MiniCPM5-2B-DSpark so với LFM2.5-2.6B-Base: Một là nguyên liệu cho việc phục vụ, một là nguyên liệu cho việc huấn luyện

Hai trong số những bản phát hành mô hình nhỏ thú vị nhất vào cuối hè 2026 có điểm chung này: cả hai đều không hoạt động ngay khi cài đặt, và cả hai nhà cung cấp đều nói rõ điều đó ngay trong những câu đầu tiên trên trang giới thiệu của họ. MiniCPM5-2B-DSpark là checkpoint nháp DSpark mà OpenBMB âm thầm đăng lên Hugging Face vào ngày 6 tháng 9 năm 2026 — một mô hình đồng hành 323,8M tham số cho MiniCPM5-2B, mô hình trên thiết bị đặc 2,52B tham số mà ModelBest công bố tại WAIC vào ngày 19 tháng 7 năm 2026 — và nó không làm được gì cho đến khi bạn nạp nó cùng với mô hình mục tiêu đó trong một engine giải mã suy đoán. LFM2.5-2.6B-Base là checkpoint văn bản tiền huấn luyện của Liquid AI, có mặt trên Hugging Face từ ngày 1 tháng 8 năm 2026, được chính trang giới thiệu của Liquid gọi là "checkpoint chỉ dành cho văn bản đã tiền huấn luyện", chỉ được khuyến nghị cho các tác vụ yêu cầu tinh chỉnh sâu. Một cái là thành phần để phục vụ một mô hình đã hoàn thiện nhanh hơn; cái còn lại là thành phần để huấn luyện mô hình của riêng bạn ngay từ đầu. Chúng nằm trên những kệ khác nhau, và sai lầm của người xây dựng sẽ là với nhầm một trong hai.

Điều khiến chúng đáng để so sánh là chúng cùng nhắm tới một loại phần cứng và cùng một tham vọng cho năm 2026 — AI có năng lực trên điện thoại, máy tính xách tay và các thiết bị biên — nhưng từ hai đầu đối lập của quy trình xây dựng. Nếu bạn muốn một mô hình trên thiết bị sẵn sàng triển khai cùng với tăng tốc miễn phí, bộ công cụ của OpenBMB trao cho bạn trọn vẹn thứ đó theo cách mở. Nếu bạn muốn tự mình nắm phần hậu huấn luyện, Liquid trao cho bạn nền tảng và công sức. Bài viết này nói về việc bạn thực sự đang mua tầng nào.

Hai tấm thiệp ghi "không dùng trực tiếp" trong các phương ngữ khác nhau

Đọc hai model card cạnh nhau, và điểm mấu chốt nằm ở ngôn ngữ ghép cặp. Card của MiniCPM5-2B-DSpark được viết hoàn toàn dưới dạng tham chiếu đến một mô hình khác: một mô hình đích, một tokenizer dùng chung, các lớp draft, độ dài được chấp nhận, một lệnh khởi chạy SGLang nhận đường dẫn đích và đường dẫn draft. Mô hình draft không có danh tính riêng — 5 lớp full-attention, 323.776.001 tham số, kích thước khối là 7, được huấn luyện trong 6 epoch trên 7,05 tỷ token phản hồi do MiniCPM5-2B tạo ra, và được phát hành dưới giấy phép Apache-2.0 với các head confidence và Markov của phương pháp DSpark (arXiv 2607.05147) được bật. Mục đích của nó là thông lượng: đề xuất tối đa 7 token, để mô hình đích 2.52B xác minh cả khối trong một lượt, rồi giữ lại phần nó chấp nhận.

Thẻ openbmb/MiniCPM5-2B-DSpark nêu trên là toàn bộ diện mạo công khai của bản phát hành — một phụ kiện phục vụ không kèm theo thông báo nào, ghi nhận độ dài chấp nhận nhưng không có tăng tốc đầu cuối.

Thẻ của LFM2.5-2.6B-Base được viết dựa trên một mô hình chưa tồn tại: mô hình của bạn. Kiến trúc lai 2.69B xếp chồng tám lớp attention nhóm truy vấn trên hai mươi hai khối tích chập ngắn hai cổng — kiến trúc của Liquid dành cho triển khai trên thiết bị — được huấn luyện trên khoảng 34 nghìn tỷ token thuộc 16 ngôn ngữ với ngữ cảnh 128K. Mô hình chỉ hỗ trợ văn bản, không có tinh chỉnh theo hướng dẫn, và không công bố bất kỳ điểm chuẩn nào của riêng mình, vì một mô hình nền tiền huấn luyện không được chấm điểm; các sản phẩm tinh chỉnh sinh ra từ nó mới được chấm điểm. Nhiệm vụ của nó là được tiền huấn luyện tiếp tục hoặc tinh chỉnh có giám sát trên dữ liệu của bạn, sau đó bất cứ thứ gì bạn phát hành đều thừa hưởng các điều khoản cấp phép của nó.

