MiniCPM5-2B 开源：2B 小钢炮开始有 Agent 能力
面壁智能把 MiniCPM5-2B 开源了。2B 稠密模型，131K 上下文，官方说同尺寸开源对比里达到 SOTA，34 项基准平均 53.9，甚至压过了参与对比的更大模型；Artificial Analysis 智能指数里 4B 以下开源第一。
但比分数更有意思的是它点名要做的几件事：代码、工具调用、搜索 Agent、通用 Agent。换句话说，端侧小模型过去只能「聊两句」，现在开始能「调工具、查资料、跑多步任务」了。这对一个人公司是最实在的信号——你不需要一张 H100 才能让自己的 Agent 本地跑起来。
为什么值得盯着：
- 硬件门槛低到离谱。 GGUF/MLX/GPTQ 多格式都给了，Intel、Arm、Rockchip 做了 Day-0 适配。普通笔记本、甚至开发板都能部署，敏感数据不用出设备。
- 官方把训练数据和 RL 技术栈一起开源了。 UltraData 系列（含 50 万条 Agent 训练样本）+ RL 配方，Apache-2.0。想在自己垂直场景微调，起点比大多数开源模型高。
- 2B 这个量级，试错成本几乎为零。 跑不起来就换，不心疼显卡。
几个要泼的冷水：
- 2B 再强也是 2B。硬推理、长链路规划、复杂代码补全，它和 7B/14B 以上还差着代际。它的定位是「很多小步骤」，不是「中间那个难题」。
- 分数来自官方卡，社区独立复测还没铺开。真要上业务，自己压一遍再信。
- 端侧 Agent 的瓶颈往往在「模型会不会收敛」而不是「参数够不够大」，MiniCPM5 给了能力雏形，但离「不用人盯着」还远。
我的建议：把它当成你本地工具链里的「轻量执行层」——给 Agent 跑本地文件整理、简单代码改、信息抽取这类多步但低风险的活。重活留给云端大模型，便宜的、高频的、怕数据出网的，交给它。一个人跑自动化，最贵的从来不是算力，是「能不能放心让它自己跑」。
原文出处 · 事实以此为准
Hugging Face · openbmb/MiniCPM5-2B