一文读懂MiniCPM5-2B：端侧 Agent 的突破，不是“小模型打赢大模型”，而是训练系统开始开源

写在前面

欢迎大家关注Rocky的公众号：WeThinkIn

欢迎大家关注Rocky的知乎：Rocky Ding

《三年面试五年模拟》AIGC/LLM/AI Agent算法工程师/开发工程师求职面试秘籍独家资源：【三年面试五年模拟】WeThinkIn/AIGC-Interview-Book，欢迎大家Star～

Rocky最新撰写的10万字AI Agent（AI智能体）深入浅出全维度解析文章： 深入浅出完整解析AI Agent（AI智能体）的核心基础知识

AIGC/LLM/AI Agent算法岗/开发岗求职面试内推学习社群 （涵盖AIGC、LLM大模型、AI Agent、传统深度学习、自动驾驶、机器学习、计算机视觉、自然语言处理、强化学习、大数据挖掘、具身智能、元宇宙、AGI等AI行业最新面试干货经验与核心知识）欢迎大家加入：https://t.zsxq.com/33pJ0

大家好，我是Rocky。

核心导读

MiniCPM5-2B 最容易被传播的故事，是一个 2B 级小模型在若干榜单上超过了更大的模型。这个说法有吸引力，却不是这次发布最值得研究的部分。

Rocky 更关心的是另一个事实：MiniCPM5-2B 没有依赖一种神秘的新架构。它仍然是标准的稠密因果语言模型，采用 LlamaForCausalLM，总参数量为 2,516,756,480，非词嵌入参数约 19.82 亿。真正把能力推上去的，是一条贯穿预训练、中期训练、SFT、强化学习、在策略蒸馏和部署适配的完整链路。

MiniCPM5-2B 的本质，不是证明"小模型已经打赢大模型"，而是说明小模型竞争正在从参数规模竞争，转向数据、后训练、Agent 轨迹、训练基础设施与部署生态共同决定的系统效率竞争。

这也是"训练数据开源"比"某个榜单第一"更重要的原因。模型权重告诉我们结果是什么，分阶段检查点、训练数据和训练框架则让研究者有机会继续追问：能力究竟从哪里来？哪一步有效？代价是什么？结果能否复现？

一、先把结论说清楚：它证明的是参数效率，不是参数无效

从第三方榜单快照看，MiniCPM5-2B 的 Intelligence Index 为 23，在截图所列模型中处于第一位。

同一组快照里，MiniCPM5-2B 的 Agentic Index 为 20，也明显高于截图中的其他小尺寸模型。

GDPval-AA v2 的截图给出了 891 的原始展示分数，并把它放在一组模型的首位。

但这三张图只能支持一个有时间边界的结论：在截图对应的榜单版本、模型集合和评测配置下，MiniCPM5-2B 表现突出。 它们不能自动推出"2B 普遍超过 12B"，更不能推出"参数量已经不重要"。榜单会更新，模型集合会变化，推理预算、工具配置和评分归一化方式也会改变。

还要特别注意，GDPval-AA v2 截图中的 891，与官方模型卡对比表中的 19.6，不是可以直接相等的两个数字。前者是第三方页面截图中的原始展示尺度，后者是模型卡比较表采用的归一化尺度。比较模型时，必须同时绑定：

同一个 benchmark 版本；
同一种分数定义；
同一组推理和工具配置；
同一时间截面的候选模型；
同一套聚合方法。

离开这些条件，数字就只剩传播价值，没有科学比较价值。

二、2B 到底有多小：先看模型结构，而不是看修辞

MiniCPM5-2B 的官方模型信息很朴素：

项目	MiniCPM5-2B
模型类型	稠密因果语言模型
架构	标准 `LlamaForCausalLM`
总参数量	2,516,756,480
非词嵌入参数量	1,981,982,720
Transformer 层数	42
GQA 注意力头	16 个 Q 头 / 2 个 KV 头
原生上下文长度	131,072 tokens
许可证	Apache-2.0

因此，名称里的"2B"是尺寸类别，而不是精确参数计数。若把所有参数都算进去，它更接近 2.52B；若只看非词嵌入参数，则约为 1.98B。严谨讨论模型尺寸时，应说明采用哪一种口径。

GQA 的 16 个查询头共享 2 个键值头，对 KV Cache 很关键。粗略忽略其他维度后，相对于 16 个独立 KV 头的多头注意力，KV 头数量压缩比例为：

r K V = n K V n Q = 2 16 = 1 8 . r_{\mathrm{KV}}=\frac{n_{\mathrm{KV}}}{n_{\mathrm{Q}}}=\frac{2}{16}=\frac{1}{8}. rKV=nQnKV=162=81.

