MiniCPM5-2B
MiniCPM5系列第二款稠密2B端侧模型；原生131,072 token上下文，官方开放部分训练数据并强调代码、数学、长上下文与代理任务的改进。
最后核实：
https://huggingface.co/openbmb/MiniCPM5-2B特点与限制
主要特点
- 官方标注2,516,756,480总参数、1,981,982,720非嵌入参数
- 同一检查点支持思考/非思考模式（enable_thinking）
- 官方开放UltraX、UltraData-Code、UltraData-RL-2609等部分训练数据
- 提供DSpark草稿模型用于SGLang投机解码（官方称保持目标模型输出不变）
使用边界
- 官方评测表中带†的成绩来自Artificial Analysis发布，本站按评测来源规范未导入。
- 官方评测表未标注思考模式等完整评测条件。
- llama.cpp默认min_p=0.05可能导致重复输出，官方建议设置min_p=0.0。
- 本站未实测端侧或服务器部署表现。
模型信息
- 家族与版本
- MiniCPM / 5
- 输入与输出
- 文本 → 文本
- 公开参数规模
- 2B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- 官方模型信息标注参数2,516,756,480（约2.52B），非嵌入参数1,981,982,720；按官方2B档位记录。 参数来源
- 原生上下文
- 131,072 tokens
- 扩展上下文
- 未提供
- 语言声明
- 英语、中文；语言支持不代表对应语言的评测水平。
- 权重许可
- Apache-2.0
- 代码许可
- 未核实
- 训练资料
- 官方公开训练路线（base训练、mid-training、SFT、RL、OPD）并开放部分训练数据集（UltraX、UltraData-Code、UltraData-SFT-Agent-2609、UltraData-RL-2609等）；未给出完整逐样本数据清单。
能力依据
模型变体：指令版；家族与版本：MiniCPM / 5
文本生成
MMLU-Pro · accuracy70.8%MMLU-Pro · enIFEval · accuracy86.7%IFEval · en查看评估与来源收起补充信息
文本生成
官方评测表给出MMLU-Pro 70.8%与IFEval 86.7%，并称其在该对比集合内达到2B级SOTA、超过部分更大对照模型；这些均为厂商自测，未标注思考模式与完整条件。
- 同一评测表含指令跟随（IFBench 66.3%）与多语言（Multi-IF 71.8%）等维度。
- 官方开放部分训练数据与RL/OPD训练说明。
- SOTA表述限于官方列出的对比集合，不是独立排名。
- 表格混用自测与Artificial Analysis发布（带†）成绩，本站仅收录自测行。
- 思考模式未标注，本站未复现。
MMLU-Pro · accuracy
70.8%官方报告 · OpenBMB官方自测
展开评测条件与来源
- 模型标识 / 修订
- openbmb/MiniCPM5-2B / 未提供
- 思考模式
- 未知
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MMLU-Pro / 未提供
- 基准 / 报告版本
- 官方模型卡评测表（未注明数据版本）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；模型卡评测表（与LFM2.5-2.6B、Qwen3.5-2B、Gemma-4-E2B-it等对比）列出MiniCPM5-2B列MMLU-Pro为70.8；表格未标注思考模式，本行不带†（卡注带†成绩来自Artificial Analysis发布）。官方推荐采样temperature=1.0、top_p=0.95、min_p=0.0。本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- openbmb / minicpm5-2b-openbmb-model-card-2026
- 来源
- https://huggingface.co/openbmb/MiniCPM5-2B
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方评测表未标注该成绩的模型revision、思考模式与完整评测条件；原样记录，不与配置不同的结果直接排名。
IFEval · accuracy
86.7%官方报告 · OpenBMB官方自测
展开评测条件与来源
- 模型标识 / 修订
- openbmb/MiniCPM5-2B / 未提供
- 思考模式
- 未知
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- IFEval / 未提供
- 基准 / 报告版本
- 官方模型卡评测表（未注明数据版本）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；模型卡评测表Instruction Following区列出MiniCPM5-2B列IFEval为86.7；表格未标注思考模式，本行不带†。官方推荐采样temperature=1.0、top_p=0.95、min_p=0.0。本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- openbmb / minicpm5-2b-openbmb-model-card-2026
- 来源
- https://huggingface.co/openbmb/MiniCPM5-2B
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方评测表未标注该成绩的模型revision、思考模式与完整评测条件；原样记录，不与配置不同的结果直接排名。
