MiniCPM5-2B ist nach MiniCPM5-1B das zweite Modell der Reihe. OpenBMB beschreibt es als dichten Transformer in der Standardarchitektur von Llama mit 42 Schichten und 131.072 Token Kontext. Es steht unter Apache 2.0, ist auf Englisch und Chinesisch ausgelegt, und die Trainingsdaten sind veröffentlicht, darunter 500.000 Beispiele für Agentenaufgaben. Fertige Fassungen gibt es für llama.cpp, Apples MLX und GPTQ.
In OpenBMBs eigener Tabelle übertrifft es im Durchschnitt alle Vergleichsmodelle, auch die größeren: 53,9 Punkte gegen 51,1 für Qwen3.5 4B. Auf SWE-bench Verified, einer Sammlung echter GitHub-Aufgaben, meldet es 46,4 gegen 33,6. Auf SWE-bench Pro und Terminal-Bench 2.1 führt in derselben Tabelle aber das Qwen-Modell, mit 28,2 zu 14,4 und 25,8 zu 8,6.
Artificial Analysis bestätigt das nur zum Teil. Im Intelligence Index, Fassung 4.3, erreicht MiniCPM5-2B 13,1 Punkte – genauso viel wie Qwen3.5 4B im Reasoning-Modus und deutlich mehr als Gemma 4 E2B mit 7,8 oder MiniCPM5-1B mit 8,8. Im Coding-Index kommt es dagegen auf 14,5 Punkte, Qwen3.5 4B auf 22,6 und IBMs Granite 4.2 3B auf 17,5.
Am 8. September meldete ein Nutzer im GitHub-Projekt, die offiziellen GGUF-Dateien blieben mit den damals dokumentierten Einstellungen oft in Wiederholungen hängen. Auf HumanEval+ brach sein Prüfprogramm bei der 4-Bit-Fassung Q4_K_M 92 Prozent der Antworten ab; die Punktzahl lag bei 6,1 und stieg mit einer Wiederholungsstrafe von 1,15 auf 71,3. Er testete auf einem einzigen Rechner mit eigener Abbruchregel und einer Korrekturrunde; mit üblichen Benchmarkwerten sind die Zahlen daher nicht vergleichbar.
Am 12. September überarbeitete OpenBMB seine Sampling-Empfehlungen. Die Modellkarte rät nun, den Parameter min_p, der unwahrscheinliche Token aussortiert, auf 0 zu setzen, weil der llama.cpp-Standardwert 0,05 Schleifen begünstigen könne; hängt das Modell dennoch, soll eine Wiederholungsstrafe von 1,05 helfen. Eine Anfrage nach den Auswertungsskripten für die eigenen Benchmarks ist seit dem 11. September unbeantwortet.