这不意味着端到端显存一定精确下降到八分之一，因为权重、激活、框架开销、批大小和量化方式仍会影响总占用；它说明在头维度相同的近似下，KV Cache 的头数项显著降低。对 128K 长上下文和本地 Agent 来说，这种结构选择直接影响"能不能跑"和"能以多大并发跑"。

更重要的是，MiniCPM5-2B 没有用自定义模型结构制造部署门槛。标准 LlamaForCausalLM 意味着主流推理引擎可以直接加载，不需要为模型格式维护专用 fork，也不以专用 kernel 作为基本前提。小模型的价值不只是权重小，还包括接入成本低。

三、"智能密度"可以观察，但不能被神化为物理定律

参数量与第三方 Intelligence Index 的快照形成了一张很醒目的 Pareto 图：MiniCPM5-2B 位于较高分、较低参数量区域。

我们可以定义一个仅用于同表比较的朴素指标：

D = S N , D=\frac{S}{N}, D=NS,

其中 S S S 是固定评测协议下的综合分数， N N N 是参数量。这个比值可以帮助观察"单位参数承载了多少被测能力"，但它不是模型的内禀常数，更不是脱离评测集后仍成立的物理量。

原因很简单。 S S S 会受到题集、提示词、采样预算、工具、Harness、上下文长度、评分器甚至是否允许思维链的影响； N N N 也没有计入训练 token、教师模型、数据清洗、RL rollouts、推理时计算量和外部工具成本。只用 S / N S/N S/N 衡量系统效率，会漏掉大量被转移到训练阶段和运行时的成本。

所谓 Densing Law，更适合作为一个经验趋势来理解：随着数据治理、训练配方和后训练方法进步，同等参数规模的模型可以覆盖更强能力。MiniCPM5-2B 是这条趋势的一份新证据，却不是单个模型就能证明的普适定律。

四、官方对比表应该怎么读：平均分领先，不等于每项都赢

官方模型卡在一组 2B 和 4B 级开源模型中报告了 53.9 的平均分。这个数字在该比较集合中最高，第二名 Qwen3.5-4B 为 51.1。

MiniCPM5-2B 在若干项目上的官方报告值包括：

评测	MiniCPM5-2B
LiveCodeBench v6	69.1
AIME 2025	86.5
AIME 2026	86.5
BFCL v4	66.6
SWE-bench Verified	46.4
SWE-bench Pro	14.4
Terminal-Bench v2.1	8.6
GDPval-AA v2（表内归一化尺度）	19.6
官方所选比较集平均分	53.9

这里至少有三条边界不能省略。

第一，53.9 是官方选定比较集合内的平均分，不是跨所有模型、所有尺寸和所有任务的全局结论。

第二，MiniCPM5-2B 并非每一项 Agent 评测都领先。例如同表中的 Qwen3.5-4B 在 SWE-bench Pro 和 Terminal-Bench v2.1 上分别为 28.2 和 25.8，高于 MiniCPM5-2B 的 14.4 和 8.6。这说明"Agent 能力"不是一个单一标量。函数调用、浏览器操作、仓库修复、终端任务和长程规划，依赖的能力结构并不相同。

第三，模型卡明确说明：带剑标记的分数来自 Artificial Analysis 官方发布，其余比较分数由团队内部复现。内部复现不是无效证据，但它与独立第三方复现属于不同证据等级。最稳妥的表达不是"全部断层第一"，而是"在官方公开的比较设置中体现出很高的参数效率，并在多个代码、数学、工具和 Agent 任务上具有竞争力"。

五、真正的技术主线：Base、Mid-training、SFT、RL、OPD

MiniCPM5-2B 的训练流程可以分成三个大阶段，后训练又可以继续拆成三步：

Base Training → Mid-training → SFT → RL → OPD . \text{Base Training} \rightarrow \text{Mid-training} \rightarrow \text{SFT} \rightarrow \text{RL} \rightarrow \text{OPD}. Base Training→Mid-training→SFT→RL→OPD.