Thẻ LiquidAI/LFM2.5-2.6B-Base ở trên hiển thị bảng họ mô hình — bản cơ sở so với mô hình tác tử LFM2.5-2.6B được hậu huấn luyện — cùng với ghi chú "pre-trained text-only checkpoint" định nghĩa bản cơ sở như nguyên liệu thô.

Các kho lưu trữ, từng chiều một

• Vai trò — MiniCPM5-2B-DSpark: tăng tốc một mô hình đích đã hoàn thiện sẵn có. LFM2.5-2.6B-Base: chất nền mà bạn huấn luyện tiếp để tạo thành một mô hình hoàn chỉnh.

• Tham số — MiniCPM5-2B-DSpark: draft 324M cho mục tiêu dense 2.52B. LFM2.5-2.6B-Base: hybrid 2.69B (các khối attention + short-convolution).

• Ngữ cảnh — MiniCPM5-2B mục tiêu: 128K nguyên bản. LFM2.5-2.6B-Base: 128K nguyên bản.

• Những gì bạn cần thêm — MiniCPM5-2B-DSpark: một công cụ phục vụ (SGLang DSPARK) và mô hình mục tiêu. LFM2.5-2.6B-Base: một lần chạy tinh chỉnh, một bộ đánh giá và một ngăn xếp suy luận.

• Điểm chuẩn — MiniCPM5-2B-DSpark: chỉ có độ dài chấp nhận repo (tổng hợp greedy 5,52 mỗi bước), không có con số tăng tốc. LFM2.5-2.6B-Base: chưa có công bố nào cho chính bản base.

• Giấy phép — MiniCPM5-2B-DSpark: Apache-2.0, không ràng buộc điều kiện. LFM2.5-2.6B-Base: LFM Open License v1.0 — được phép sử dụng thương mại miễn phí với doanh thu hàng năm lên tới 10 triệu USD, và giới hạn này được kế thừa bởi bất kỳ phiên bản tinh chỉnh nào của bạn.

Bảng điểm phía trên là kệ nguyên liệu được vẽ thành một tấm thẻ: một cột là phần bổ trợ phục vụ cho mô hình đã hoàn thiện, cột còn lại là chất nền huấn luyện cho một mô hình vốn chưa tồn tại cho đến khi bạn xây dựng nó.

Khác biệt 10 triệu đô la

Đối với một nhà phát triển, khoảng trống cấp phép là hạng mục kém hào nhoáng nhất nhưng lại mang tính quyết định nhất trong danh sách đó. ModelBest và OpenBMB đặt MiniCPM5-2B và bản nháp của nó dưới Apache-2.0: bạn có thể phục vụ mô hình đích, chạy mô hình nháp, và xây dựng sản phẩm thương mại trên đó mà không có trần doanh thu và không có nghĩa vụ kế thừa nào ngoài việc ghi công. Giấy phép LFM Open License v1.0 của Liquid cho phép sử dụng thương mại nhưng giới hạn nó — miễn phí dưới 10 triệu đô la doanh thu hàng năm, và trần giới hạn này truyền vào sản phẩm phái sinh của bạn, vì vậy một sản phẩm bạn tinh chỉnh từ LFM2.5-2.6B-Base cũng mang cùng trần giới hạn đó. Điều đó không làm cho giấy phép của Liquid trở nên bất hợp lý; nó khiến giấy phép trở thành một điều khoản mà một startup hy vọng mở rộng vượt qua trần giới hạn phải lên kế hoạch ngay từ ngày đầu. Nếu tham vọng doanh thu của dự án bạn nhỏ hoặc bạn đang đánh giá nghiên cứu, trần giới hạn không phải là vấn đề. Nếu bạn đang xây dựng thứ gì đó mà bạn định phát triển, Apache-2.0 là một loại nguyên liệu thô khác.

