OpenBMB、2Bクラスのオンデバイス向けモデル「MiniCPM5-2B-GGUF」公開
基本情報
| 項目 | 内容 |
|---|---|
| リポジトリ | openbmb/MiniCPM5-2B-GGUF |
| 公開日 | 2026-09-05 |
| ライセンス | apache-2.0 |
| 配布形式 | GGUF |
| 論文 | arXiv:2506.07900, arXiv:2602.09003 |
| 出典の種類 | 公開元の一次情報(公式組織openbmbのHFリポジトリで一次情報確認) |
収集・肉付けの時点で当サイトのコードが確定させた値です。日付はJST。
概要
OpenBMBは、オンデバイスやリソースが制限された環境向けの2Bクラスのオープンウェイトモデル「MiniCPM5-2B-GGUF」を公開した。本モデルは、同シリーズのMiniCPM5-1Bに続く2番目のモデルであり、標準的な LlamaForCausalLM アーキテクチャを採用している。ローカル環境でのアシスタント、コーディングエージェント、ツール利用ワークフロー、推論シナリオをターゲットに設計されている。
スペック
- パラメータ数: 2,516,756,480
- 非埋め込みパラメータ数: 1,981,982,720
- レイヤー数: 42
- アテンションヘッド数 (GQA): Qは16、KVは2
- コンテキスト長: 131,072
- ライセンス: apache-2.0
性能
モデルカードの評価結果では、MiniCPM5-2Bは同規模のオープンソースモデルであるLFM2.5-2.6B、Qwen3.5-2B、Gemma-4-E4B-it、およびより大サイズのQwen3.5-4B、granite-4.2-3B、Nemotron-3-Nano-4B、Gemma-4-E4B-it、LFM2.5-8B-A1Bと比較されている。ここでは比較対象をMiniCPM5-2B、LFM2.5-2.6B、Qwen3.5-2B、Qwen3.5-4B、granite-4.2-3Bの5つに絞って示す。
→ 横にスクロールできます
| MiniCPM5-2B | 2B-class Models / LFM2.5-2.6B | 2B-class Models / Qwen3.5-2B | 4B-class Models / Qwen3.5-4B | 4B-class Models / granite-4.2-3B | |
|---|---|---|---|---|---|
| Average | 53.9 | 33.2 | 28.0 | 51.1 | 42.7 |
| Code Reasoning | |||||
| LiveCodeBench v6 | 69.1 | 42.1 | 20.2 | 56.4 | 58.9 |
| LCB-Pro 25Q2 (Easy) | 68.0 | 30.9 | 10.3 | 58.3 | 54.6 |
| LCB-Pro 25Q2 (Medium) | 17.5 | 0.0 | 0.0 | 7.0 | 5.3 |
| OJBench | 32.5 | 11.2 | 2.6 | 24.8 | 21.8 |
| SciCode (wbg) | 26.3 † | 14.2 † | 2.8 † | 16.1 † | 24.9 † |
| Math Reasoning | |||||
| AIME 2025 | 86.5 | 41.9 | 29.6 | 78.8 | 79.4 |
| AIME 2026 | 86.5 | 45.2 | 29.0 | 82.7 | 83.5 |
| HMMT Feb 2026 | 63.8 | 33.7 | 20.5 | 64.0 | 60.8 |
| MATH-500 | 94.6 | 89.6 | 85.8 | 99.0 | 97.0 |
| Instruction Following | |||||
| IFBench | 66.3 | 59.0 | 46.0 | 59.0 | 73.0 |
| IFEval | 86.7 | 93.4 | 77.5 | 90.2 | 93.7 |
| Multi-IF | 71.8 | 76.8 | 57.1 | 73.6 | 75.9 |
| General Knowledge | |||||
| MMLU-Pro | 70.8 | 65.2 | 64.3 | 78.0 | 65.8 |