Base Training 负责建立语言建模底座与训练稳定性，包含稳定训练和衰减训练；Mid-training 让模型进一步适配目标数据分布、强化代码、数学、长上下文等目标能力；SFT 把通用生成能力整理成可交互、可遵循指令的行为；RL 针对数学、代码、Agent、写作等领域分别强化；最后 OPD 把多个专家模型的能力重新合并到一个发布模型。

这条链路解释了为什么"只是 2B"会成为误导。最终参数量确实只有 2B 级，但它背后使用了大量数据治理、教师信号、在线采样和专家训练。推理时的小，不等于训练过程简单；端侧成本低，也不等于能力是低成本自然长出来的。

六、UltraX 与分层数据治理：小模型更不能浪费容量

MiniCPM5-2B 同期公开的数据资产包括 Ultra-FineWeb、Ultra-FineWeb-L3、UltraX、UltraData-Code、UltraData-Math、UltraData-SFT-Agent-2609 和 UltraData-RL-2609。官方介绍中，Agent SFT 数据约 50 万条，RL 数据超过 8 万条。

UltraX 的核心问题是：当网络语料规模已经足够大，继续堆原始 token 是否仍是最有效路径？对于小模型，答案尤其可能是否定的。模型容量有限，低质量、重复、模板化、缺乏推理结构的数据，不只是"没帮助"，还会占用宝贵的表示容量和训练预算。

数据治理可以粗略写成一个效用问题：

max ⁡ D ′ E x ∼ D ′ $U ( x )$ s.t. C o s t ( D ′ ) ≤ B , \max_{\mathcal{D}'}\; \mathbb{E}_{x\sim\mathcal{D}'} $U(x)$ \quad \text{s.t.}\quad \mathrm{Cost}(\mathcal{D}')\le B, D′maxEx∼D′ $U(x)$ s.t.Cost(D′)≤B,

其中 U ( x ) U(x) U(x) 不是一个固定可知的"数据质量真值"，而是样本对目标能力的预期贡献， B B B 是清洗、编辑和训练预算。分层数据管理的意义，是让不同质量等级、领域和难度的数据进入不同阶段，而不是把所有 token 当成同质燃料。

Rocky 认为，小模型时代最重要的数据观念变化是：数据不再只是规模变量，而是容量分配机制。 大模型可以用冗余容量消化一部分噪声，小模型的每一层、每一个注意力头都更珍贵，因此更依赖样本密度、课程顺序和目标能力之间的匹配。

不过，"数据开源"也不能被理解为已经完整复现训练。公开数据集仍需继续核对版本、去重规则、采样权重、混合比例、训练顺序、过滤器和未公开数据边界。数据可见性提高了可审计性，但从可下载到可复现，中间还有训练配置和算力鸿沟。

七、400B tokens 的 SFT：这里的"深度思考"不是一句提示词

官方模型卡称，后训练首先使用 400B tokens 的 deep-thinking SFT，建立深度思考和通用对话能力。这一规模提示我们：MiniCPM5-2B 的推理能力并不是只靠少量高质量问答做出来的，而是把 SFT 当成一个大规模能力塑形阶段。

SFT 的基本目标仍然是条件语言建模：

L S F T ( θ ) = − ∑ t = 1 T log ⁡ p θ ( y t ∣ x , y < t ) . \mathcal{L}{\mathrm{SFT}}(\theta) =-\sum{t=1}^{T}\log p_{\theta}(y_t\mid x,y_{<t}). LSFT(θ)=−t=1∑Tlogpθ(yt∣x,y<t).

