OpenBMBがMiniCPM5-2Bを公開：2Bモデルで4B級に迫る性能、学習データも全開示

MiniCPM5-2Bは、OpenBMBが公開した20億パラメータの軽量・高密度な言語モデルです。PCやスマートフォンなどのエッジデバイス上で、オフラインのまま軽快に動作させる用途に向いています。

総パラメータ数は約25億で、モデルサイズは約5GB。大掛かりなGPUサーバーを用意しなくても、一般的な家庭用端末のメモリで手軽に動かせるのが特徴です。

何ができるのか

2Bクラスの超小型モデルでありながら、コード生成、数学的推論、指示追従、一般知識の各テストにおいて、40億パラメータを持つQwen3.5-4Bやgranite-4.2-3Bに匹敵、またはそれを上回る性能を示しています。

Artificial AnalysisのIntelligence Indexでは、4B未満のオープンソースモデルの中で首位となるスコア23を記録し、Agentic Indexでも20をマークしました。コンテキスト長も最大131072トークンに対応しています。また、日本語の質問に対しても文法崩れを起こしにくく、自然で整った文章で返答できます。

仕組みと公開範囲

高い性能の背景にあるのは学習データの品質です。OpenBMBはモデル本体だけでなく、開発に使用した「UltraData」データセット群も同時に公開しました。

事前学習データのUltraX、階層管理されたUltraData-Code、50万件のエージェント用データUltraData-SFT-Agent-2609、8万件超の強化学習データUltraData-RL-2609が含まれており、自作の小型モデルを学習させる際のリソースとしても利用できます。

ライセンスはApache 2.0を採用。Hugging FaceやModelScope上でBF16版のほか、llama.cpp向けのGGUF、Apple Silicon向けのMLX、GPTQ量子化版などが揃っており、vLLMやSGLangでのサービングにも対応しています。ブラウザから触れるデモ環境もHugging Face Spaceで利用可能です。

なぜ重要か

ローカル環境で軽快に動くAIアシスタントを作りたい開発者にとって、MiniCPM5-2Bは有力な選択肢になります。2B規模のモデルはこれまで推論やコーディングで破綻しやすいのが難点でしたが、本モデルは5GB程度のサイズ感を保ちながら実用的な受け答えが可能です。

さらに学習データセットまでセットで開示されたため、エッジ向けモデルのファインチューニングや自前構築を試したい人にとっても、完成度の高い土台として役立ちます。