Intern-Decision-2B 對上 MiniCPM5-2B：兩個相隔二十天的 2B 檢查點，以截然相反的方式運用參數

internlm/Intern-Decision-2B與openbmb/MiniCPM5-2B兩者大小相同、相隔二十天發布、採用相同的授權方式，卻是為了毫不相似的任務而打造。InternLM 的檢查點是 2,213,241,664 個參數的決策評分器：它接收一個狀態與帶型別的題目，執行一次前向傳遞，回傳校準後的機率，而不生成任何 token，並拒絕任何超過 8,192 個 token 的輸入。OpenBMB 的則是 2,516,756,480 個參數的稠密通才模型：一個衍生自 MiniCPM5 配方的 42 層 Llama，可吃下 131,072 個 token 的上下文，能撰寫程式碼、呼叫工具並進行數學運算，Artificial Analysis 智慧指數為 12.5，上個月下載量達 726,518 次。兩者下載成本相同，卻能換到截然不同的東西。

這個配對有趣的地方不在於基準測試差距——幾乎沒有重疊的基準測試可供比較。而在於 22 億與 25 億參數的預算各自能花在什麼地方，以及這個選擇能告訴你哪一個已經完成。MiniCPM5-2B 是該系列的第二個模型，接續五月的 MiniCPM5-1B，而且問世時帶著完整的發布配套。Intern-Decision-2B 是 InternLM 於 2026 年 9 月 26 日 05:36 UTC 無預警推送至 Hugging Face 的三種尺寸中的中間款，而它的發布配套——訓練程式碼庫、經雜湊驗證的評估套件、96 個案例的校準基準——直到今天早上 08:58 UTC 才公開。

那兩筆預算去了哪裡

這兩個模型都是對他人架構進行微調的成果，且兩者都佔據約 25 億個參數。相似之處僅止於此。

MiniCPM5-2B 是一個稠密 Transformer，具有 42 層、隱藏層大小 2,048、16 個注意力頭、中間大小 6,144、130,560 個 token 的詞彙表，以及 131,072 個 token 的上下文，並以 OpenBMB 隨其一同發布的開放語料庫混合物進行訓練：UltraX 用於網頁預訓練，UltraData-Code 具備 L0–L3 分層程式碼管理，UltraData-Math，以及 UltraData-RL-2609 中的 500,000 個代理 SFT 樣本與超過 80,000 個 RL 樣本。它的後訓練先執行 SFT，接著在數學、程式碼與代理式任務中由專業化的 RL 教師模型進行訓練，然後再透過同策略蒸餾整合回單一模型。它是一個通用模型，其全部參數預算都被展露為你可以透過提示使用的能力。

Intern-Decision-2B 是一個 Qwen3_5ForConditionalGeneration，具有 24 層——三層線性注意力對一層全注意力的重複模式——隱藏大小 2,048，8 個查詢頭對 2 個鍵值頭，頭維度 256，一個保留的多詞元預測層，以及 262,144 位置的嵌入上限。它隨附一個 612.5 MB 的視覺塔和一個 50.3 MB 的投影器。那筆預算中幾乎沒有一絲能作為提示供你使用：該模型回答一組固定綱要的問題，而它的架構是 softmax 的傳遞機制，而非文字生成器。

InternLM 新發布的儲存庫中有一個細節值得特別提出來，因為它重新詮釋了模型卡上的多模態標籤。決策調校「微調 Qwen3.5 的語言骨幹，同時凍結視覺塔與投影器」。2B 和 4B 的決策檢查點都帶有一個大小恰好為 612,517,440 位元組的視覺分片——兩者大小相同——這與這些元件是從 Qwen 基礎模型繼承而來、而非經過訓練的情況一致。影像路徑是真實的，而且可以使用，但這並不是 InternLM 的決策調校投入心力之處。如果你的工作負載是純文字的決策評分，那麼那次 4.46 GB 下載中約有 660 MB 對你毫無用處。

計分板

• 參數量 — Intern-Decision-2B 為 2,213,241,664，以 BF16 格式儲存，加上約 660 MB 的視覺塔與投影器，儲存庫約 4.46 GB；MiniCPM5-2B 為 2,516,756,480，以 BF16 格式儲存，單一 5.03 GB 的 safetensors 檔案。

• 上下文 — Intern-Decision-2B 為 8,192 個 token，超過此數即直接拒絕，不進行截斷；MiniCPM5-2B 則為 131,072 個 token。

• 輸出 —— 每個欄位一個校準分佈加上一個 argmax，完全沒有文字；生成的文字，逐個 token 產生。

• 訓練 —— 對 Qwen3.5-2B 主幹進行決策調校，視覺塔凍結，訓練資料未公開；完整預訓練、中期訓練，以及 4000 億詞元的深度思考 SFT 階段，隨後進行強化學習與同策略蒸餾，語料集亦一併公開。

• 已發表的證據 — 一張七套件供應商表平均為 84.68，Brier 為 0.437，ECE 為 0.100，未經任何第三方重現，一個讚與零次下載；一張 OpenBMB 卡片在其自身比較集中平均為 53.9，以及獨立的 Artificial Analysis Intelligence Index 為 12.5，過去一個月有 726,518 次下載。

