/ Модель

Характеристики

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

MiniCPM5-2B-NVFP4-GGUF

Генерация текстаТекст → текст9 профессий

Квантизированная в NVFP4 компактная версия MiniCPM5-2B для локальных чат-ассистентов, программирования, рассуждений и вызова инструментов.

371скачиваний за 30 дней1лайквеса обновлены8 сен 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

WhiskyAKM подготовил GGUF-квантизацию MiniCPM5-2B от OpenBMB для локального запуска на устройстве и в средах с ограниченными ресурсами. Это плотный трансформер LlamaForCausalLM примерно на 2,52 млрд параметров, представленный в формате NVFP4; файл весит около 1,4 ГБ. Модель предназначена для локальных ассистентов, программирования, сценариев с вызовом инструментов и рассуждений. Она поддерживает контекст до 131 072 токенов, режим рассуждений в шаблоне чата и вызовы инструментов в XML-формате.

Квантизация выполнена из исходных весов BF16: большинство тензоров представлены в NVFP4, а эмбеддинги, выходные и нормализационные тензоры сохранены в более высокой точности. Репозиторий предназначен для использования с llama.cpp, Ollama и LM Studio; лицензия — Apache-2.0. Качество NVFP4 может отличаться от исходной версии BF16, а для обработки XML-вызовов инструментов может понадобиться совместимый парсер или обвязка.

Сценарии применения

  • локальный чат-ассистент на устройстве
  • помощь с написанием и объяснением кода
  • ответы на вопросы с длинным контекстом
  • рассуждения в режиме thinking
  • вызов инструментов из локального ассистента

Ограничения

Квантизация NVFP4 может снижать качество по сравнению с исходными весами BF16. XML-вызовы инструментов требуют совместимого парсера или дополнительной обвязки.

Для каких профессий подходит9

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 NVFP4 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-nvfp4.ggufNVFP41.4 GB4-bit NVFP4, compact, quality/size balance
minicpm5-2b-dspark-nvfp4.ggufNVFP41.4 GBDraft model

Usage

llama.cpp CLI

./llama-cli \
  -m minicpm5-2b-nvfp4.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-nvfp4.gguf \
  --host 0.0.0.0 --port 8080

The GGUF also works with Ollama and LM Studio.

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

This GGUF was quantized to NVFP4 (a 4-bit floating-point format) from the BF16 source model, verified with llama.cpp's GGUF reader. All weight tensors use NVFP4; the embedding/output and norm tensors are kept in higher precision (Q6_K / F32) to preserve quality. Recommended sampling settings are stored in the file's metadata: temperature 1.0, top-p 0.95.

Acknowledgements

License

Apache-2.0 License

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
0b518c7

0 моделей