OpenBMB、2BクラスでSOTAを達成したオンデバイスモデル「MiniCPM5-2B」公開

2026年9月18日

OpenBMB、2BクラスでSOTAを達成したオンデバイス向け「MiniCPM5-2B」公開

基本情報

項目 内容
リポジトリ openbmb/MiniCPM5-2B
公開日 2026-09-06
ライセンス apache-2.0
配布形式 safetensors
論文 arXiv:2506.07900, arXiv:2602.09003
出典の種類 公開元の一次情報(公式HuggingFaceリポジトリが一次情報)

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、2Bクラスのオンデバイス向け新モデル「MiniCPM5-2B」を公開した。同シリーズの「MiniCPM5-1B」に続くモデルであり、標準的なLlamaForCausalLMアーキテクチャを採用しながら、コード推論、数学推論、長文脈理解、ツール利用、エージェントタスクにおいて優れた性能を発揮するよう設計されている。モデルカードによれば、同等サイズのオープンソースモデルと比較してSOTAを達成している。

スペック

  • パラメータ数: 2,516,756,480
  • ノンエンベディングパラメータ数: 1,981,982,720
  • レイヤー数: 42
  • アテンションヘッド数(GQA): Qが16、KVが2
  • コンテキスト長: 131,072
  • ライセンス: apache-2.0

性能

モデルカードに掲載されている評価結果の比較表から、比較対象を一部絞り（MiniCPM5-2B、LFM2.5-2.6B、Qwen3.5-2B、Gemma-4-E2B-it、Qwen3.5-4B、granite-4.2-3B）、主要な数値を抜粋して以下に示す。

→ 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 2B-class Models / Gemma-4-E2B-it 4B-class Models / Qwen3.5-4B 4B-class Models / granite-4.2-3B
Average 53.9 33.2 28.0 24.6 51.1 42.7
Code Reasoning
LiveCodeBench v6 69.1 42.1 20.2 42.9 56.4 58.9
LCB-Pro 25Q2 (Easy) 68.0 30.9 10.3 27.1 58.3 54.6
LCB-Pro 25Q2 (Medium) 17.5 0.0 0.0 0.0 7.0 5.3
OJBench 32.5 11.2 2.6 11.6 24.8 21.8
SciCode (wbg) 26.3 † 14.2 † 2.8 † 20.9 † 16.1 † 24.9 †
Math Reasoning
AIME 2025 86.5 41.9 29.6 31.7 78.8 79.4
AIME 2026 86.5 45.2 29.0 39.8 82.7 83.5
HMMT Feb 2026 63.8 33.7 20.5 17.8 64.0 60.8
MATH-500 94.6 89.6 85.8 85.4 99.0 97.0
Instruction Following
IFBench 66.3 59.0 46.0 25.7 59.0 73.0
IFEval 86.7 93.4 77.5 31.4 90.2 93.7
Multi-IF 71.8 76.8 57.1 40.3 73.6 75.9
General Knowledge
MMLU-Pro 70.8 65.2 64.3 56.0 78.0 65.8
MMLU-Redux 84.7 80.0 80.0 71.8 88.7 78.9
HLE 8.9 † 6.2 † 2.6 † 4.8 † 9.9 † 6.6 †
GPQA-Diamond 70.2 † 55.8 † 45.6 † 43.3 † 77.1 † 55.9 †
SuperGPQA 40.8 26.2 38.6 30.3 52.8 39.9
Long Context
AA-LCR 59.0 † 5.3 † 28.7 † 17.0 † 61.0 † 24.3 †
NoLiMa 68.1 0.7 17.1 3.9 43.5 5.1
LongBenchPro 44.8 23.7 8.2 42.2 58.4 34.8
LongBench v2 43.7 30.3 24.9 33.2 47.3 36.0
Tool Use
τ³-Bench Banking 20.8 † 7.2 † 2.1 3.9 6.8 † 5.6 †
τ²-Bench Telecom 97.1 90.4 69.0 † 20.8 † 92.1 † 40.9
BFCL v4 66.6 61.1 43.6 36.6 56.8 52.2
Coding Agent
SWE-bench Verified 46.4 6.0 5.0 2.0 33.6 36.8
SWE-bench Pro 14.4 0.6 0.8 0.0 28.2 12.3
Terminal-Bench v2.1 8.6 † 4.5 † 3.0 † 0.4 † 25.8 † 13.9 †
Search Agent
BrowseComp-ZH 43.5 9.8 18.2 4.7 39.6 21.1
BrowseComp Top100 39.7 13.7 19.3 6.0 33.3 19.0
GAIA Text-103 88.7 49.5 47.9 30.1 78.6 57.3
General Agent
GDPval-AA v2 19.6 † 4.5 0.0 0.0 11.7 0.0 †
Claw-Gym 59.2 19.3 25.5 31.3 51.6 60.0
WildClaw 23.9 10.2 9.2 8.9 17.0 20.0
QwenClaw 42.9 19.3 18.2 14.5 37.1 36.4