真正决定效果的不是公式本身，而是 ( x , y ) (x,y) (x,y) 的构成：任务是否需要多步推理，工具轨迹是否正确，失败路径是否被过滤，答案是否包含可验证中间状态，长上下文样本是否真的需要利用远距离信息。

Agent SFT 的 50 万样本也不能只看数量。一个高价值 Agent 样本通常至少包含目标、环境状态、可用工具、动作、观察、错误恢复和终止条件。若训练数据只有"用户问题 + 最终答案"，模型学到的是回答；若包含可执行且经验证的轨迹，模型才有机会学到行动策略。

八、RL 的作用：把"会生成"推向"能通过验证"

MiniCPM5-2B 为数学、代码、Agent、写作等领域训练专门的 RL 教师。官方说明采用 JustRL II 中的 critic-based 算法以改善稳定性。对可验证任务，一个典型的 RL 目标可抽象为：

J ( θ ) = E y ∼ π θ ( ⋅ ∣ x ) $R ( x , y )$ − β D K L ⁣ ( π θ ( ⋅ ∣ x ) ∥ π r e f ( ⋅ ∣ x ) ) . J(\theta)= \mathbb{E}{y\sim\pi\theta(\cdot\mid x)} $R(x,y)$ -\beta D_{\mathrm{KL}}\!\left( \pi_\theta(\cdot\mid x)\,\|\,\pi_{\mathrm{ref}}(\cdot\mid x) \right). J(θ)=Ey∼πθ(⋅∣x) $R(x,y)$ −βDKL(πθ(⋅∣x)∥πref(⋅∣x)).

第一项鼓励通过单元测试、数学验证器、工具执行结果或任务评分器获得更高奖励；第二项限制策略偏离参考模型过远。没有约束，模型可能利用奖励漏洞；约束太强，模型又学不到新的策略。critic 的价值在于估计动作或 token 对最终回报的贡献，降低只依赖稀疏终局奖励带来的方差。

对 Agent 而言，RL 最难的往往不是公式，而是环境。工具必须真实可调用，观察必须回传，执行错误必须保留，奖励要区分"看起来像完成"和"真的完成"。如果环境只检查最后一段自然语言，模型就容易学会写一份像成功报告的答案；如果环境检查文件、测试、页面状态和外部副作用，训练信号才更接近真实任务。

九、OPD 的本质：把 16 个 RL 专家重新压回一个模型

单独训练领域专家容易，难的是把它们合并后不互相伤害。数学专家、代码专家、Agent 专家和写作专家可能在相同提示上给出不同分布，简单权重平均或顺序微调容易发生能力干扰。

MiniCPM5-2B 的 OPD（On-Policy Distillation，在策略蒸馏）使用 16 个 RL 专家模型，其中包含 5 个 Agent 专家。官方描述是在学生生成的响应位置上，计算学生与教师全词表分布的反向 KL，并把它作为 advantage 估计。

对某个位置 t t t，可以把这种信号写成：

A t O P D = − D K L ⁣ ( p θ ( ⋅ ∣ s t ) ∥ p T ( ⋅ ∣ s t ) ) , A_t^{\mathrm{OPD}} =-D_{\mathrm{KL}}\!\left( p_\theta(\cdot\mid s_t) \,\|\, p_T(\cdot\mid s_t) \right), AtOPD=−DKL(pθ(⋅∣st)∥pT(⋅∣st)),

其中 p θ p_\theta pθ 是学生分布， p T p_T pT 是对应领域教师分布， s t s_t st 是学生在策略生成到第 t t t 个位置时的状态。展开反向 KL：

D K L ( p θ ∥ p T ) = ∑ v ∈ V p θ ( v ∣ s t ) log ⁡ p θ ( v ∣ s t ) p T ( v ∣ s t ) . D_{\mathrm{KL}}(p_\theta\|p_T) =\sum_{v\in\mathcal{V}}p_\theta(v\mid s_t) \log\frac{p_\theta(v\mid s_t)}{p_T(v\mid s_t)}. DKL(pθ∥pT)=v∈V∑pθ(v∣st)logpT(v∣st)pθ(v∣st).

