập của phương pháp, không phải của điểm số.

Những con số độc lập thực sự tồn tại thì đáng đọc kỹ vì chúng mâu thuẫn với nhau giữa các phiên bản chỉ số. Artificial Analysis cho MiniCPM5-2B điểm 15 trên Intelligence Index v4.2 của mình khi đưa tin về màn ra mắt vào ngày 7 tháng 9; trang trực tiếp hiện ghi 12; còn tuyên bố của chính OpenBMB về điểm 23 được đưa ra trên v4.1.1. Ba con số đó không phải là sự sụt giảm và cũng không phải là tranh chấp — chỉ số đã thay đổi trong khi đó, và điểm từ các phiên bản khác nhau không thể so sánh được. Hãy lấy xu hướng và bỏ qua con số. Artificial Analysis hoàn toàn không có trang nào cho d1-Omni-2B hay mô hình anh em d1-2B của nó, nên mô hình ra quyết định vẫn chưa có bất kỳ phép đo độc lập nào.

Một con số trông như có thể chuyển giao được nhưng lại không phải: Liquid đã chạy một so sánh gồm 27 bài kiểm tra đối với mô hình chat LFM3-1.7B của mình với MiniCPM5-2B và thắng 23-4. Kết quả đó cho thấy một decoder được hậu huấn luyện của Liquid vượt qua decoder của OpenBMB trên các bài kiểm tra đó. Nó không nói gì về đầu quyết định, thứ chưa từng có trong lần chạy đó, và không nên được mượn để phân xử cặp so sánh này.

Nơi thông số kỹ thuật thực sự khác biệt

• Hợp đồng đầu ra — các giá trị được định kiểu kèm xác suất và không có token đầu ra, đối lập với văn bản được sinh ra kèm một dấu vết suy luận ngầm. Mọi thứ khác trong danh sách này đều phụ thuộc vào điều đó.

• Kích thước — 2.17B tham số trong một checkpoint BF16 4.33GB, so với tổng 2.52B và 1.98B không nhúng, khoảng 5GB ở BF16. Đủ gần nhau đến mức không bên nào thắng chỉ nhờ dung lượng.

• Đầu vào — văn bản hoặc trạng thái JSON, hình ảnh, khung hình video và âm thanh, có thể trộn lẫn trong một yêu cầu, so với chỉ văn bản. MiniCPM5-2B không có bộ mã hóa thị giác và không có đường xử lý âm thanh; nếu trạng thái chứa dạng sóng, thì so sánh này kết thúc tại đây. Nếu bạn muốn dòng đa phương thức của OpenBMB, đó là MiniCPM-V 4.7, một họ khác với sự đánh đổi khác.

• Ngữ cảnh — 128.000 token so với 131.072. Đây là cùng một con số được nêu theo hai cách, và đó không phải lý do để chọn mô hình này hay mô hình kia. Nó chỉ có ý nghĩa ở chỗ cả hai đều có thể chứa một tài liệu dài; hạn chế của d1-Omni-2B là những đoạn nói dài làm giảm độ chính xác của nó từ khá sớm, trước khi cửa sổ đầy, và thẻ mô tả cũng nói đúng như vậy.

• Giấy phép — LFM Open License v1.0 với ngưỡng doanh thu hằng năm $10,000,000, so với Apache-2.0 không có bất kỳ điều kiện nào. Đây là khác biệt đơn lẻ lớn nhất trong bảng và không liên quan gì đến chất lượng mô hình.

• Môi trường chạy — mã mô hình tùy chỉnh nằm sau trust_remote_code, Transformers 5.19 trở lên, chỉ BF16, không có GGUF từ nhà cung cấp và không có quy trình vLLM hay SGLang nào được tài liệu hóa, so với bộ công cụ Llama nguyên bản: vLLM, SGLang, llama.cpp, MLX, GPTQ, một GGUF chính thức trong repo và các bản dựng đã lượng tử hóa vốn đang lưu hành.