• 授權條款 — Apache-2.0，並將上游 Qwen 條款保留為 LICENSE-QWEN，而程式碼儲存庫完全未載明任何授權條款；全面皆為 Apache-2.0，程式碼亦包含在內。

它們各自實際上更擅長什麼，而且差距不小

這個比較不對稱到成了範疇錯誤的地步，因此更有用的是指名具體的工作。

MiniCPM5-2B 在所有涉及產生答案而非選擇答案的任務上都勝出。它能撰寫程式碼；Intern-Decision-2B 則沒有程式碼路徑。它能處理 131,072 個 token 的上下文；Intern-Decision-2B 僅支援到 8,192，且會大聲報錯。它能呼叫工具，在 OpenBMB 自家的表格中 BFCL v4 得分為 66.6；並且它能進行數學運算，MATH-500 得分為 94.6，GPQA-Diamond 為 70.2——這些數字來自廠商的規格卡，其中 GPQA 那一行帶有規格卡本身提供的註腳。它在 MMLU-Pro 上達到 70.8，在 MMLU-Redux 上達到 84.7。它能在 llama.cpp 和 MLX 中運行，以 GGUF、GPTQ 和 DSpark 變體形式發布，並且在 Hub 上有一個公開的示範 Space，不像 Intern-Decision 的規格卡所指的 401。

Intern-Decision-2B 只贏得兩件事，而這兩件事正是它存在的理由。首先，一個由你撰寫 schema 的封閉集合決策，會在單次前向傳遞中、約 33 毫秒內回傳一個你可以設定閾值的機率，不需剖析器、也不需取樣——這種形態是 MiniCPM5-2B 除非生成文字並指望其中的數字表現良好，否則無法產生的。其次，它是一項可重現的產物：該儲存庫現在包含訓練目標、七個附有 SHA-256 雜湊與各套件列數的準確度套件、評分程式碼、溫度擬合與重播腳本，以及一個擁有自身生成器與離線評分器的 96 案例分布校準基準。InternLM 的評估指南指出，發布的預設集綁定於 XTuner 後端，而 HF 結果應回報為不同的執行設定——這正是重現套件存在的目的：讓這類但書變得可檢核。

誰應該下載哪一個

如果你有一項任務涉及閱讀長篇內容、撰寫某些東西，或回答一個你沒有事先列舉選項的問題，那麼 MiniCPM5-2B 就是那個模型，沒有什麼好決定的。它是一個成熟的 2B 級別通用模型，擁有真實的生態系、背後的開放資料以及獨立評測清單，而且嘗試它不需任何成本——GGUF 與 MLX 版本已經在 Hub 上。

如果你有一項任務，本質上是在已知答案中做選擇——轉派工單、分類支援電子郵件、標註候選項、以序數尺度為意圖評分——那麼生成模型就是錯誤的工具，而 Intern-Decision-2B 是兩者中更有趣的那個，儘管幾乎沒有人跑過它。一個可以設閾值的機率，操作成本更低、更容易審核，而且不可能產生幻覺；而這個檢查點附帶的是重現套件，而不是排行榜貼文，這使得它在真正重要的那個軸線上——當你必須為選擇辯護時——是兩者中文檔記錄更完善的那個。

這兩個模型都不在 OrcaRouter 上。我們針對 Intern-Decision-2B 的模型頁面會回傳 404，而且也沒有 MiniCPM5-2B 的路由；這裡沒有任何內容是在宣稱可用性，而兩者都意味著你得自行執行推論。實務上真正存在替代方案的地方，在於託管的決策模型：TypeSafe 的 Jev 1.13，也就是 InternLM 用來對其整個模型家族做基準測試的那個模型，已在型錄上，價格為每百萬輸入 token 0.042 美元，具備 65K 上下文，P50 首 token 時間為 178 毫秒。而如果你真正需要的是一個與 MiniCPM5-2B 同尺寸級別、又不必負擔維運工作的通用模型，我們最小的託管 Qwen 路由雖然規模大了好幾倍，但它是 200 多個模型中的其中一把金鑰，價格為供應商定價原價轉嫁、不加價，並有自動容錯移轉作為後盾。

決定一切的那個數字

這不是 84.68 對上 53.9。那兩個平均值來自不同的測試套件，由不同實驗室測量，而且其中一個還是由一間從未有人檢查過其數字的實驗室所測得。真正決定這件事的數字是 8,192。如果你的狀態能塞進八千個 token 之內，而且你的答案已經是一份清單，那麼 Intern-Decision-2B 就是一件精準儀器，附有重現套件，還有一個你應該留意的校準異常——它的預期校準誤差 0.100 是 InternLM 所公布的三種尺寸中最糟的，而尺寸只有它一半的模型則是 0.066，所以在信任任何信心值之前，先自行擬合你的溫度參數。如果你的狀態塞不下，這個問題在基準測試開始之前就已經結束了，而 MiniCPM5-2B 就是答案。