它不是只告诉学生"最终答案对不对"，而是在每个响应位置上比较整个词表分布。学生在自己真正访问到的状态上学习，因此比只蒸馏教师离线答案更贴近部署时分布；全词表信号也比单个采样 token 更稠密。

官方报告称，在图中所列评测上，RL + OPD 让推理与通用能力平均增加 10.96 分，让 Agent 能力平均增加 6.96 分。这个结果支持"后训练贡献显著"，但仍属于官方消融结果；要确认收益能否跨训练栈复现，还需要公开超参数、训练日志、随机种子、教师选择规则和第三方重复实验。

十、为什么还要开源 Meshy：模型结果背后还有 RL 生产系统

如果把强化学习理解成一个 loss.backward()，就会低估 Agent RL 的工程复杂度。一次训练至少涉及推理服务、rollout、奖励计算、训练器、教师模型、轨迹存储和权重同步。同步训练容易让 GPU 在等待中空转，异步训练又会引入策略陈旧和数据一致性问题。

Meshy 把这些角色建模成独立服务，通过 TransferQueue 传递样本、权重、信号和 GPU 所有权；拓扑由每个进程根据声明式 recipe 在本地推导。官方实现基于 SGLang 与 TorchTitan，不使用 Ray，也没有一个负责转发所有 RPC 和张量的中心控制器。

这套设计的关键不是"微服务"三个字，而是把 RL 中的数据依赖显式化：

Prompt → Rollout → Reward / Teacher → Training → New Weights → Rollout . \text{Prompt} \rightarrow \text{Rollout} \rightarrow \text{Reward / Teacher} \rightarrow \text{Training} \rightarrow \text{New Weights} \rightarrow \text{Rollout}. Prompt→Rollout→Reward / Teacher→Training→New Weights→Rollout.

Meshy 用 pacing window 控制 rollout 可以领先训练多少批次，从同一组服务组合出 on-policy、bounded off-policy 和 fully asynchronous 三种配方。窗口越小，策略更新更"新鲜"，但流水线等待可能更多；窗口越大，设备利用率更高，训练样本与当前策略的偏差也可能变大。

因此，MiniCPM5-2B 的开放价值不应只看模型权重。数据让外界研究样本结构，Base、Midtrain、SFT 和 Final 检查点让外界做阶段消融，Meshy 则把训练系统本身暴露出来。三者结合，才接近一条可研究的能力生成链。

十一、Agent 能力为什么能进入 2B：能力被"预装"进权重

大模型 Agent 常把复杂性放在推理时：更长思维链、更多采样、更多反思、更多工具重试。小模型若照搬这条路线，虽然权重更小，却可能因长序列和频繁调用失去延迟与能耗优势。

MiniCPM5-2B 的路线更像是把一部分推理时搜索提前支付到训练阶段：

用分层数据减少低价值 token 对容量的占用；
用大规模 SFT 固化推理与对话模式；
用 Agent 轨迹训练工具选择和状态推进；
用领域 RL 教师探索更优策略；
用 OPD 把专家能力压回一个稠密学生模型；
用标准架构和量化格式降低落地摩擦。

这并没有消灭计算，而是改变了计算发生的位置。训练侧付出更大成本，换取推理侧更小的模型、更低的传输成本和更可控的本地运行。

对于高频部署，这种交换可能很划算。若训练成本为 C t r a i n C_{\mathrm{train}} Ctrain，每次推理相对大模型节省 Δ c \Delta c Δc，调用次数为 M M M，那么只有在

M ⋅ Δ c > C t r a i n + C a d a p t M\cdot \Delta c > C_{\mathrm{train}}+C_{\mathrm{adapt}} M⋅Δc>Ctrain+Cadapt

时，系统总成本优势才真正成立。 C a d a p t C_{\mathrm{adapt}} Cadapt 还包括量化、评测、端侧适配和维护成本。企业选择小模型，不能只比较下载文件大小，而要比较完整生命周期成本。

十二、部署生态比单次跑通更重要

官方已经提供 Final、Base、Midtrain、SFT、GGUF、MLX、GPTQ 和 DSpark 等版本。vLLM 与 SGLang 可以提供 OpenAI 兼容服务；GGUF 对应 llama.cpp、Ollama 和 LM Studio；MLX 版本面向 Apple Silicon；FlagOS 列出了 9 类芯片架构的适配。

工具调用方面，MiniCPM5-2B 生成 XML 风格的工具调用，SGLang 内置的 minicpm5 parser 会把它转换成 OpenAI 兼容的 tool_calls。这揭示了一个容易被忽略的分层：

