MiniCPM5-2B
OpenBMB推出的20亿参数小型语言模型，采用OPD全域策略蒸馏与强化学习训练，支持128K上下文、工具调用、代码推理，基于LLaMA结构，Apache 2.0开源可商用
时间轴 (近 90 天)
MiniCPM5-2B可通过ModelScope下载获取
MiniCPM5-2B具备128K原生上下文、工具调用、代码推理、数学推理和长文本理解能力
OpenBMB采用强化学习结合OPD（全域策略蒸馏）的方式，把16个专家模型（含5个agent专家）的能力合并进MiniCPM5-2B
MiniCPM5-2B开源了训练数据，包括约50万条agent样本和8万多条强化学习样本
MiniCPM5-2B采用标准的LLaMA结构，可以通过llama.cpp开箱即用，无需API密钥和联网
MiniCPM5-2B采用Apache 2.0许可协议，商用无需额外申请
MiniCPM5-2B在SWE-bench上的成绩击败了参数量是其两倍的4B级对手
MiniCPM5-2B是一个由OpenBMB推出的20亿参数模型
MiniCPM5-2B在SWE-bench上取得46.4分
2B参数模型在INT4量化后通常仅需约1-2GB内存，能在主流智能手机、NVIDIA Jetson系列等边缘设备上运行
还有 5 条时间轴事件
全部知识事实 (14)
2B参数模型在INT4量化后通常仅需约1-2GB内存，能在主流智能手机、NVIDIA Jetson系列等边缘设备上运行
60%待验证MiniCPM5-2B可通过ModelScope下载获取
50%待验证MiniCPM5-2B开源了训练数据，包括约50万条agent样本和8万多条强化学习样本
50%待验证MiniCPM5-2B采用标准的LLaMA结构，可以通过llama.cpp开箱即用，无需API密钥和联网
50%待验证MiniCPM5-2B采用Apache 2.0许可协议，商用无需额外申请
50%待验证MiniCPM5-2B在SWE-bench上的成绩击败了参数量是其两倍的4B级对手
50%待验证MiniCPM5-2B是一个由OpenBMB推出的20亿参数模型
50%待验证MiniCPM5-2B在SWE-bench上取得46.4分
50%待验证MiniCPM5-2B具备128K原生上下文、工具调用、代码推理、数学推理和长文本理解能力
50%待验证OpenBMB采用强化学习结合OPD（全域策略蒸馏）的方式，把16个专家模型（含5个agent专家）的能力合并进MiniCPM5-2B
50%待验证2B参数的模型在INT4量化后通常仅需约1-2GB内存，能在主流智能手机、嵌入式开发板等设备上运行
50%待验证MiniCPM5-2B是一个拥有2B参数的小型语言模型
50%待验证OpenBMB团队发布了MiniCPM5-2B，这是一个仅有2B参数的小型语言模型
50%待验证MiniCPM5-2B已在Hugging Face和GitHub上完全开源
50%