PAN 2 對決 MiniCPM5-2B：一個連資料一併釋出，另一個連提示詞一併釋出

OpenBMB 於 2026 年 9 月 6 日發布 MiniCPM5-2B，並且在 25.2 億參數檢查點之外，一併公布了訓練語料：用於網頁預訓練的 UltraX-Preview、具備分層 L0 到 L3 管理的 UltraData-Code、包含五十萬代理樣本的 UltraData-SFT-Agent-2609，以及擁有超過八萬強化學習樣本的 UltraData-RL-2609。這是一件不尋常的交付，而這正是本次比較的正確視角。MBZUAI 的基礎模型研究所悄悄發布的 PAN 2，既沒有發布文章，也沒有託管端點，它做的事相近但並不相同：它交出了自己的提示。該儲存庫附帶一個概念推理器技能，包含系統提示、固定負面提示，以及針對其擴散主幹所預期的結構化世界狀態描述之 token 預算驗證器，另外還有產出該模型的訓練配置。一個實驗室公開了資料。另一個公開了介面。兩者都沒有同時公開兩者，而哪一個對你更有用，完全取決於你想打造什麼。

兩份披露，兩者皆不完整

MiniCPM5-2B 的資料發布是真的，而且很具體。模型卡列出了資料集、附上連結，並說明各自貢獻——分層管理的程式碼資料、agent SFT 樣本、涵蓋數學、程式碼、一般知識與長上下文推理的 RL 樣本。它沒有提供的是混合比例、順序、去汙染流程，或每個來源的 token 數。你看得到成分，卻看不到配方。

PAN 2 的提示詞發布則是鏡像的另一面。標註文字政策有完整規定：世界狀態描述必須包含什麼、事件順序、動作如何綁定到行為者、鏡頭運動如何表達，以及文字編碼器 token 的硬性上限為 1,536 個、柔性目標為 1,480 個。它沒給你的，是教會模型讀懂這些標註文字的語料庫——「數億支以相同格式標註的影片」，既沒有資料集說明卡，也沒有釋出。

所以，如果你的需求是理解小型語言模型為何會有這樣的行為，MiniCPM5-2B 會給你更多可著手研究的東西。如果你的需求是讓影片模型產出你要求的片段，PAN 2 會給你更多。這兩個發布版本都比中位數更透明，而且都在透明度開始變成競爭劣勢的那個點上止步。

這些數字，以及它們的價值

MiniCPM5-2B 是一個擁有 2,516,756,480 個參數的稠密 Llama 架構模型——不含嵌入層為 19.8 億個參數，42 層，16 個查詢頭對上 2 個鍵值頭，上下文長度 131,072 個 token，支援英文與中文。OpenBMB 宣稱其為 2B 級開源最先進水準，在其比較集合中平均為 53.9，而該集合中最佳較大型模型為 51.1。各別項目才是這項說法有趣之處：LiveCodeBench v6 為 69.1、AIME 2026 為 86.5、MMLU-Pro 為 70.8、GPQA Diamond 為 70.2、SWE-bench Verified 為 46.4、τ²-Bench Telecom 為 97.1、AA-LCR 為 59.0，以及 NoLiMa 為 68.1。

這些是廠商在廠商自行選定的比較集上回報的結果，而這個比較集很值得注意：它包含 Gemma-4-E2B-it、Gemma-4-E4B-it、Qwen3.5-2B、Qwen3.5-4B、LFM2.5-2.6B 與 LFM2.5-8B-A1B。在 AA-LCR 上，回報的差距是 MiniCPM5-2B 的 59.0，對比 LFM2.5-2.6B 的 5.3 與 Gemma-4-E2B-it 的 17.0。在 SWE-bench Verified 上則是 46.4，對比 6.0、2.0 與 3.0。這些差距大到無法用測試框架差異來解釋，但該測試框架仍是 OpenBMB 的，且尚未有人獨立重現這張表。

PAN 2 沒有那類表格，因為視頻世界模型不像程式碼和數學那樣有共用的工具。它取而代之的是一個結構化的限制章節，比任何廠商基準測試都更直言不諱：約三分之二的模擬計畫包含至少一個未執行的步驟；外觀會在片段之間漂移，因為每個片段最多只從單一影格加上文字開始；文字動作對靈巧操作的指定僅屬粗略；模型可能讓模擬繼續進行，同時違反物理限制，文中以義大利麵在瀝乾前就出現在濾盆中為例。

• 它是什麼 — MiniCPM5-2B：一個稠密 2.52B 文字模型，適用於裝置端助理、程式設計代理與工具工作流程。PAN 2：一個 29B 擴散 Transformer，能將某個動作的後果渲染成影片。

• 輸出 — MiniCPM5-2B：文字。PAN 2：MP4，最長 20 秒，704×1248、24 fps。

• 上下文或視野範圍 — MiniCPM5-2B：131,072 個 token，在 OpenBMB 的測試框架上，AA-LCR 為 59.0、NoLiMa 為 68.1。PAN 2：僅有一張起始畫面加上一段說明文字，因此長時間互動會逐漸偏離，卡片上也註明了這一點。

授權條款 — MiniCPM5-2B：Apache-2.0，涵蓋英文與中文。PAN 2：其自身權重採用 Apache-2.0，而 Qwen3.5-9B 與 Wan 2.2 則依各自條款授權。