Ngã rẽ giữa việc tự xây dựng và mua sẵn dành cho nhà phát triển

Hãy coi đây là quyết định tự xây dựng hay mua sẵn đối với bản thân mô hình, và sự lựa chọn sẽ không còn gây bối rối. MiniCPM5-2B-DSpark là hướng “mua sẵn”: phần việc khó — hậu huấn luyện một mô hình trên thiết bị cho các tác vụ tác tử và ngữ cảnh dài — đã được hoàn thiện trong MiniCPM5-2B, còn mô hình draft chính là lớp tăng tốc không cần thêm giấy phép nằm bên trên. Bạn đang mua một mô hình hoàn chỉnh và một sự tăng tốc, cả hai đều dùng giấy phép Apache-2.0, và công việc còn lại của bạn chỉ là serving và đánh giá. Câu hỏi còn bỏ ngỏ là câu hỏi định lượng: OpenBMB đã đo tỷ lệ chấp nhận của mô hình draft (5.52 token mỗi bước xác minh ở chế độ greedy) nhưng chưa đo hiệu quả tính theo thời gian thực, nên bạn vẫn phải benchmark việc triển khai SGLang trên phần cứng của mình để biết thứ mình đã mua.

LFM2.5-2.6B-Base là đường dẫn "build": bạn đang mua nền tảng tiền huấn luyện và tự mình thực hiện phần hậu huấn luyện, đây là lý do trung thực duy nhất để chọn bản base thay vì bản anh em LFM2.5-2.6B đã hậu huấn luyện mà Liquid đã bán. Đường dẫn đó hợp lý khi bạn có một lĩnh vực, một ngôn ngữ, hoặc một hồ sơ hành vi mà các mô hình có sẵn trên thị trường không bao phủ — bạn lấy kiến trúc của Liquid và nền tảng 34 nghìn tỷ token rồi biến nó thành của riêng bạn. Con đường này đòi hỏi nhiều công sức hơn hẳn, khởi đầu với con số benchmark công bố bằng không, và vẫn mang theo giới hạn doanh thu. Phần thưởng là một mô hình mà không ai khác có được.

Thực tế định tuyến

Không checkpoint nào xuất hiện trong bất kỳ danh mục lưu trữ nào hiện nay, kể cả của OrcaRouter — bản nháp về bản chất là một phụ kiện phục vụ cục bộ, còn nền tảng của Liquid là một dự án tinh chỉnh tự lưu trữ. Đó là nơi lớp định tuyến vẫn giữ được tính hữu dụng mà không giả vờ lưu trữ cả hai: một khi bạn đã phục vụ hoặc tinh chỉnh một trong hai mô hình, lớp nằm phía trước các endpoint của chính bạn là thứ giúp việc dùng thử chúng có thể đảo ngược. Hãy trỏ một đường dẫn thử nghiệm vào bản dựng SGLang MiniCPM5-2B-plus-draft trong khi môi trường sản xuất vẫn tiếp tục chạy trên những gì bạn đang phục vụ hôm nay, để cơ chế chuyển đổi dự phòng tự động phát hiện sự trì trệ, và giữ nguyên giá niêm yết của nhà cung cấp được chuyển tiếp qua với mức chênh lệch 0% cho các mô hình lưu trữ mà bạn dùng để so sánh. Ý nghĩa của lớp này ở đây không phải là phân phối — mà là không thành phần nào trong hai thành phần đó ràng buộc bạn một cách không thể đảo ngược.

Bạn đang mua sắm ở kệ nào?

Chọn MiniCPM5-2B-DSpark (kèm mô hình mục tiêu của nó) khi bạn muốn có ngay hôm nay một mô hình hoàn chỉnh, Apache-2.0 chạy trên thiết bị, cùng một bản nháp có thể giúp nó nhanh hơn — chấp nhận rằng bạn phải tự mình đo mức tăng tốc của bản nháp, vì nhà cung cấp đã không đo. Chọn LFM2.5-2.6B-Base khi bạn định tự post-train mô hình của riêng mình và muốn dùng kiến trúc lai cùng nền tảng 16 ngôn ngữ của Liquid làm trọng số khởi đầu — chấp nhận hóa đơn fine-tuning, con số không benchmark được công bố, và mức trần doanh thu 10 triệu USD sẽ đi theo bất cứ thứ gì bạn phát hành. Hai mô hình này không phải là đối thủ cho cùng một công việc; chúng là hai công việc khác nhau trên cùng một phần cứng, và lựa chọn sai duy nhất là mua một trong hai trong khi tin rằng mình đang mua cái kia.