PAN 2 vs MiniCPM5-2B: Một bên phát hành dữ liệu, bên kia phát hành prompt

OpenBMB đã phát hành MiniCPM5-2B vào ngày 6 tháng 9 năm 2026 và, cùng với checkpoint 2,52 tỷ tham số, đã công bố các kho ngữ liệu huấn luyện: UltraX-Preview cho tiền huấn luyện web, UltraData-Code với cơ chế quản lý phân tầng L0 đến L3, UltraData-SFT-Agent-2609 với nửa triệu mẫu agent, và UltraData-RL-2609 với hơn tám mươi nghìn mẫu học tăng cường. Đó là một thứ hiếm khi được trao đi, và đó là lăng kính phù hợp cho so sánh này. PAN 2, được Viện Mô hình Nền tảng của MBZUAI âm thầm công bố mà không có bài đăng ra mắt và không có endpoint được host, làm một việc gần tương tự nhưng không giống hệt: họ trao đi các prompt của mình. Kho lưu trữ đi kèm một kỹ năng conceptual-reasoner với prompt hệ thống, một prompt phủ định cố định và một trình xác thực ngân sách token cho các chú thích trạng thái thế giới có cấu trúc mà xương sống diffusion của nó mong đợi, cùng với các cấu hình huấn luyện đã tạo ra nó. Một phòng thí nghiệm mở dữ liệu của mình. Phòng kia mở giao diện của mình. Không bên nào mở cả hai, và bên nào hữu ích hơn với bạn hoàn toàn phụ thuộc vào việc bạn đang cố xây dựng điều gì.

Hai tiết lộ, không cái nào trọn vẹn.

Bản công bố dữ liệu của MiniCPM5-2B là có thật và rất cụ thể. Thẻ mô hình nêu tên các bộ dữ liệu, liên kết đến chúng và mô tả đóng góp của từng bộ — dữ liệu mã được quản lý theo tầng, mẫu SFT cho agent, mẫu RL bao trùm toán học, mã, kiến thức chung và suy luận ngữ cảnh dài. Điều nó không cung cấp là tỷ lệ pha trộn, thứ tự, quy trình khử nhiễm hoặc số lượng token theo từng nguồn. Bạn có thể thấy nguyên liệu mà không thấy công thức.

Bản phát hành prompt của PAN 2 là hình ảnh phản chiếu. Chính sách chú thích được quy định đầy đủ: mô tả trạng thái thế giới phải chứa những gì, thứ tự các sự kiện, cách hành động gắn với tác nhân, cách chuyển động máy quay được biểu đạt, và giới hạn cứng 1.536 token bộ mã hóa văn bản với mục tiêu mềm 1.480. Điều nó không cung cấp cho bạn là kho ngữ liệu đã dạy mô hình đọc những chú thích đó — "hàng trăm triệu video được chú thích theo cùng định dạng", không có thẻ tập dữ liệu và không có bản phát hành.

Vì vậy, nếu nhu cầu của bạn là hiểu vì sao một mô hình ngôn ngữ nhỏ lại hành xử theo cách nó đang làm, MiniCPM5-2B cho bạn nhiều thứ hơn để tận dụng. Nếu nhu cầu của bạn là khiến một mô hình video tạo ra đoạn clip bạn yêu cầu, PAN 2 cho bạn nhiều hơn. Cả hai bản phát hành đều minh bạch hơn mức trung bình, và cả hai đều dừng lại ở đúng điểm mà sự minh bạch trở thành bất lợi cạnh tranh.

Những con số, và giá trị của chúng

MiniCPM5-2B là một mô hình dày đặc kiến trúc Llama với 2.516.756.480 tham số — 1,98 tỷ tham số không tính embeddings, 42 lớp, 16 head truy vấn so với 2 head khóa-giá trị, ngữ cảnh 131.072 token, tiếng Anh và tiếng Trung. OpenBMB tuyên bố đây là trạng thái tiên tiến nhất (SOTA) mã nguồn mở thuộc lớp 2B, với mức trung bình 53,9 trên bộ so sánh của mình, so với 51,1 của mô hình lớn hơn tốt nhất trong bộ đó. Các hàng riêng lẻ là chỗ tuyên bố trở nên thú vị: LiveCodeBench v6 đạt 69,1, AIME 2026 đạt 86,5, MMLU-Pro đạt 70,8, GPQA Diamond đạt 70,2, SWE-bench Verified đạt 46,4, τ²-Bench Telecom đạt 97,1, AA-LCR đạt 59,0 và NoLiMa đạt 68,1.

