Un modello da 2,5 miliardi di parametri che batte quelli più grandi e funziona sul tuo laptop
OpenBMB ha rilasciato MiniCPM5-2B sotto Apache 2.0. È in cima alla classifica aperta inferiore a 4B, gestisce 131.000 token di contesto e funziona in Ollama, LM Studio e llama.cpp sull'hardware che già possiedi.
Il laboratorio open source cinese OpenBMB ha rilasciato domenica MiniCPM5-2B con la licenza Apache 2.0, che è permissiva quanto lo sono le licenze software: puoi eseguirlo, modificarlo e inserirlo in un prodotto commerciale senza chiedere a nessuno. Il modello ha 2,52 miliardi di parametri, i numeri interni che un modello apprende durante l’addestramento, che per gli standard del 2026 sono piccoli. Abbastanza piccolo da stare comodamente su un laptop o un telefono.
Sembra anche che sia buono. Su 34 benchmark il modello ha una media di 53,9, davanti a Qwen3.5-4B a 51,1, che lo pone in cima alla classifica aperta per i modelli con 4 miliardi di parametri. I punteggi migliori sono pratici piuttosto che banali: 97,1 sulla suddivisione Telecom di Bench al quadrato tau, che verifica se un modello può chiamare strumenti e seguire una procedura in più passaggi senza perdere il thread, e 69,1 su LiveCodeBench v6 per il codice. Artificial Analysis, che esegue le proprie valutazioni indipendenti, ha ottenuto un punteggio di 15 nell’Intelligence Index v4.2, primo tra i modelli open-weight sotto 4B e davanti a Granite 4.2 3B a 11. Il contesto nativo è di 131.072 token, circa un libro di 300 pagine tenuto a mente contemporaneamente, e il modello ha una modalità di pensiero ibrida che puoi attivare quando una domanda merita un ragionamento più lento. Funziona immediatamente con vLLM, SGLang, llama.cpp, Ollama, LM Studio e MLX per il silicio Apple. OpenBMB ha anche pubblicato i set di dati di pre-addestramento, messa a punto e apprendimento di rinforzo oltre ai checkpoint intermedi, il che è più raro che rilasciare solo i pesi.
Cosa c’è dietro tutto questo?
Per due anni la storia è stata che la capacità derivava dalle dimensioni, quindi tutto ciò che potevi correre a casa era un giocattolo. Ciò ha smesso di essere vero in silenzio. Le ricette di formazione sono migliorate, i dati sono diventati più chiari e i modelli piccoli hanno iniziato a ereditare molto di ciò che hanno imparato quelli grandi. Un modello da 2,5 miliardi di parametri nel 2026 fa cose con cui un modello da 70 miliardi di parametri ha lottato nel 2024.
Perché un laboratorio lo rivela? In parte reputazione, in parte ecosistema. Se MiniCPM diventa il piccolo modello predefinito che le persone perfezionano e incorporano nei dispositivi, OpenBMB si trova al centro di quel mondo. E pubblicare i dati di addestramento insieme ai pesi è una risposta diretta a una lamentela comune sui modelli “aperti” che forniscono un file binario e nient’altro.
Che cosa significa per te: Se non hai mai eseguito un modello sul tuo computer, questo è un buon primo. Installa Ollama o LM Studio, inserisci MiniCPM5-2B e avrai un assistente privato che funziona offline, non costa nulla per domanda e non invia mai il tuo testo da nessuna parte. Non sostituirà un modello di frontiera per un ragionamento duro, e non dovresti aspettartelo. Ma per redigere, riassumere, riformattare e rispondere a domande su documenti che preferiresti non caricare a nessuno, è davvero sufficiente. Se costruisci prodotti, la parte interessante è la licenza più le dimensioni: questo è un modello che puoi spedire all’interno di un’app, su un telefono, senza fattura API e senza limiti di tariffa.
Fonti
Sette agenti IA hanno conti bancari reali e 72 ore. Hanno fatturato agli sconosciuti 12.431 dollari e non hanno guadagnato nulla
Bottleneck Labs ha donato a sette modelli di frontiera 300 dollari ciascuno, un Mac mini sbloccato e un'istruzione. Il risultato sono stati 2.797 email di spam, 50 fatture non richieste e zero entrate. I ricercatori stanno spostando le prove future nella simulazione.
