- MiniCPM5-2B 在全球權威榜單中獲得 4B 以下模型第一名。
- 該模型在 Agent 能力上明顯領先同級模型，實現端側通用 Agent 雛形。
- MiniCPM5-2B 在 34 項任務中平均得分 53.9 分，位列同級第一。
- 在真實任務評測中，MiniCPM5-2B 的得分接近人類水平。
9 月 8 日，面壁智能聯合 OpenBMB 正式開源新一代「小鋼炮」MiniCPM5-2B。這款模型以其輕量身材 2B 在全球權威榜單（AA 榜）中取得 4B 以下模型第一名的佳績，並在 Agent 能力上領先同級模型，實現了端側通用 Agent 的雛形。
MiniCPM5-2B 的數據表現
面壁智能的高密度 MiniCPM5-2B 數據表現相當亮眼。在 AA 榜單中，MiniCPM5-2B 以綜合得分 23 分位居全球 4B 參數以下開源基座模型榜首，超越 Gemma 4 12B、Qwen3.5 9B 以及各主流 3B-4B 級別模型。在 Agent 能力方面，MiniCPM5-2B 的 Agentic Index 得分高達 20 分，明顯高於 Granite 4.2 8B（9 分）、Qwen3.5 9B（7 分）等參數量數倍於其本身的模型，意味著用戶可以在本地端設備上初步體驗通用
Agent。
效率與能力全面性
在效率方面，MiniCPM5-2B 展現出高 Token 效率的優勢：在同等 Token 消耗下，其智力得分為 23 分，接近同級模型的一倍。在能力全面性上，MiniCPM5-2B 在代碼、數學、長文本、指令遵循、工具調用等 34 項任務中平均得分 53.9 分，位列同級第一，超越 4B 模型中的最佳 Qwen3.5-4B。在真實任務評測中，MiniCPM5-2B 拿下 891 分（人類基線為 1000 分），比參數大 6 倍的 Gemma 4 12B（647 分）更高，更接近人類水平。
MiniCPM5-2B 對 AI 模型競爭的影響
MiniCPM5-2B 的成功顯示了輕量級模型在 AI 領域的潛力，尤其是在資源有限的情況下。其在 Agent 能力和多任務表現上的優越性，為用戶提供了本地端的高效解決方案，這對於推動智能應用的普及具有重要意義。隨著技術的進步，這類模型可能會成為未來 AI 開發的主流，促進更廣泛的應用場景和用戶體驗。