Đó là các số do nhà cung cấp báo cáo trên một bộ so sánh do nhà cung cấp lựa chọn, và bộ này rất đáng chú ý: nó gồm Gemma-4-E2B-it, Gemma-4-E4B-it, Qwen3.5-2B, Qwen3.5-4B, LFM2.5-2.6B và LFM2.5-8B-A1B. Trên AA-LCR, khoảng chênh lệch được báo cáo là 59,0 cho MiniCPM5-2B so với 5,3 cho LFM2.5-2.6B và 17,0 cho Gemma-4-E2B-it. Trên SWE-bench Verified, con số là 46,4 so với 6,0, 2,0 và 3,0. Những khoảng cách đó đủ lớn để khác biệt về harness không thể giải thích được, nhưng harness vẫn là của OpenBMB và chưa ai tái lập bảng này một cách độc lập.

PAN 2 không có bảng loại đó, vì không có công cụ dùng chung cho các mô hình thế giới video như cách có cho mã và toán. Thay vào đó, nó có một phần hạn chế có cấu trúc thẳng thừng hơn bất kỳ điểm chuẩn nào của nhà cung cấp: khoảng hai trong ba kế hoạch mô phỏng chứa ít nhất một bước không được thực hiện; ngoại hình bị trôi giữa các clip vì mỗi clip chỉ khởi đầu từ tối đa một khung hình cộng với văn bản; các hành động văn bản chỉ định thao tác khéo léo một cách thô; mô hình có thể để một mô phỏng tiếp diễn trong khi vi phạm các ràng buộc vật lý, với ví dụ là mì ống xuất hiện trong rổ lọc trước khi được đổ ráo nước.

• Đó là gì — MiniCPM5-2B: một mô hình văn bản dense 2,52B dành cho trợ lý trên thiết bị, tác nhân lập trình và quy trình công cụ. PAN 2: một transformer khuếch tán 29B kết xuất hệ quả của một hành động dưới dạng video.

• Đầu ra — MiniCPM5-2B: văn bản. PAN 2: MP4, tối đa 20 giây ở 704×1248 và 24 fps.

• Ngữ cảnh hay tầm xa — MiniCPM5-2B: 131.072 token, với AA-LCR 59,0 và NoLiMa 68,1 trên bộ đánh giá của OpenBMB. PAN 2: chỉ một khung hình khởi đầu cộng với một chú thích, nên các tương tác dài bị trôi dạt và thẻ nói rõ điều đó.

• Giấy phép — MiniCPM5-2B: Apache-2.0, tiếng Anh và tiếng Trung. PAN 2: Apache-2.0 trên trọng số riêng của nó, với Qwen3.5-9B và Wan 2.2 theo các điều khoản riêng của chúng.

• Phần cứng — MiniCPM5-2B: một GPU phổ thông duy nhất, và thẻ mô hình ghi lại các đường dẫn vLLM, SGLang và llama.cpp cùng một backend đa chip. PAN 2: tám H200 theo mặc định trong công thức vLLM; bốn B300 cho mười ba giây video trong khoảng 119 giây.

Tuyên bố “trên thiết bị” so với thực tế ở quy mô nút

MiniCPM5-2B được xây dựng để nhỏ theo đúng cách quan trọng: không chỉ ít tham số, mà còn là một lộ trình được tài liệu hóa để chạy trên phần cứng bạn đã sở hữu. Thẻ này có hướng dẫn nhanh cho vLLM, SGLang và llama.cpp, kèm ghi chú rằng -c 8192 đặt độ dài ngữ cảnh trên đường llama.cpp — một dòng chỉ xuất hiện trong tài liệu do những người thực sự đã chạy thứ này trên laptop viết. Nó cũng tài liệu hóa FlagOS, một backend đa chip cho phép cùng một bộ trọng số chạy trên các bộ tăng tốc khác nhau. Đó là một câu chuyện triển khai hướng đến điện thoại, máy tính bo mạch đơn và các hộp suy luận giá rẻ.

Câu chuyện triển khai của PAN 2 thì đối lập ở mọi khía cạnh, và lý do là số học chứ không phải sự cẩu thả. Năm mươi bước sampler với classifier-free guidance ở mỗi bước đồng nghĩa với một trăm lượt lan truyền xuôi qua transformer 29B cho mỗi clip. Công thức song song hóa guidance trên hai rank và độ dài chuỗi trên hai rank nữa, rồi bổ sung song song hóa patch VAE trên bốn rank ở chế độ tile vì giải mã hai mươi giây của 704×1248 tự nó đã là một bài toán bộ nhớ riêng. Bạn không thể chạy thứ đó trên laptop, và nhóm không hề giả vờ rằng có thể.

Điều đáng chú ý là cả hai mô hình đều không được lưu trữ ở bất kỳ đâu. MiniCPM5-2B có hơn một triệu lượt tải xuống mỗi tháng và không có API chính chủ; PAN 2 không có API và tính đến ngày 11 tháng 11 năm 2026, chỉ có một bài đăng trên mạng xã hội từ tài khoản của phòng thí nghiệm và không có gì đằng sau nó — không có endpoint, không có liên kết bài báo, không có giá. Nếu bạn muốn dùng một trong hai, bạn phải tự chạy nó.