模型层负责产生结构化意图；
parser 层负责协议转换；
Harness 负责参数校验、权限、执行与错误反馈；
工具和环境负责产生真实状态变化。

模型在 BFCL 上得分高，不代表实际产品中的工具链就天然可靠。参数 schema、超时、幂等性、权限边界、失败恢复和观察压缩，仍然属于 Agent 系统工程。

标准架构的意义正在这里体现。一个模型如果榜单很高，却只能在特定 fork、特定 kernel 和特定硬件上运行，它的工程价值会被集成成本打折。MiniCPM5-2B 把"模型能力"和"可部署性"同时放进产品定义，这是端侧 Agent 更现实的方向。

十三、端侧 Agent 的真正价值：隐私、延迟、个性化与离线可用

端侧并不意味着所有任务都应该完全本地化。它更像一种分层调度：高频、隐私敏感、低延迟任务由本地模型处理；需要更强通用知识或大规模搜索的任务，再升级到云端模型。

MiniCPM5-2B 适合探索的场景包括：

本地文件检索、摘要与结构化整理；
IDE 中的代码导航、局部修改和工具编排；
设备侧个人偏好与长期记忆处理；
弱网或离线环境中的基础助理；
企业内网中的受限工具调用；
云端大模型之前的意图识别、路由与结果校验。

端侧的隐私收益也不是自动成立。只要 Agent 能调用 shell、浏览器、文件系统或企业 API，就仍需最小权限、审计日志、敏感信息脱敏和人工确认。权重运行在本地，只解决"输入是否必须发往第三方服务"的一部分问题，并不等于整个 Agent 已经安全。

十四、五个最容易被误读的结论

误读一：2B 已经全面超过 12B

正确结论是：MiniCPM5-2B 在特定比较集和若干任务上体现出很高参数效率。任务分布变化后，大模型的知识容量、鲁棒性和复杂推理上限仍可能占优。

误读二：榜单平均分高，所以每种 Agent 都强

Agent 是多维能力集合。SWE-bench Pro、Terminal-Bench、BFCL 和 GDPval 测量的对象不同，平均分会掩盖短板。部署前必须用自己的工具、数据和失败条件重测。

误读三：标准 Llama 架构说明技术没有创新

架构创新只是模型创新的一部分。MiniCPM5-2B 的主要技术变量集中在数据治理、训练阶段设计、RL 教师、OPD 合并、训练基础设施和部署生态。标准架构反而降低了复现与迁移成本。

误读四：数据开源等于训练完全可复现

数据集、权重和代码显著提高了透明度，但完整复现仍需要数据混合比例、过滤规则、超参数、训练日志、算力配置和评测环境。开源是可复现的必要条件之一，不是充分条件。

误读五：本地运行等于私密、安全、免费

本地运行仍有硬件、电力、维护与安全成本。Agent 获得工具权限后，也可能误删文件、泄露凭证或执行错误操作。模型小，只降低了一部分基础设施门槛。

十五、如何严谨复测 MiniCPM5-2B

如果要判断它是否适合自己的 Agent 系统，建议把复测分成四层。

第一层是纯模型能力。固定提示模板、采样参数、最大输出长度和推理后端，分别测试代码、数学、长上下文和结构化输出。

第二层是工具协议。检查 XML 工具调用经 parser 转换后的 schema 合法率、参数正确率、工具选择准确率和无效调用率。

第三层是端到端任务。让模型在真实沙箱里完成文件修改、测试执行、网页操作和失败恢复，以最终环境状态而不是自述成功作为奖励。

第四层是系统成本。记录首 token 延迟、输出吞吐、峰值内存、KV Cache 增长、能耗、并发能力和长任务总时长。

一份可比较的实验记录至少应包含：

模型权重的精确版本与校验值；
BF16、GGUF、GPTQ 或 MLX 等量化格式；
vLLM、SGLang、llama.cpp 等后端及版本；
chat template、tool parser 与 system prompt；
temperature、top-p、最大 token 与思考模式；
GPU、CPU、内存和操作系统；
任务集版本、成功判定器与重试策略；
是否使用工具、Harness、反思或多次采样。

只有这些条件足够透明，"2B 与 4B、8B、12B 的比较"才具有工程决策价值。

十六、Rocky 的判断：小模型竞争进入"训练系统开源"阶段

过去谈开源模型，行业往往只问三个问题：权重有没有放出来，许可证是否宽松，能不能本地部署。MiniCPM5-2B 往前走了一步：它同时提供不同训练阶段的检查点、分层数据资产、Agent SFT/RL 数据、部署配方，以及与强化学习相关的 Meshy 系统。

