OpenBMB 於 2026 年 9 月 7 日公開 MiniCPM5‑2B 的模型權重與配套資料，開發者現在可以下載到自己的設備執行。這次是可下載的開源發布，納入最近 72 小時的新聞擴展。想做本地助理、程式工具或小型 AI Agent 的人，多了一個能自行部署與評估的選擇。
這次開放的是什麼？
模型名稱雖然寫 2B，官方列出的總參數約為 25.2 億，原生上下文上限是 131,072 tokens。它是文字語言模型，不是看照片、生成影片的多模態工具。權重採 Apache 2.0 授權；官方另提供 BF16、GGUF、MLX 與 GPTQ 等版本，讓不同執行環境選用合適格式，而不是要求所有人下載同一份大型檔案。
這次也不只有最終模型：官方列出 Base、Midtrain、SFT 等中間檢查點，並公開相關預訓練、程式、數學與 Agent 訓練資料。對研究者而言，可以比較不同訓練階段帶來什麼改變；對應用開發者而言，則能從現成版本開始測試，不必自己重做完整訓練。各資料集仍應分別查看自己的授權與說明。
小模型的價值，不只是分數
本地部署最直接的改變，是推論可以由自己的機器負責，而不是每次把輸入送到遠端模型。官方提供 llama.cpp、Ollama、LM Studio、MLX、vLLM 與 SGLang 等部署文件；Mac 使用者可以留意 MLX 路徑，想串接工具呼叫的開發者則有 SGLang 範例。這些是可用的技術入口，不代表已經是一個安裝後所有功能都準備好的消費型 App。
也別把「權重免費下載」理解成使用成本為零。記憶體、運算時間與電力仍由設備承擔，長上下文也會增加負擔。131K 是模型支援的上限，不是保證每台手機都能流暢處理同樣長度；本次沒有手機實測，因此不能承諾特定機型的速度或溫度。選擇量化版本時，也需要同時觀察品質是否符合自己的任務。
平均分領先，不代表每一項都贏
OpenBMB 公布的比較表中，MiniCPM5‑2B 在 34 項 benchmark 的平均分為 53.9，同表的 Qwen3.5‑4B 為 51.1。這是特定題目組合的比較結果，不等於所有能力全面勝出。官方表格也明確區分外部評測引用與內部重跑的項目，讀者不應把整張表都當成獨立第三方的實測。
例如，它在部分工具使用與程式任務表現突出，但 MMLU‑Pro、部分長上下文測試，以及較難的程式代理測試，仍有落後比較模型的地方。所以選型時要看自己要做的是知識問答、程式修補，還是固定格式的工具呼叫，而不是只憑一個平均分就把原本的模型全部換掉。
適合誰先試？
最適合先試的，是已有本地 AI 環境、希望降低雲端依賴，或研究小模型訓練的人。公開的權重、部署文件與中間版本，讓開發者可以實際驗證：哪些範圍清楚的任務能交給自己的設備處理，哪些仍需要較大的模型。