| MMLU-Redux | 84.7 | 80.0 | 80.0 | 88.7 | 78.9 |
| HLE | 8.9 † | 6.2 † | 2.6 † | 9.9 † | 6.6 † |
| GPQA-Diamond | 70.2 † | 55.8 † | 45.6 † | 77.1 † | 55.9 † |
| SuperGPQA | 40.8 | 26.2 | 38.6 | 52.8 | 39.9 |
| Long Context | |||||
| AA-LCR | 59.0 † | 5.3 † | 28.7 † | 61.0 † | 24.3 † |
| NoLiMa | 68.1 | 0.7 | 17.1 | 43.5 | 5.1 |
| LongBenchPro | 44.8 | 23.7 | 8.2 | 58.4 | 34.8 |
| LongBench v2 | 43.7 | 30.3 | 24.9 | 47.3 | 36.0 |
| Tool Use | |||||
| τ³-Bench Banking | 20.8 † | 7.2 † | 2.1 | 6.8 † | 5.6 † |
| τ²-Bench Telecom | 97.1 | 90.4 | 69.0 † | 92.1 † | 40.9 |
| BFCL v4 | 66.6 | 61.1 | 43.6 | 56.8 | 52.2 |
| Coding Agent | |||||
| SWE-bench Verified | 46.4 | 6.0 | 5.0 | 33.6 | 36.8 |
| SWE-bench Pro | 14.4 | 0.6 | 0.8 | 28.2 | 12.3 |
| Terminal-Bench v2.1 | 8.6 † | 4.5 † | 3.0 † | 25.8 † | 13.9 † |
| Search Agent | |||||
| BrowseComp-ZH | 43.5 | 9.8 | 18.2 | 39.6 | 21.1 |
| BrowseComp Top100 | 39.7 | 13.7 | 19.3 | 33.3 | 19.0 |
| GAIA Text-103 | 88.7 | 49.5 | 47.9 | 78.6 | 57.3 |
| General Agent | |||||
| GDPval-AA v2 | 19.6 † | 4.5 | 0.0 | 11.7 | 0.0 † |
| Claw-Gym | 59.2 | 19.3 | 25.5 | 51.6 | 60.0 |
| WildClaw | 23.9 | 10.2 | 9.2 | 17.0 | 20.0 |
| QwenClaw | 42.9 | 19.3 | 18.2 | 37.1 | 36.4 |
公開元の測定では、MiniCPM5-2Bは平均スコア53.9を記録し、同規模の2Bクラスモデルと比較して優位性を示している。コーディング推論（LiveCodeBench v6等）や競技数学（AIME 2025/2026等）、ツール利用（τ²-Bench Telecom等）、調査系エージェント（GAIA Text-103等）の項目において高い数値を記録している。一方で、一部の指示追従指標（IFEval等）では他モデルを下回る項目もある。
得意なこと・想定用途
モデルカードでは、ローカルアシスタント、コーディングエージェント、ツール利用ワークフロー、推論シナリオを主な用途として挙げている。131,072のコンテキスト長に対応し、ロングコンテキストでの理解やコード・数学の推論、エージェントタスクに強みを持つ設計となっている。
動作環境
動作環境の目安(Local Model Watch 算出)
| 手持ちのVRAM | 選べる量子化 | ファイルサイズ | 必要メモリの目安 |
|---|---|---|---|
| RTX 4060 / 3060 Ti など 8GB | F16 | 4.7GB | 5.6GB |
必要メモリは配布ファイルの実サイズに実行時のオーバーヘッド(KVキャッシュ等)を20%見込んだ概算で、文脈長・バッチサイズ・推論エンジンによって増減します。公開元の公称値ではなく、当サイトがファイルサイズから機械的に算出した値です。 他のモデルとの比較はVRAM別の早見表を参照してください。 量子化の名前の読み方は用語集にあります。
入手方法
llama.cpp、Ollama、LM Studio向けのGGUF形式として配布されている。