• 硬體 — MiniCPM5-2B：單張消費級 GPU，而該卡的文件記載了 vLLM、SGLang 與 llama.cpp 路徑，以及多晶片後端。PAN 2：在 vLLM recipe 中預設使用八張 H200；四張 B300 處理十三秒的影片約需 119 秒。

裝置端宣稱 vs. 節點規模的現實

MiniCPM5-2B 的設計目標，是在真正重要的層面上做到小巧：不只是參數量少，而是提供一條有文件記載、可部署到你現有硬體的路徑。這張卡附有 vLLM、SGLang 與 llama.cpp 的快速入門指南，並註明 -c 8192 會設定 llama.cpp 路徑上的上下文長度——這句話只會出現在由真正在筆記型電腦上跑過它的人所撰寫的文件裡。它也記載了 FlagOS，這是一個多晶片後端，可讓同一組權重在不同加速器上執行。這是一套鎖定手機、單板電腦與低成本推論盒的部署方案。

PAN 2 的部署情況在每個層面都恰恰相反，而原因在於算術，並非草率馬虎。五十個取樣器步數，且每一步都套用無分類器引導，意味著每個片段都要讓一個 29B transformer 進行一百次前向傳遞。這套做法將引導平行化到兩個 rank 上，並將序列長度平行化到另外兩個 rank 上，接著在 tile 模式下再加入跨四個 rank 的 VAE patch 平行化，因為解碼二十秒的 704×1248 本身就是個記憶體問題。這種東西可不是能在筆記型電腦上跑的，而團隊也從未假裝可以。

值得注意的是，這兩個模型都沒有託管在任何地方。MiniCPM5-2B 每月下載量超過一百萬次，卻沒有第一方 API；PAN 2 沒有 API，而且截至 2026 年 11 月 11 日，其實驗室帳號只有一則社群貼文，背後別無他物——沒有端點、沒有論文連結、沒有定價。如果你想要其中任何一個，就得自己跑。

規劃的那一半可以在哪裡租用

PAN 2 的架構讓其中一個部分可以獨立出來，而這正是大多數團隊不應自行打造的部分。概念推理器——也就是將觀察結果與請求動作轉換成擴散主幹所消費的結構化描述的语言模型——明確可以是任何指令遵循模型。報告依模擬計畫端到端完成的頻率將四個模型排序：Claude Opus 5.5、以中等投入運作的 GPT-6 Astra、Kimi K3，然後是 Qwen3.8-Flash。卡片也指出，任何指令遵循 LLM 都可以使用，而超出訓練分布通常需要手工精煉的提示。

這讓推理器成為一項你會想重新審視的營運選擇，而透過路由器重新審視，會比進行四場採購洽談來得更便宜。Qwen3.8-Flash 已在 OrcaRouter 上；單一 API 金鑰搭配自動容錯移轉，讓你能以供應商定價，在多個規劃器上執行相同的圖說工作負載，且0% 加價直接轉嫁，並保留最常完成你的規劃的那一個。OrcaRouter 不託管 PAN 2——沒有可路由的託管版 PAN 2——也不託管 MiniCPM5-2B。渲染器和小型模型留在你的硬體上；規劃器則是商品化的元件。

對 MiniCPM5-2B 而言，當中的考量有所不同，值得說明。裝置端模型存在的目的正是避免按用量計費的呼叫，而一個能在手機上運行的 2B 模型，不會因為繞過它、改走其他途徑而變得更好。如果你的理由是隱私、延遲或離線運作，繞路是錯誤的答案，MiniCPM5-2B 才是正確的模型。如果你的理由是成本，那就誠實比較：一個在自己的平均分數上拿到 53.9 的 2B 模型，若要讓它在你的任務上達到同等表現，所投入的工程時間成本，可能比對更大的模型發出一次按用量計費的呼叫還要高。

每個版本實際上是要做什麼用的

MiniCPM5-2B 是一個有明確任務的模型：在使用者在乎的基準測試上，成為最佳的 2B 級開源模型、能在裝置上執行，並附帶資料，讓社群能以此為基礎發展，而非繞著它另建。這是一個成熟版本，其文件內容反映了多次迭代——三種 serving stack 的快速入門、工具呼叫章節、實作指南、微調配方，以及多晶片後端。

PAN 2 是一項研究產物，其主張異常完整。它論證模擬式推理——代理在做出選擇前，先想像候選行動的結果——是一種可以建構、而非只能期待其湧現的能力，並將這套論證實作為一套兩階段系統，背後有已發表的模式，即《世界模型批判》中的生成式潛在預測表述（arXiv 2507.05169）。2026 年 11 月 10 日上線的框架支援讓它得以運行。同日下午在實驗室自家 X 帳號上發的兩段貼文，並沒有讓它正式發布；此後也再無其他消息。

這兩者並不是哪一個比另一個更好的發布版本。它們是對不同問題的回答，發表於不同的信心階段。一個實驗室是在說：「這裡有一個你可以信任的小模型，以及它是用什麼打造出來的」。另一個則是在說：「這裡有一個能做到新事情的系統，以及它確切在哪裡失敗」。唯有當你知道上述哪一句話描述的是你的專案時，兩者之間的比較才有用。