• Mức độ đón nhận — 36 lượt tải xuống và 10 lượt thích bốn ngày sau khi kho lưu trữ xuất hiện vào ngày 24 tháng 10, so với 1.216.145 lượt tải xuống và 1.823 lượt thích kể từ ngày 6 tháng 9. Lưu ý: con số của MiniCPM đã có bảy tuần và một bài đăng ra mắt, còn con số của d1 không có cả hai, nên hãy đọc đó như một tín hiệu về độ chín muồi thay vì một phán quyết.

Năm mili giây so với một ý nghĩ

Liquid công bố độ trễ gọi nóng cho d1-Omni-2B, được đo sau compile() ở BF16 dưới dạng trung vị của hai mươi lần gọi. Trên H100 PCIe, một câu hỏi tốn 5,8ms, ba câu hỏi 7,7ms, trạng thái 5.000 token 52ms, ảnh 384 pixel 12,1ms và mười giây âm thanh 12,4ms. Khi chạy theo lô 64 trạng thái mỗi lần gọi, nó xử lý 1.154 trạng thái mỗi giây, và MI325X còn nhanh hơn, đạt 3,7ms và 1.697 trạng thái mỗi giây. M5 Pro mất 21,1ms cho một câu hỏi và xử lý 110 trạng thái mỗi giây — chậm so với một card trung tâm dữ liệu, nhưng vẫn đủ nhanh để cảm thấy tức thì trong ứng dụng máy tính để bàn.

Đây không phải là một cuộc đua công bằng, vì bên kia không công bố thời gian. Về mặt cấu trúc, có thể nói rằng độ trễ của decoder tỷ lệ thuận với mức độ nó suy nghĩ, và MiniCPM5-2B là một mô hình được xây dựng để suy nghĩ. Trong một lệnh gọi định tuyến hoặc phân loại — nơi câu trả lời đúng là một trong bốn tên hàng đợi — bạn đang trả tiền cho một lý do giải thích mà không ai yêu cầu, và trả tiền theo token cho nó. Artificial Analysis đưa ra một con số cho điều này: trong toàn bộ lần chạy Intelligence Index của mình, mô hình đã phát ra 74 triệu token đầu ra, so với mức trung vị 67 triệu ở các mô hình tương đương, mà bản tóm tắt của tổ chức này gọi là "hơi dài dòng". Đó không phải là lập luận chống lại mô hình; đó là lập luận chống lại việc dùng nó vào vai trò mà d1-Omni-2B được xây dựng để đảm nhận.

Hãy xem các con số d1 với mức thận trọng thông thường. Đây là số đo của nhà cung cấp, được thực hiện trên phần cứng cụ thể kèm một bước biên dịch, và một lần chạy độc lập gần như chắc chắn sẽ cho kết quả ở một mức khác. Bậc độ lớn — thời gian một quyết định ở mức một chữ số mili giây — mới là phần còn trụ lại.

Điều khoản giấy phép vượt trên bảng điểm

{{1}}MiniCPM5-2B{{/1}} được phát hành theo {{2}}Apache-2.0{{/2}}. Bạn có thể sử dụng nó cho mục đích thương mại, tạo bản fork, phân phối lại, nhúng nó vào sản phẩm và không bao giờ phải trao đổi với luật sư về việc đó. {{3}}d1-Omni-2B{{/3}} được phát hành theo {{4}}LFM Open License v1.0{{/4}}, giấy phép này chỉ cho phép sử dụng thương mại khi tổ chức của bạn có doanh thu hằng năm dưới $10,000,000. Khi đạt hoặc vượt ngưỡng đó, giấy phép nêu rõ rằng việc sử dụng thương mại “không được cấp phép theo Thỏa thuận này” — nghĩa là bạn cần một thỏa thuận riêng với {{5}}Liquid AI{{/5}}, hoặc bạn không phát hành mô hình.

Việc phân phối lại được cho phép trên cả hai, kèm điều kiện về phía LFM: chuyển tiếp giấy phép, đánh dấu các tệp đã sửa đổi, giữ nguyên các thông báo. Không có yêu cầu đổi thương hiệu. Đối với một nhóm nghiên cứu, một nguyên mẫu, hay một công ty nằm thoải mái dưới ngưỡng, điều khoản đó chỉ là thủ tục hình thức. Đối với một nhóm sản phẩm tại công ty có thể vượt ngưỡng trong vòng đời hữu ích của mô hình, đó là một câu hỏi mua sắm xuất hiện trước cả bài đánh giá chuẩn đầu tiên — và đó là kiểu việc bị phát hiện muộn, bởi bộ phận pháp lý, sau khi kiến trúc đã được chốt.

