OpenBMB、26 億パラメータの推論モデル「MiniCPM5-2B」を公開

OpenBMB の MiniCPM5-2B が、総パラメータ数 40 億未満のオープンウェイトモデルの中で最高となる Artificial Analysis Intelligence Index v4.2 でスコア 15 を記録

モデルページはこちら

OpenBMB は、効率的な小型モデルである MiniCPM シリーズを開発したオープンソース AI グループです。MiniCPM5-2B はテキスト入力と出力に対応する 26 億パラメータの密着型推論モデルで、Apache 2.0 ライセンスの下で公開されています。

Intelligence Index でスコア 15 を獲得した MiniCPM5-2B は、総パラメータ数が約 3 倍ある Ling 3.0 Tiny（スコア 16）に次いで 1 ポイント差です。総パラメータ数 40 億未満のオープンウェイトモデルの中で、次に高いスコアを記録したのは Granite 4.2 3B（スコア 11）でした。

主要な結果:

➤ 総パラメータ数 40 億未満のオープンウェイトモデルとして最高となる Intelligence Index を達成し、「知能指数と総パラメータ数」の関係において新たなパレート最適点を設定しました。 スコア 15 は、Granite 4.2 3B（スコア 11）を 4 ポイント上回っています。総パラメータ数は 26 億ですが、これは推定値である Qwen3.5 4B（Reasoning, スコア 14）より 1 ポイント高く、かつパラメータ数が約 44% 少ないことになります。また、サイズが約 4 倍の Qwen3.5 9B（Reasoning, スコア 15）と同等のパフォーマンスを達成しています。密着型モデルであるため、このサイズ優位性は計算リソースではなく、メモリ使用量の削減という点に現れています。

➤ このサイズ域における強力なエージェント性能: GDPval-AA v2 Elo 831 は <4B モデル群をリードし、τ³-Banking では Ling 3.0 Tiny と並んで 21% を記録。一方、次点の Granite 4.2 8B は 8% に留まります。AA-Briefcase では比較セット内の測定モデル中 2 位（Elo 438）で、Granite 4.2 8B（324）を上回り、Ling 3.0 Tiny（485）にわずかに及ばない成績です。

➤ 知識・コーディング・長文コンテキストでは他モデルに譲る部分も。 MiniCPM5-2B は「Humanity's Last Exam」で 9%（16% を記録した Gemma 4 12B (Reasoning) に次ぐ 7 位）、「Terminal-Bench v2.1」で 9%（29% の Qwen3.5 9B (Reasoning) に次ぐ 8 位）、CritPt では 0% です。SciCode では測定された 5 モデル中 2 位（26%）で、Granite 4.2 8B（31%）に次ぎます。AA-LCR v1.1 では 59% を記録しセット内 5 位（Ling 3.0 Tiny の 60% に 1 ポイント差）。新設の専門ドキュメント推論評価「GDP.pdf」では、gpt-oss-20b (high) が 2% で上回る中、1% を達成しました。

➤ AA-Omniscience スコア -12 は、回答を控えることで得た結果です。 MiniCPM5-2B は AA-Omniscience の質問に 29% しか挑戦せず、その結果ハルシネーション回避率は 78% に達します。正答率 8% は Ling 3.0 Tiny（9%）より 1 ポイント低く、Qwen3.5 9B (Reasoning) の 16% の半分です。多くの質問に挑戦する競合モデルは厳しく評価され、Qwen3.5 9B (Reasoning) は -53、gpt-oss-20b (high) は -63 となっています。

推論モデルとしてトークン効率が優れています。MiniCPM5-2B はインテリジェンス・インデックスのタスクあたり 19k トークンの出力で済み、Granite 4.2 3B（19k）と並んで比較対象の中で最低コストでした。一方、Ling 3.0 Tiny は 1 つインデックスポイント高めるために 56k トークンを消費しており、約 3 倍の量が必要です。

モデルの詳細：

• パラメータ数： 2.6B（Dense）
• コンテキストウィンドウ： 131k トークン
• 入力モダリティ： テキストのみ
• ライセンス： Apache 2.0

このサイズ帯における MiniCPM5-2B の強みは、エージェント機能です。AA-Briefcase（エージェントによる知識作業の評価）では、Elo 評価が 438 で、Ling 3.0 Tiny（485）に次ぐ第 2 位となり、Granite 4.2 8B（324）を上回りました。Agentic Index は、インテリジェンス・インデックスに含まれる 3 つのエージェント評価（AA-Briefcase、GDPval-AA v2、τ³-Banking）の加重平均値です。

GDPval-AA v2 では、実世界の業務タスクを 1,000 人の人間ベースラインに対して評価するテストが行われますが、MiniCPM5-2B は Elo 831 を達成しました。これは Ling 3.0 Tiny（718）より約 110 ポイント、Granite 4.2 8B（647）より約 180 ポイント上回ります。同規模のモデルは通常これよりも大幅に低いスコアにとどまり、LFM2.5-2.6B は 204、Gemma 4 E4B (Reasoning) は 178 です。

推論モデルとしてもトークン効率が優れています。Artificial Analysis Intelligence Index のタスクでは、1 回の実行あたり出力トークンを 19k（そのうち推論に使用されるのが 11k）消費するのみで、同様のタスクを処理する Ling 3.0 Tiny が 56k、Granite 4.2 8B が 33k を必要とするのと比較して非常に少ないです。オンデバイスやエッジ環境での展開が想定される 2.6B モデルにとって、このトークン消費量は重要な指標となります。

MiniCPM5-2B は、直近で更新された Artificial Analysis Intelligence Index v4.1.1 で 23 点を獲得しました。v4.2 におけるスコア 15 は、評価項目の構成と重み付けが変更されたことによるもので、両バージョン間のスコアを直接比較することはできません。

MiniCPM5-2B の重みファイルは、Apache 2.0 ライセンスの下で https://huggingface.co/openbmb/MiniCPM5-2B から入手可能です。