这会改变小模型的竞争方式。

第一，模型公司的护城河不再只是参数和架构，而是持续生产高密度数据、可验证轨迹和稳定 RL 教师的能力。

第二，开源竞争会从"给权重"走向"给研究路径"。Base、Midtrain、SFT、RL+OPD 的阶段产物，让社区能够研究能力增益与遗忘，而不是只能面对一个不可分解的最终模型。

第三，端侧 Agent 会推动云边协同。2B 模型不必替代所有大模型，只要能稳定承担路由、检索、工具编排、隐私任务和局部代码工作，就可能显著降低系统平均成本。

第四，未来真正稀缺的不是一次榜单峰值，而是跨版本保持数据、训练、评测和部署闭环的能力。参数效率必须能够被连续生产，才会形成产品优势。

所以，MiniCPM5-2B 最值得记住的不是"一个参数抵两个"这类口号，而是一个更朴素也更重要的判断：

当架构保持标准、参数保持克制，模型能力的上限越来越取决于训练系统能否把高质量数据、可验证反馈、领域专家和部署约束组织成一个闭环。

这不是参数规模竞争的终点，而是模型工业化进入下一阶段的起点。

一文读懂MiniCPM5-2B：端侧 Agent 的突破，不是“小模型打赢大模型”，而是训练系统开始开源

写在前面

核心导读

一、先把结论说清楚：它证明的是参数效率，不是参数无效

二、2B 到底有多小：先看模型结构，而不是看修辞

三、"智能密度"可以观察，但不能被神化为物理定律

四、官方对比表应该怎么读：平均分领先，不等于每项都赢

五、真正的技术主线：Base、Mid-training、SFT、RL、OPD

六、UltraX 与分层数据治理：小模型更不能浪费容量

七、400B tokens 的 SFT：这里的"深度思考"不是一句提示词

八、RL 的作用：把"会生成"推向"能通过验证"

九、OPD 的本质：把 16 个 RL 专家重新压回一个模型

十、为什么还要开源 Meshy：模型结果背后还有 RL 生产系统

十一、Agent 能力为什么能进入 2B：能力被"预装"进权重

十二、部署生态比单次跑通更重要

十三、端侧 Agent 的真正价值：隐私、延迟、个性化与离线可用

十四、五个最容易被误读的结论

误读一：2B 已经全面超过 12B

误读二：榜单平均分高，所以每种 Agent 都强

误读三：标准 Llama 架构说明技术没有创新

误读四：数据开源等于训练完全可复现

误读五：本地运行等于私密、安全、免费

十五、如何严谨复测 MiniCPM5-2B

十六、Rocky 的判断：小模型竞争进入"训练系统开源"阶段

推荐阅读

1. 深入浅出完整解析AI Agent（AI智能体）的核心基础知识

2. 深入浅出完整解析扩散模型DDPM、DDIM、Score-Based、SDE、LDM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识

3. 入浅出完整解析FLUX.2、Seedream（即梦）、Z-image、GLM-Image核心基础知识

4. 深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识

5. 深入浅出完整解析DeepSeek系列核心基础知识

6. 深入浅出完整解析Stable Diffusion 3（SD 3）和FLUX.1系列核心基础知识

7. 深入浅出完整解析Stable Diffusion XL（SDXL）核心基础知识

8. 深入浅出完整解析Stable Diffusion（SD）核心基础知识

9. 深入浅出完整解析Stable Diffusion中U-Net的前世今生与核心知识

10. 深入浅出完整解析LoRA（Low-Rank Adaptation）模型核心基础知识

11. 深入浅出完整解析ControlNet核心基础知识

12. 深入浅出完整解析Sora、Seedance、keling等AI视频大模型核心基础知识

13. 深入浅出完整解析AIGC时代Transformer核心基础知识

14. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识

15. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识

16. AIGC产业的深度思考与分析

17. AI算法工程师的独孤九剑秘籍

18. 深入浅出完整解析AIGC时代中GAN（Generative Adversarial Network）系列模型核心基础知识