Nơi có thể thuê một nửa phần lập kế hoạch

Kiến trúc của PAN 2 khiến một phần của nó có thể tách rời, và đó là phần mà hầu hết các nhóm không nên tự xây dựng. Bộ suy luận khái niệm — mô hình ngôn ngữ biến một quan sát và một hành động được yêu cầu thành chú thích có cấu trúc mà phần lõi diffusion tiêu thụ — rõ ràng là bất kỳ mô hình nào tuân theo chỉ dẫn. Báo cáo xếp hạng bốn mô hình theo tần suất một kế hoạch mô phỏng hoàn thành từ đầu đến cuối: Claude Opus 5.5, GPT-6 Astra ở mức nỗ lực trung bình, Kimi K3, rồi Qwen3.8-Flash. Thẻ cũng lưu ý rằng có thể dùng bất kỳ LLM nào tuân theo chỉ dẫn, và việc vượt ra ngoài phân phối huấn luyện thường cần các prompt được tinh chỉnh thủ công.

Điều đó biến bộ suy luận thành một lựa chọn vận hành mà bạn sẽ muốn xem lại, và xem lại nó qua một router sẽ rẻ hơn qua bốn cuộc trao đổi mua sắm. Qwen3.8-Flash có trên OrcaRouter; một khóa API duy nhất với chuyển đổi dự phòng tự động cho phép bạn chạy cùng một khối lượng công việc tạo chú thích trên nhiều bộ lập kế hoạch, theo giá niêm yết của nhà cung cấp với mức tăng giá 0% được chuyển qua, và giữ lại bộ nào hoàn thành kế hoạch của bạn thường xuyên nhất. OrcaRouter không lưu trữ PAN 2 — không có PAN 2 được lưu trữ để định tuyến — và nó cũng không lưu trữ MiniCPM5-2B. Bộ kết xuất và mô hình nhỏ vẫn ở trên phần cứng của bạn; bộ lập kế hoạch là hàng phổ thông.

Đối với MiniCPM5-2B, cách tính toán khác đi theo một hướng đáng nói rõ. Các mô hình chạy trên thiết bị tồn tại chính là để tránh những lệnh gọi tính phí theo lượng dùng, và một mô hình 2B chạy trên điện thoại không được cải thiện bằng cách định tuyến vòng qua nó. Nếu lý do của bạn là quyền riêng tư, độ trễ hay vận hành ngoại tuyến, thì định tuyến là câu trả lời sai và MiniCPM5-2B là mô hình đúng. Nếu lý do của bạn là chi phí, hãy so sánh một cách trung thực: một mô hình 2B đạt 53.9 trên mức trung bình của chính nó có thể tốn nhiều thời gian kỹ thuật hơn để đạt ngang bằng trên tác vụ của bạn so với một lệnh gọi tính phí theo lượng dùng tới một mô hình lớn hơn.

Mục đích thực sự của từng bản phát hành là gì

MiniCPM5-2B là một mô hình có một nhiệm vụ: trở thành mô hình mở tốt nhất phân khúc 2B trên các benchmark mà người dùng quan tâm, chạy trên thiết bị và đi kèm dữ liệu để cộng đồng có thể xây dựng dựa trên nó thay vì xây dựng vòng quanh nó. Đây là một bản phát hành trưởng thành với hệ tài liệu phản ánh nhiều vòng phát triển — hướng dẫn nhanh cho ba serving stack, một phần gọi công cụ, cookbook, công thức tinh chỉnh, backend đa chip.

PAN 2 là một sản phẩm nghiên cứu với một luận điểm đầy đủ một cách bất thường. Nó lập luận rằng suy luận mô phỏng — một tác nhân tưởng tượng ra kết quả của các hành động ứng viên của mình trước khi chọn một hành động — là một năng lực bạn có thể xây dựng thay vì một năng lực bạn hy vọng sẽ tự xuất hiện, và nó hiện thực hóa lập luận đó dưới dạng một hệ thống hai giai đoạn với một khuôn mẫu đã được công bố ở phía sau (công thức Generative Latent Prediction trong Critique of World Models, arXiv 2507.05169). Hỗ trợ framework ra mắt vào ngày 10 tháng 11 năm 2026 đã khiến nó có thể chạy được. Một bài đăng hai đoạn trên tài khoản X của chính phòng thí nghiệm vào chiều cùng ngày đã không khiến nó được ra mắt, và kể từ đó không có gì khác được nói thêm.

Không cái nào trong hai cái đó là một bản phát hành tốt hơn cái kia. Chúng là câu trả lời cho những câu hỏi khác nhau, được công bố ở những giai đoạn có mức độ tin cậy khác nhau. Một phòng thí nghiệm đang nói rằng "đây là một mô hình nhỏ mà bạn có thể tin cậy, và đây là những gì đã góp phần tạo nên nó". Phòng còn lại đang nói rằng "đây là một hệ thống làm được điều gì đó mới, và đây chính xác là chỗ nó thất bại". Việc so sánh giữa hai cái chỉ hữu ích nếu bạn biết câu nào trong những câu đó mô tả dự án của bạn.