OpenBMB hat MiniCPM5-2B am 7. September veröffentlicht, ein KI-Modell mit 2,52 Milliarden Parametern, das für lokale Assistenten, Programmierung, Tool-Nutzung und andere Aufgaben entwickelt wurde, für die nicht immer ein deutlich größeres Modell erforderlich ist. OpenBMB zufolge erzielte es in 34 Tests einen Durchschnittswert von 53,9 und lag damit vor jedem größeren Modell, das zusammen mit ihm getestet wurde.
Der nächstgrößere Konkurrent war Qwen3.5-4B mit einem Durchschnittswert von 51,1. MiniCPM5-2B schlug ihn in 20 der 34 Einzeltests, verlor aber 14, sodass der Vorteil des kleineren Modells stark von der getesteten Aufgabe abhängt.
Die Modellkarte von MiniCPM5-2B von OpenBMB nennt 2.516.756.480 Parameter und Unterstützung für Eingaben mit bis zu 131.072 Token. Es wird unter der Apache-2.0-Lizenz veröffentlicht.
Kleinere Modelle benötigen im Allgemeinen weniger Rechenressourcen als deutlich größere Modelle, wodurch sie sich leichter lokal ausführen lassen.
Das hat das Interesse von Unternehmen an kleinen Sprachmodellen für fokussierte Workloads verstärkt, bei denen Kosten, Geschwindigkeit oder die Speicherung von Daten auf lokalen Systemen Priorität haben.
OpenBMB bietet außerdem Versionen für llama.cpp, Ollama, LM Studio und Apple Silicon an und gibt Entwicklern damit mehrere Möglichkeiten, MiniCPM5-2B auf lokaler KI-Hardware.
Wo MiniCPM5-2B Qwen3.5-4B übertrifft
MiniCPM5-2B schneidet besonders bei Programmieraufgaben sowie bei Aufgaben gut ab, die ein KI-System zur Nutzung von Tools oder zur Ausführung mehrerer Schritte erfordern. In den Ergebnissen von OpenBMB übertrifft es Qwen3.5-4B in allen fünf Tests zum Code-Reasoning und in allen drei Tests zur Tool-Nutzung.
Bei allgemeinem Wissen fallen die Ergebnisse deutlich schwächer aus. Qwen3.5-4B gewinnt alle fünf Tests zum Allgemeinwissen sowie drei von vier Tests, die sehr große Eingabemengen umfassen.
Auch die Ergebnisse von Coding-Agenten sind gemischt. MiniCPM5-2B erzielt bei SWE-bench Verified 46,4 gegenüber 33,6, doch Qwen3.5-4B gewinnt bei SWE-bench Pro mit 28,2 zu 14,4 und bei Terminal-Bench v2.1 mit 25,8 zu 8,6.
Die meisten dieser Ergebnisse wurden von OpenBMB durchgeführt oder reproduziert und sollten daher weiterhin als vom Anbieter gemeldete Benchmarks betrachtet werden.
Unabhängige Tests stützen die umfassendere Leistungsbehauptung teilweise: Artificial Analysis bewertete MiniCPM5-2B im Intelligence Index v4.2 mit 15 – das höchste Ergebnis unter Open-Weights-Modellen mit weniger als 4 Milliarden Parametern zum Zeitpunkt der Veröffentlichung.
Apache 2.0 erlaubt die kommerzielle Nutzung, Veränderung und Weiterverbreitung vorbehaltlich der Lizenzbedingungen. Alibaba verwendet die Lizenz auch für Qwen3.8-27B, ein weiteres kürzlich veröffentlichtes Open-Source-Modell für Entwickler.
Die Erkenntnisse von eWeek: Mit Agenten und Tool-Nutzung beginnen
Die Bilanz von 20 zu 14 wird aussagekräftiger, wenn die Tests nach der Art der gemessenen Arbeit gruppiert werden.
| Workload | MiniCPM5-2B im Vergleich zu Qwen3.5-4B | Bester nächster Schritt |
|---|---|---|
| Code-Reasoning | 5–0 | Programmier-Pilotprojekte priorisieren |
| Mathematisches Reasoning | 2–2 | Unternehmensspezifische Aufgaben testen |
| Befolgen von Anweisungen | 1–2 | Formatierung und Regelbefolgung überprüfen |
| Allgemeines Wissen | 0–5 | Breite Frage-Antwort-Szenarien sorgfältig validieren |
| Lange Dokumente | 1–3 | Große Dateien direkt testen |
| Tool-Nutzung | 3–0 | API- und Tool-Call-Pilotprojekte priorisieren |
| Coding-Agenten | 1–2 | Echte Code-Repositories testen |
| Such-Agenten | 3–0 | Recherche- und Retrieval-Workflows testen |
| Allgemeine Agenten | 4–0 | Mehrstufige Automatisierung testen |
Für Teams, die entscheiden müssen, wo sie Zeit in die Evaluierung investieren, sprechen die veröffentlichten Ergebnisse für Agenten-Workflows, Tool-Aufrufe, Suche und Code-Reasoning. Allgemeines Wissen und die Arbeit mit langen Dokumenten erfordern trotz des höheren Gesamtdurchschnitts und des Limits von 131.072 Token mehr Vorsicht.
Auch beim Programmieren sind workload-spezifische Tests erforderlich. Der Sieg in einem Software-Benchmark garantiert nicht, dass ein Modell die Repositories, Tools und Entwicklungsprozesse eines Unternehmens zuverlässig bewältigt. Andere KI-Coding-Benchmarks stehen vor derselben Lücke zwischen kontrollierten Tests und der Arbeit an Software im Produktiveinsatz.
MiniCPM5-2B bietet Teams daher eine spezifischere Perspektive als die Aussage „kleiner ist besser“. Die stärksten veröffentlichten Ergebnisse zeigen konkrete Workloads, bei denen ein Modell mit 2,52 Milliarden Parametern ein größeres Modell ersetzen könnte, während die Niederlagen zeigen, wo ein solcher Austausch die Qualität beeinträchtigen könnte.
Durch direkte Tests dieser Workloads lässt sich feststellen, ob der geringere Ressourcenbedarf einen nützlichen Kosten- oder Bereitstellungsvorteil bringt, ohne die von einem Team benötigte Leistung zu opfern.
Lesen Sie auch: DeepSeek V4 Pro verbindet starke Programmierergebnisse mit höheren API-Preisen, während Entwickler die Modellleistung gegen die Betriebskosten abwägen.