/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
MiniCPM5-2B
Библиотека
llama-cpp
Опубликована
8 сен 2026

MiniCPM5-2B-GGUF

Генерация текстаТекст → текст15 профессий

WhiskyAKM/MiniCPM5-2B-GGUF — квантизированная версия модели openbmb/MiniCPM5-2B, подготовленная в формате GGUF с использованием инструментов проекта llama.cpp.

968скачиваний за 30 дней1лайквеса обновлены8 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель предназначена для локального запуска на устройствах с ограниченными ресурсами, создания локальных ассистентов, coding agents, сценариев вызова инструментов и задач, требующих компактной модели.

Это плотная Transformer-модель архитектуры LlamaForCausalLM с 2,52 млрд параметров, 42 слоями и grouped-query attention: 16 голов запросов и 2 головы ключей и значений. Поддерживается контекст до 131 072 токенов, языки — английский и китайский. Модель поддерживает режим рассуждений, управляемый параметром enable_thinking, а также XML-стиль вызова инструментов. Доступны варианты от BF16 до 4-битных квантов; Q4_K_M обозначен как сбалансированный вариант по качеству и размеру, его файл занимает около 1,5 ГБ.

К сильным сторонам относятся небольшой размер, возможность локального развертывания, длинный контекст и поддержка спекулятивного декодирования с draft-моделями MiniCPM5-2B-DSpark, что может ускорять генерацию. К ограничениям относятся поддержка только текстовой модальности и заявленных языков, а также потенциальная потеря качества при использовании более агрессивной квантизации. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniCPM5-2B GGUF

GGUF quantized version of openbmb/MiniCPM5-2B, the second model in the MiniCPM5 series. It is a dense 2B Transformer (LlamaForCausalLM) built for on-device, local deployment, and resource-constrained scenarios, reaching 2B-class open-source SOTA.

Model Overview

MiniCPM5-2B is designed for local assistants, coding agents, tool-use workflows, and reasoning scenarios where a compact model is preferred. It keeps a small deployment footprint while providing native long-context support (131,072 tokens), and was post-trained with RL + OPD (On-Policy Distillation). It supports a chat template with thinking/reasoning mode (controlled via enable_thinking) and XML-style tool calling.

Model Architecture

PropertyValue
ArchitectureLlamaForCausalLM (dense)
Total Parameters2.52B
Non-Embedding Parameters1.98B
Layers42
Attention Heads (GQA)16 Q / 2 KV
Context Length131,072 (128K)
Original Precisionbfloat16
Supported Languagesen, zh

Available GGUF Files

FileQuantizationSizeUse Case
minicpm5-2b-bf16.ggufBF164.7 GBFull precision (reference quality)
minicpm5-2b-Q8_0.ggufQ8_02.5 GBNear-lossless, low overhead
minicpm5-2b-Q6_K.ggufQ6_K2.0 GBVery high quality
minicpm5-2b-Q5_K_M.ggufQ5_K_M1.7 GBHigh quality, balanced
minicpm5-2b-Q5_K_S.ggufQ5_K_S1.7 GBHigh quality, slightly smaller
minicpm5-2b-Q4_K_M.ggufQ4_K_M1.5 GBRecommended: good quality/size trade-off
minicpm5-2b-Q4_K_S.ggufQ4_K_S1.4 GBSmaller, slight quality loss
minicpm5-2b-Q4_0.ggufQ4_01.4 GBLegacy 4-bit, broad compatibility

DSpark Draft Model (Speculative Decoding)

FileQuantizationSizeUse Case
minicpm5-2b-dspark-bf16.ggufBF16623 MBDraft model, full precision
minicpm5-2b-dspark-Q8_0.ggufQ8_0334 MBDraft model, near-lossless
minicpm5-2b-dspark-Q4_K_M.ggufQ4_K_M186 MBDraft model, smallest footprint

These are the MiniCPM5-2B-DSpark draft models, trained for speculative decoding with MiniCPM5-2B. They accelerate generation without changing the target model's outputs.

Usage

llama.cpp CLI

./llama-cli \
  -m minicpm5-2b-Q4_K_M.gguf \
  -p "Explain quantum computing in simple terms." \
  --temp 1.0 --top-p 0.95

llama-server (OpenAI-compatible API)

./llama-server \
  -m minicpm5-2b-Q4_K_M.gguf \
  --host 0.0.0.0 --port 8080

The GGUF also works with Ollama and LM Studio.

Speculative Decoding (DSpark)

Pair the target model with a DSpark draft model to speed up inference. Draft model quality has minimal impact on output, so smaller quants (e.g. Q4_K_M) are usually fine:

./llama-server \
  -m minicpm5-2b-Q4_K_M.gguf \
  -md minicpm5-2b-dspark-Q4_K_M.gguf \
  --host 0.0.0.0 --port 8080

Thinking Mode

The model supports deep-thinking output. You can control it per request via the chat template, e.g. with an OpenAI-compatible API:

"chat_template_kwargs": {"enable_thinking": false}

Tool Calling

MiniCPM5-2B emits XML-style tool calls. Tool definitions are injected into the prompt, and tool results are returned in the observation/tool role. SGLang's built-in minicpm5 parser converts these to OpenAI-compatible tool_calls natively (see upstream model card).

Generation Parameters

Recommended parameters from the original model:

ParameterValue
Temperature1.0
Top-P0.95

Quantization

These GGUF files were created from the BF16 source model using llama-quantize from the llama.cpp project.

Acknowledgements

License

Apache-2.0 License

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
6dca099

0 моделей