OpenBMB เปิดตัว MiniCPM5-2B โมเดล 2.52B รันบนอุปกรณ์

OpenBMB ได้ทำการปล่อยโมเดลปัญญาประดิษฐ์รุ่นล่าสุดในชื่อ MiniCPM5-2B ซึ่งเป็นโมเดลแบบ Dense ขนาด 2.52 พันล้านพารามิเตอร์ ออกมาให้ใช้งานกันแล้ว โดยตัวโมเดลมาพร้อมกับไลเซนส์แบบ Apache 2.0 และสามารถนำไปรันผ่านเฟรมเวิร์กยอดนิยมหลากหลายตัว เช่น vLLM, SGLang, Transformers, llama.cpp, Ollama, LM Studio, MLX และ FlagOS เพื่อรองรับการใช้งานบนอุปกรณ์พกพาและฮาร์ดแวร์ขนาดเล็กได้อย่างมีประสิทธิภาพ

ในการประเมินประสิทธิภาพ OpenBMB ได้เปรียบเทียบ MiniCPM5-2B กับโมเดลขนาดใกล้เคียงกันอย่าง LFM2.5-2.6B, Qwen3.5-2B และ Gemma-4-E2B-it รวมถึงโมเดลขนาดใหญ่กว่าอย่าง Qwen3.5-4B, granite-4.2-3B, Nemotron-3-Nano-4B, Gemma-4-E4B-it และ LFM2.5-8B-A1B โดยทำการทดสอบผ่านเกณฑ์มาตรฐานทั้งหมด 34 รายการ ผลปรากฏว่า MiniCPM5-2B ทำคะแนนเฉลี่ยรวมได้ที่ 53.9 คะแนน ซึ่งถือว่าทำได้ดีกว่า baseline ตัวอื่นในกลุ่มเดียวกันอย่างชัดเจน

เมื่อเจาะลึกในแต่ละด้าน โมเดลตัวนี้ทำคะแนนด้านการใช้เหตุผลในการเขียนโค้ด (Code Reasoning) ได้ 69.1 บน LiveCodeBench v6 และ 46.4 บน SWE-bench Verified ขณะที่จุดเด่นที่ทำคะแนนทิ้งห่างคู่แข่งมากที่สุดคือการใช้งานเครื่องมือ (Tool Use) โดยทำได้สูงถึง 97.1 บน τ²-Bench Telecom, 66.6 บน BFCL v4 และ 20.8 บน τ³-Bench Banking ส่วนด้านบริบทขนาดยาว (Long Context) ทำคะแนนได้ 68.1 บน NoLiMa แต่สำหรับความรู้ทั่วไป (General Knowledge) จะเป็นจุดที่โมเดลขนาดเล็กมีข้อจำกัด โดยทำได้ 70.8 บน MMLU-Pro และ 8.9 บน Humanity’s Last Exam

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

กระบวนการฝึกฝนของโมเดลนี้เริ่มต้นด้วยวิธีจัดการข้อมูลแบบ UltraData ตามงานวิจัยต้นฉบับ โดยแบ่งเป็นช่วงเทรนฐานอย่างเสถียร ช่วงกลางเพื่อปรับเข้าสู่การกระจายของข้อมูลเป้าหมาย และช่วงหลังการฝึกฝนด้วยโทเค็น SFT เชิงลึก 400 พันล้านโทเค็น พร้อมกับใช้ผู้ช่วยสอน RL เฉพาะทางสำหรับคณิตศาสตร์ โค้ด งานเอเจนต์ และการเขียนด้วยอัลกอริทึม JustRL II ขั้นตอนสุดท้ายคือการกลั่นความรู้แบบ On-Policy (OPD) ซึ่งผสานผู้เชี่ยวชาญ RL 16 คนเข้าเป็นโมเดลเดียว ส่งผลให้คะแนนด้านการใช้เหตุผลและเบนช์มาร์กทั่วไปเพิ่มขึ้นเฉลี่ย 10.96 คะแนน และเพิ่มขึ้น 6.96 คะแนนในด้านงานเอเจนต์