OpenBMB는 2026년 9월 7일 MiniCPM5-2B 가중치와 관련 자료를 공개했습니다. 클라우드 채팅 서비스에만 의존하지 않고 자체 기기에서 실행할 수 있습니다. 이번 소식의 핵심은 실제 다운로드 가능한 공개판이며, 과거 시연을 신제품 발표로 다시 소개하는 것이 아닙니다. 이 기사는 최근 72시간 확장 범위에 해당합니다. 로컬 비서·코딩 도구·소형 에이전트 개발자에게 직접 배포하고 평가할 선택지가 생겼습니다.
이번에 무엇이 공개됐나?
이름은 2B이지만 공식 총 파라미터 수는 약 25.2억이며 기본 문맥 한도는 131,072토큰입니다. 텍스트 언어 모델로, 이미지 이해나 영상 생성 모델은 아닙니다. 가중치는 Apache 2.0 라이선스이며 BF16·GGUF·MLX·GPTQ 등 실행 환경별 형식이 제공됩니다.
최종 모델 외에 Base·Midtrain·SFT 중간 체크포인트와 사전학습·코드·수학·에이전트 관련 데이터도 공개됐습니다. 연구자는 단계별 차이를 비교하고 앱 개발자는 완성된 체크포인트부터 시험할 수 있습니다. 데이터셋별 라이선스와 설명은 따로 확인해야 합니다.
소형 모델의 가치는 점수만이 아니다
로컬 배포는 입력을 매번 원격 모델에 보내는 대신 자체 기기에서 추론하게 합니다. 공식 문서는 llama.cpp·Ollama·LM Studio·MLX·vLLM·SGLang을 다룹니다. Mac용 MLX 경로와 도구 호출용 SGLang 예제도 있습니다. 다만 이는 배포 방법이지 모든 기능이 갖춰진 소비자용 앱을 뜻하지는 않습니다.
가중치를 무료로 받더라도 메모리·연산 시간·전력 비용은 남습니다. 131K 한도는 모든 휴대전화가 그 길이를 원활하게 처리한다는 보장이 아닙니다. 이번 기사에서는 휴대전화 실측을 하지 않았으므로 속도나 발열을 약속할 수 없습니다. 양자화 버전도 실제 과제에 맞는 품질 확인이 필요합니다.
평균이 높다고 모든 항목에서 앞서지는 않는다
OpenBMB 비교표의 34개 벤치마크 평균은 53.9로 같은 표의 Qwen3.5-4B 51.1보다 높습니다. 특정 평가 조합의 결과이지 전반적 우위를 의미하지는 않습니다. 외부 평가 인용과 내부 재현 항목도 구분돼 있어 표 전체를 독립적인 제3자 평가로 볼 수 없습니다.
일부 도구 사용·코딩 항목에서는 강하지만 MMLU-Pro, 일부 긴 문맥 과제, 어려운 코딩 에이전트 평가에서는 비교 모델에 뒤지는 항목도 있습니다. 지식 질의, 코드 수정, 정형 도구 호출 중 실제 목적에 맞춰 선택해야 합니다.
누가 먼저 시험해 볼 만한가?
기존 로컬 AI 사용자, 클라우드 의존을 줄이려는 개발자, 소형 모델 학습 연구자가 먼저 주목할 만합니다. 일반 사용자에게는 대형 챗봇을 즉시 대체하기보다 범위가 명확한 작업을 자체 기기에서 처리할 가능성이 중요합니다. 가중치·문서·중간 버전의 공개로 이를 직접 검증할 수 있게 됐습니다.