Sự bất đối xứng rõ rệt đến mức cần phải nói thẳng không rào đón: chỉ riêng về giấy phép, MiniCPM5-2B là lựa chọn an toàn hơn cho mọi triển khai thương mại, và giấy phép của d1-Omni-2B là một cái giá thực sự khi chọn nó, chứ không phải là ghi chú phụ.

Cái nào bạn thực sự có thể chạy được ngay hôm nay

MiniCPM5-2B thật tẻ nhạt khi triển khai, và đó là lời khen cao nhất có thể dành cho một mô hình ở kích thước này. Nó là một decoder tiêu chuẩn, nên vLLM và SGLang hỗ trợ nó mà không cần bản vá, llama.cpp và LM Studio đọc được GGUF, MLX hỗ trợ Apple silicon, và bản dựng Q4_K_M chỉ khoảng 1.45GB. Cạm bẫy duy nhất là gọi công cụ: mô hình phát ra các lệnh gọi kiểu XML, nên vLLM cần minicpm5 được bật làm bộ phân tích lệnh gọi công cụ, nếu không các lệnh gọi hàm của bạn sẽ đến dưới dạng văn xuôi.

d1-Omni-2B vẫn chưa đến mức nhàm chán. Để tải nó, cần một bản Transformers gần đây với trust_remote_code=True, cùng với torch, torchvision và Pillow; kho lưu trữ chỉ cung cấp BF16 safetensors và không có gì khác. Không có GGUF từ nhà cung cấp, không có công thức vLLM hợp nhất trong card, và Hugging Face không liệt kê nhà cung cấp suy luận nào cho nó — vì vậy không có endpoint được lưu trữ để kiểm thử, cũng là lý do không có mức giá dịch vụ lưu trữ nào để báo giá. Con đường thực tế mà hầu hết mọi người sẽ chọn là thẻ Ollama d1-omni:2b, một gói đóng gói cộng đồng 4,4GB bao bọc cùng bộ trọng số. Cách đó chạy được. Đây cũng là lý do duy nhất một nhà phát triển có thể thử mô hình này trong một buổi chiều, và đó là công sức của bên thứ ba, không phải của Liquid.

Cả hai mô hình đều không có giá công bố trên mỗi token, vì cả hai đều không được bán theo token. Bất kỳ con số trên mỗi triệu nào bạn tìm thấy cho một trong hai đều được suy ra từ tính toán thuê GPU chứ không phải do nhà cung cấp báo giá. Nếu bạn đang so sánh chúng về chi phí, hãy so sánh chúng dựa trên việc một quyết định tốn bao nhiêu giây thời gian GPU — và hãy nhớ rằng câu trả lời của mô hình ra quyết định đã hoàn tất khi lệnh gọi trả về, còn câu trả lời của mô hình trò chuyện hoàn tất khi nó ngừng suy nghĩ.

Mẫu sử dụng cả hai

Kết luận trung thực của so sánh này là chúng không phải đối thủ cạnh tranh, và kiến trúc hữu ích coi chúng đúng như vậy. d1-Omni-2B xử lý những phán đoán chi phí thấp, khối lượng lớn, nhạy cảm với độ trễ: hàng đợi nào, đội nào, đây có phải cùng một hóa đơn không, mức độ khẩn cấp ra sao, hộp nào trong mười hai hộp này. Nó chạy cục bộ, trả về một con số mà bạn có thể áp ngưỡng, và nó không đưa ra kết luận khi không biết.