公開元の測定によれば、MiniCPM5-2Bは平均スコア53.9を記録し、同規模の2Bクラスモデルや一部の4Bクラスモデルを上回る性能を示している。特にLiveCodeBench v6やAIME 2025などのコーディングおよび数学関連の指標で高い数値に達している。一方で、IFEvalなどの特定の指示追従の項目では一部の他モデルを下回る結果も見られる。長文脈やツール利用、エージェント系のタスク（GAIA Text-103など）では優位性を示している。

得意なこと・想定用途

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、推論シナリオ向けに設計されている。コンパクトなデプロイフットワークを維持しながら、ネイティブな長文脈サポート（131,072トークン）を備える。

動作環境

動作環境の目安(Local Model Watch 算出) — パラメータ数 2.5B

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
4GB(ノートPCの内蔵GPU・スマートフォンなど) Q8_0 2.5GB 3.0GB
RTX 4060 / 3060 Ti など 8GB F16 4.7GB 5.6GB

推論エンジンの対応状況(各プロジェクトのソースにあるモデル登録表とアーキテクチャ名を当サイトが機械的に照合。2026-09-18 時点): llama.cpp: 登録あり、vLLM: 登録あり、MLX (mlx-lm): 登録あり。

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。 ファイルサイズは変換版 openbmb/MiniCPM5-2B-GGUF の配布ファイルの実測値です。 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。

同クラスの既報モデル

当サイトが最近取り上げた、パラメータ数 〜4B のモデルを、比較のために記事ログからコードが並べたものです。VRAM階層は当サイトの概算、ライセンスはモデルカードの記載です。

→ 横にスクロールできます

モデル パラメータ数 最小のVRAM階層 ライセンス 記事
harshatheg/Qwen-2.5-1B-RLCD 1.5B 8GB apache-2.0 harshatheg/Qwen-2.5-1B-RLCD公開：Apple Silicon向け並列制約付きデコーディング(2026-09-16)
tencent/Simple-Attention-Sparsification 4.0B 12GB — Tencent、Qwen3向けSASスパースアテンションチェックポイント公開(2026-09-14)

入手方法

Transformers、vLLM、SGLang、llama.cpp、Ollama、LM Studio、MLX、ArcLight、vLLM Ascend、LiteRT-LMなどの多様なバックエンドおよびフォーマットに対応している。SGLangでサービングを行う場合のコマンド例は以下の通り。

pip install "sglang[srt]>=0.5.16"
python -m sglang.launch_server --model-path openbmb/MiniCPM5-2B --port 30000

派生版・量子化版

→ 横にスクロールできます

追記日 配布元 形式 リポジトリ 最小のVRAM階層(量子化・必要メモリの目安)
2026-09-18 openbmb GGUF openbmb/MiniCPM5-2B-GGUF Q8_0 3.0GB(4GB VRAMで動作)
2026-09-18 openbmb MLX openbmb/MiniCPM5-2B-MLX MLX 1.6GB(4GB VRAMで動作)
2026-09-18 bartowski GGUF bartowski/MiniCPM5-2B-GGUF Q8_0 3.0GB(4GB VRAMで動作)
2026-09-18 openbmb GPTQ openbmb/MiniCPM5-2B-GPTQ GPTQ 2.3GB(4GB VRAMで動作)
2026-09-18 mlx-community MLX mlx-community/MiniCPM5-2B-8bit MLX 8bit 3.0GB(4GB VRAMで動作)

このほか、上記以外の投稿者による変換版が 43 件あります(当サイトは公開元自身と、実績のある量子化担当の配布だけを表に載せています)。

この節は、記事公開後に見つかった変換版を当サイトが機械的に追記したものです。必要メモリは配布ファイルのサイズから算出した概算です。

関連記事

出典

新モデルGGUF,LLM,MiniCPM5-2B,OpenBMB,SGLang,vLLM,確認済み