Un modelo de 2.500 millones de parámetros que supera a los más grandes y se ejecuta en su computadora portátil
OpenBMB lanzó MiniCPM5-2B bajo Apache 2.0. Encabeza la clasificación abierta sub-4B, maneja 131.000 tokens de contexto y se ejecuta en Ollama, LM Studio y llama.cpp en el hardware que ya posee.
El laboratorio chino de código abierto OpenBMB lanzó MiniCPM5-2B el domingo bajo la licencia Apache 2.0, que es tan permisiva como las licencias de software: puede ejecutarlo, modificarlo y enviarlo en un producto comercial sin preguntar a nadie. El modelo tiene 2,52 mil millones de parámetros, los números internos que un modelo aprende durante el entrenamiento, que según los estándares de 2026 son pequeños. Lo suficientemente pequeño como para sentarse cómodamente en una computadora portátil o un teléfono.
También resulta ser bueno. En 34 puntos de referencia, el modelo tiene un promedio de 53,9, por delante del Qwen3.5-4B con 51,1, lo que lo sitúa en la cima de la clasificación abierta para modelos con menos de 4 mil millones de parámetros. Las puntuaciones más destacadas son prácticas y no triviales: 97,1 en la división Telecom de Tau-Square Bench, que prueba si un modelo puede llamar a herramientas y seguir un procedimiento de varios pasos sin perder el hilo, y 69,1 en LiveCodeBench v6 para código. Artificial Analysis, que realiza sus propias evaluaciones independientes, le dio una puntuación de 15 en el Índice de Inteligencia v4.2, primero entre los modelos de peso abierto por debajo de 4B y por delante de Granite 4.2 3B con 11. El contexto nativo es de 131.072 tokens, aproximadamente un libro de 300 páginas que se tiene en mente a la vez, y el modelo tiene un modo de pensamiento híbrido que se puede activar cuando una pregunta merece un razonamiento más lento. Funciona de inmediato con vLLM, SGLang, llama.cpp, Ollama, LM Studio y MLX para Apple Silicon. OpenBMB también publicó los conjuntos de datos de preentrenamiento, ajuste y aprendizaje de refuerzo, además de los puntos de control intermedios, lo cual es más raro que liberar los pesos solo.
¿Qué hay detrás de esto?
Durante dos años, la historia fue que la capacidad venía del tamaño, por lo que cualquier cosa que pudieras ejecutar en casa era un juguete. Eso dejó de ser cierto silenciosamente. Las recetas de entrenamiento mejoraron, los datos se volvieron más claros y los modelos pequeños comenzaron a heredar mucho de lo que aprendieron los grandes. Un modelo de 2.500 millones de parámetros en 2026 hace cosas con las que un modelo de 70.000 millones de parámetros tuvo problemas en 2024.
¿Por qué un laboratorio regala esto? En parte reputación, en parte ecosistema. Si MiniCPM se convierte en el modelo pequeño predeterminado que la gente ajusta e integra en los dispositivos, OpenBMB se ubica en el centro de ese mundo. Y publicar los datos de entrenamiento junto con los pesos es una respuesta directa a una queja común sobre los modelos “abiertos” que incluyen un binario y nada más.
Qué significa esto para usted: Si nunca ha ejecutado un modelo en su propia máquina, este es un buen comienzo. Instale Ollama o LM Studio, instale MiniCPM5-2B y tendrá un asistente privado que funciona sin conexión, no cuesta nada por pregunta y nunca envía su texto a ninguna parte. No reemplazará un modelo de frontera basado en un razonamiento riguroso, y no se debe esperar que lo haga. Pero para redactar, resumir, reformatear y responder preguntas sobre documentos que preferirías no subir a nadie, es realmente suficiente. Si construye productos, la parte interesante es la licencia más el tamaño: este es un modelo que puede enviar dentro de una aplicación, en un teléfono, sin factura de API ni límite de tarifa.
Fuentes
Siete agentes de IA obtuvieron cuentas bancarias reales y 72 horas. Facturaron a extraños $12,431 y no ganaron nada
Bottleneck Labs entregó siete modelos fronterizos por valor de 300 dólares cada uno, un Mac mini desbloqueado y un manual de instrucciones. El resultado fueron 2797 correos electrónicos no deseados, 50 facturas no solicitadas y cero ingresos. Los investigadores están trasladando las futuras ejecuciones a la simulación.