MiniCPM5-2B đảm nhận phần cần đến ngôn ngữ: giải thích quyết định cho khách hàng, soạn thảo câu trả lời, viết bản sửa lỗi, gọi công cụ tiếp theo trong chuỗi. Nó kém hơn ở công việc thứ nhất và giỏi hơn ở công việc thứ hai, và việc tách đôi ấy chẳng tốn gì ngoài một lệnh gọi hàm giữa chúng — một tuyến chỉ chuyển lên mô hình đắt tiền khi độ tin cậy của mô hình rẻ tụt xuống dưới ngưỡng của bạn. Lớp chuyển cấp đó chính là kiểu thứ mà một nền tảng định tuyến sinh ra để làm: một khóa API duy nhất cho hơn 200 mô hình với 0% phụ phí trên giá niêm yết của nhà cung cấp, tự động chuyển đổi dự phòng khi nhà cung cấp gặp trục trặc, và một DSL định tuyến cho phép bạn kết hợp nhiều mô hình sau một lệnh gọi duy nhất. Hiện nay cả d1-Omni-2B lẫn MiniCPM5-2B đều chưa có trong danh mục của OrcaRouter, nên nửa quyết định của mẫu hình này vẫn phải tự vận hành trong lúc này — nhưng nửa sinh tạo, phần mà bạn sẽ muốn thay thế khi có những mô hình nhỏ tốt hơn xuất hiện, lại chính là nửa đáng để định tuyến thay vì mã hóa cứng.

Ai nên chọn cái nào

Hãy chọn d1-Omni-2B khi trạng thái chứa âm thanh hoặc video, khi bạn cần một xác suất thay vì một câu, khi câu trả lời phải là một hộp giới hạn, một span hoặc một con số kèm khoảng giá trị, và khi lệnh gọi nằm trong một vòng lặp nơi 6ms và 78ms là hai sản phẩm khác nhau. Hãy chọn nó với hiểu biết rằng ngưỡng giấy phép áp dụng cho bạn, rằng triển khai là lĩnh vực mã tùy chỉnh, và rằng chưa có đánh giá độc lập nào. Model card của chính Liquid hướng những người không có âm thanh sang d1-2B, một chỉ dẫn trung thực hơn phần lớn những gì các nhà cung cấp khác tự nguyện đưa ra.

Hãy dùng MiniCPM5-2B khi đầu vào là văn bản, khi đầu ra phải được con người đọc hoặc đưa vào một công cụ cần văn xuôi, khi bạn cần suy luận xuyên suốt một tài liệu dài, và khi Apache-2.0 cùng một lộ trình triển khai Llama tiêu chuẩn loại bỏ hai nhóm rủi ro trước khi bạn viết một dòng mã nào. Hãy dùng nó với hiểu biết rằng mức trung bình 53.9 của nhà cung cấp chưa được tái lập, rằng điểm độc lập của nó là 12 trên chỉ mục hiện tại — cao hơn hẳn mức trung vị 5 của các mô hình trong cùng lớp kích thước, và không thể so sánh với 15 hoặc 23 được ghi nhận trên các phiên bản trước đó — và rằng những kết quả công bố yếu nhất của nó, Terminal-Bench ở 8.6 và SWE-bench Pro ở 14.4, lại là những kết quả gần nhất với công việc agentic, lĩnh vực mà nó được quảng bá mạnh nhất.

Và đừng chọn cả hai nếu điều bạn thực sự muốn là một mô hình trò chuyện nhỏ có khả năng nhìn. MiniCPM5-2B không làm được điều đó, d1-Omni-2B không trò chuyện, còn mô hình mà người ta thường nhắm tới khi gõ một trong hai cái tên vào ô tìm kiếm lại là một mô hình khác trong cùng những dòng họ đó. Điều đáng để ý là đánh giá âm thanh độc lập đầu tiên về d1-Omni-2B. Các kết quả ngôn ngữ nói của nó — 92.5 trên FLEURS ở 43 ngôn ngữ, nhưng 42.0 ở dạng viết giảm còn 22.8 khi nghe trên các trạng thái ngắn, và từ 83.6 xuống 41.8 trên các đoạn văn đa ngôn ngữ — mô tả một mô hình rất giỏi nhận diện ngôn ngữ nhưng mong manh khi phải hiểu một đoạn văn được đọc thành tiếng. Cho đến khi ai đó bên ngoài Liquid đo được khoảng cách đó, ca nhập liệu bằng giọng nói vẫn chỉ là một lời hứa gắn với một con số, chứ không phải một kết quả.