MiniCPM5-2B

发布背景与模型定位

2026 年 9 月 7 日，OpenBMB 与面壁智能发布 MiniCPM5-2B。它是 MiniCPM5 系列继 1B 版本后的第二款模型，定位于端侧、本地部署和资源受限场景，重点服务本地助手、编程智能体、工具调用和复杂推理工作流。官方在同一批发布中提供 BF16、GGUF、MLX、GPTQ 等权重格式，并提供面向推理加速的 DSpark 草稿模型。

架构与技术规格

MiniCPM5-2B 是标准 LlamaForCausalLM 稠密因果语言模型，总参数为 2,516,756,480，其中非嵌入参数为 1,981,982,720。模型包含 42 层 Transformer，隐藏维度为 2048，采用分组查询注意力（16 个查询头、2 个 KV 头），词表大小为 130,560。原生上下文长度为 131,072 tokens，输入和输出均为文本。

训练与推理能力

模型训练覆盖基础训练、中期训练和后训练。后训练依次采用 SFT、强化学习（RL）与在线策略蒸馏（OPD）：官方使用 400B tokens 的深度思考 SFT 数据建立推理与通用对话能力，再将数学、代码、智能体和写作等 16 个 RL 专家模型（其中 5 个为 agentic 专家）的能力蒸馏回同一发布模型。模型支持在聊天模板中开启或关闭思考，并原生支持函数与工具调用。

官方评测

OpenBMB 公布的对比表中，MiniCPM5-2B 的跨能力平均分为 53.9，在该表所列 2B 级开放模型中排名第一，并高于表中参与比较的 4B 级模型。代表性成绩包括 LiveCodeBench v6 69.1、AIME 2025 86.5、AIME 2026 86.5、MATH-500 94.6、MMLU-Pro 70.8、GPQA Diamond 70.2、LongBench v2 43.7、BFCL v4 66.6、SWE-bench Verified 46.4 和 τ²-Bench Telecom 97.1。DataLearner 仅结构化录入与站内 benchmark 目录能够可靠对应的成绩，并在每条记录中保留官方原始评测标签。

部署、许可与限制

官方推荐使用 vLLM 0.21 及以上、SGLang 0.5.16 及以上或 Transformers 5.6.2 运行，推荐采样参数为 temperature=1.0、top_p=0.95。BF16 主权重文件约 4.69 GiB，也提供更适合消费级设备的 GGUF、MLX 和 GPTQ 量化版本。代码与模型权重均按 Apache 2.0 许可发布；官方未公布托管 API 价格。模型输出可能不准确、有偏或受到提示注入影响，敏感领域与可执行真实操作的智能体场景仍需人工复核和应用级防护。

官方资料

OpenBMB MiniCPM GitHub 仓库 · 官方 Hugging Face 模型卡与权重 · 官方 ModelScope 模型页 · 在线演示