代码
LiveCodeBench v6 · score69.1%LiveCodeBench v6 · codeSWE-bench Verified · score46.4%SWE-bench Verified · code查看评估与来源收起补充信息
代码
官方评测表给出LiveCodeBench v6 69.1%与SWE-bench Verified 46.4%，覆盖竞赛题与仓库级修复两类指标；厂商自测且未披露脚手架与指标定义，不能外推为任意项目的修复成功率。
- 同时覆盖竞赛式代码生成（LiveCodeBench v6、OJBench 32.5%）与真实仓库任务（SWE-bench Verified 46.4%）。
- SWE-bench数值与代理脚手架、失败重试策略强相关，表中未披露。
- 题目时间窗口与指标定义未完整披露。
- 本站未运行代码或代理任务验证。
LiveCodeBench v6 · score
69.1%官方报告 · OpenBMB官方自测
展开评测条件与来源
- 模型标识 / 修订
- openbmb/MiniCPM5-2B / 未提供
- 思考模式
- 未知
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- LiveCodeBench v6 / 未提供
- 基准 / 报告版本
- v6（官方卡未注明数据时间范围）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；模型卡评测表Code Reasoning区列出MiniCPM5-2B列LiveCodeBench v6为69.1；表格未标注思考模式、题目时间窗口与指标定义，本行不带†。官方推荐采样temperature=1.0、top_p=0.95、min_p=0.0。本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- openbmb / minicpm5-2b-openbmb-model-card-2026
- 来源
- https://huggingface.co/openbmb/MiniCPM5-2B
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方评测表未标注该成绩的模型revision、题目时间窗口与指标定义；原样记录，不与不同版本或配置的结果直接排名。
SWE-bench Verified · score
46.4%官方报告 · OpenBMB官方自测
展开评测条件与来源
- 模型标识 / 修订
- openbmb/MiniCPM5-2B / 未提供
- 思考模式
- 未知
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- SWE-bench Verified / 未提供
- 基准 / 报告版本
- 官方模型卡评测表（未注明数据版本）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；模型卡评测表Coding Agent区列出MiniCPM5-2B列SWE-bench Verified为46.4；表格未标注扩展思考、脚手架与指标定义，本行不带†。官方推荐采样temperature=1.0、top_p=0.95、min_p=0.0。本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- openbmb / minicpm5-2b-openbmb-model-card-2026
- 来源
- https://huggingface.co/openbmb/MiniCPM5-2B
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方评测表未标注该成绩的模型revision、代理脚手架与指标定义；原样记录，不与配置不同的结果直接排名。
运行条件与获取
Transformers
系统支持未提供 · Safetensors · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；内存、显存和速度取决于运行时、精度、量化与输入长度，不将参数量或文件大小换算为资源保证。
内存：未核实；显存：未核实。
依赖：transformers>=5.6、accelerate、torch。
STEP 01 按官方示例安装依赖
官方Quickstart的Transformers安装命令（transformers>=5.6）。本站未执行。
pip install -U "transformers>=5.6" accelerate torchSTEP 02 加载模型并生成
官方示例用AutoModelForCausalLM与AutoTokenizer加载此模型（示例启用enable_thinking=True）；官方推荐采样temperature=1.0、top_p=0.95、min_p=0.0，重复输出时可加repetition_penalty=1.05。本站未下载权重或执行模型。
llama.cpp
系统支持未提供 · GGUF · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；端侧内存取决于量化格式与上下文长度，不将文件体积换算为运行内存保证。
内存：未核实；显存：未核实。
依赖：以官方指引为准。
STEP 01 运行GGUF量化模型
官方提供GGUF导出（F16/Q4_K_M/Q8_0）并给出llama-server命令；-c 8192可按需调整上下文。官方建议设置min_p=0.0以避免默认min_p=0.05导致的重复输出。本站未下载或执行。
llama-server -m MiniCPM5-2B-F16.gguf -a MiniCPM5-2B --port 8080 -ngl 99 -c 8192 --jinja