OpenBMB发布MiniCPM5-2B：25亿参数端侧大模型，工具调用能力突出

模型架构与部署就绪性

MiniCPM5-2B是OpenBMB MiniCPM5系列的第二版模型，参数量为2,516,756,480（约2.52B），其中嵌入层外参数达1,981,982,720。模型共42层，采用分组查询注意力机制（16个查询头、2个键/值头），原生上下文窗口为131,072 token。其架构严格遵循标准LlamaForCausalLM设计，无需定制内核或修改模型代码，可直接被vLLM、SGLang、Hugging Face Transformers、llama.cpp、Ollama、LM Studio、MLX及FlagOS等主流推理引擎加载运行。模型权重以Apache 2.0许可证开源，具备明确的端侧部署可行性。

综合性能与任务优势

在涵盖34项基准的横向评测中，MiniCPM5-2B平均得分为53.9，高于同尺寸模型Qwen3.5-4B（51.1）、granite-4.2-3B（42.7）及LFM2.5-2.6B（33.2）。其优势高度集中于特定能力维度：在工具调用任务中大幅领先——τ²-Bench Telecom达97.1（对比基线6.8）、BFCL v4为66.6、τ³-Bench Banking为20.8；代码推理方面，LiveCodeBench v6得分69.1（基线56.4），SWE-bench Verified达46.4（基线33.6）；长上下文检索中，NoLiMa得分68.1（基线43.5）。但在通用知识类任务上存在明显差距：MMLU-Pro为70.8（基线78.0），Humanity’s Last Exam为8.9（基线9.9）。

训练方法：强化学习+在线策略蒸馏

MiniCPM5-2B的后训练流程包含三阶段：先进行4000亿token的深度思考式监督微调（SFT），再分别构建面向数学、代码、智能体（agentic）和写作任务的强化学习（RL）教师模型，采用基于评判器的JustRL II算法；最终通过在线策略蒸馏（On-Policy Distillation, OPD）融合16个RL专家（含5个智能体方向专家）生成单一发布模型。OPD在每个响应位置以师生logits的全词表逆KL散度作为优势估计，复用原有RL提示作为蒸馏数据，不额外构建新语料。OpenBMB称该RL+OPD阶段在推理与通用基准上平均提升10.96分，在智能体类任务上提升6.96分。

全栈开源：数据、中间检查点与复现支持

除模型权重外，OpenBMB同步开源全套训练数据集，包括Ultra-FineWeb、Ultra-FineWeb-L3、UltraX、UltraData-Code、UltraData-Math、UltraData-SFT-2605、含50万智能体样本的UltraData-SFT-Agent-2609，以及含超8万样本的UltraData-RL-2609。同时发布Base、Midtrain和SFT-only等关键中间检查点，使各训练阶段贡献可独立验证。OpenBMB强调，开放数据与中间产物的价值远超综合平均分，是支撑其技术主张可检验性的核心基础。

编者观点

MiniCPM5-2B并非追求通用知识广度的‘全能型’模型，而是聚焦智能体场景的‘任务特化型’端侧基座——其工具调用与代码执行能力已接近实用门槛，为中国AI初创团队开发轻量化AI智能体提供了高性价比、可审计、可部署的新开源选项。