/ Модель

Характеристики

Контекст
131 072 токена
Параметры
2,2 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
minicpm5-2b-distilled-reasoning
Библиотека
llama.cpp
Опубликована
8 сен 2026

minicpm5-2b-distilled-reasoning-gguf

Генерация текстаТекст → текст13 профессий

jigs97022/minicpm5-2b-distilled-reasoning-gguf — квантованная версия MiniCPM5-2B с дистиллированными рассуждениями, разработанная пользователем jigs97022 на базе модели MiniCPM5-2B от OpenBMB.

360скачиваний за 30 дней0лайковвеса обновлены11 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 обучена на 10 тысячах высококачественных трасс рассуждений, полученных от Qwen3.8-Max, GLM-5.2 и Kimi K3, и предназначена для генерации текста, структурированного решения математических задач, написания кода, логических головоломок и сценариев с использованием инструментов. Доступна в формате GGUF для локального запуска через llama.cpp, Ollama, LM Studio и vLLM.

Модель имеет размер 2B параметров и поддерживает контекст до 4096 токенов. Предлагаются варианты квантования Q4_K_M, Q6_K и Q8_0 объёмом примерно от 1,56 до 2,68 ГБ; они ориентированы соответственно на сбалансированную работу на ноутбуках, более высокое качество на настольных системах и минимальные потери качества. Сильными сторонами являются компактность, возможность локального CPU/GPU-инференса и специализация на пошаговом рассуждении. Ограничения включают меньший объём обучающих данных по сравнению с полноразмерными вариантами, возможное снижение качества на редких случаях, ограниченное контекстное окно, базу знаний примерно до 2024 года и склонность к подробным внутренним рассуждениям. Модель распространяется по лицензии Apache-2.0, однако для коммерческого использования рекомендуется отдельно проверить лицензию набора данных для дистилляции.

Для каких профессий подходит13

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 Distilled Reasoning (GGUF)

Quantized GGUF version of jigs97022/minicpm5-2b-distilled-reasoning. Optimized for local CPU/GPU inference with llama.cpp, Ollama, LM Studio, and vLLM.

Model Origin

This model was distilled from three frontier models (Qwen3.8-Max, GLM-5.2, Kimi K3) onto MiniCPM5-2B using 10K high-quality reasoning traces. It excels at structured chain-of-thought problem solving in math, code, logic puzzles, and tool-use scenarios.

Quick Start

Ollama (Recommended)

ollama run hf.co/jigs97022/minicpm5-2b-distilled-reasoning-gguf

LM Studio

  1. Search "jigs97022/minicpm5-2b-distilled-reasoning-gguf" in the search bar
  2. Download the Q4_K_M quantization (or Q6_K / Q8_0 for higher quality)
  3. Load and chat

llama.cpp / Python

from llama_cpp import Llama

llm = Llama.from_pretrained( repo_id="jigs97022/minicpm5-2b-distilled-reasoning-gguf", filename="*q4_k_m.gguf", n_ctx=4096, n_gpu_layers=-1 # Set to 0 for CPU-only )

output = llm.create_chat_completion( messages=[{"role": "user", "content": "If 3x + 7 = 22, what is x? Show step-by-step reasoning."}], max_tokens=512, temperature=0.7 ) print(output["choices"][0]["message"]["content"])

vLLM

vllm serve jigs97022/minicpm5-2b-distilled-reasoning-gguf
--max-model-len 4096
--gpu-memory-utilization 0.8

Quantization Details

FileSizeQualityBest For
Q4_K_M1.56 GBRecommended defaultLaptop CPU/GPU, balanced speed/quality
Q6_K2.07 GBHigh qualityDesktops with 4GB+ VRAM, best balance
Q8_02.68 GBNear-losslessBenchmarking, when quality matters most

Hardware Requirements

QuantRAM/VRAM MinInference Speed (T4)
Q4_K_M2 GB~40 tok/s
Q6_K3 GB~35 tok/s
Q8_03.5 GB~30 tok/s

Chat Template

Uses native MiniCPM5 formatting. Do NOT override the chat template in llama.cpp/Ollama; the model expects its built-in template.

Limitations

  • Context window limited to 4096 tokens
  • Trained on 10K samples; may underperform full-corpus variant on rare edge cases
  • Knowledge cutoff inherited from base MiniCPM5 (~2024)
  • May produce verbose think sections; adjust temperature down to 0.5 if you prefer concise outputs

License

Apache-2.0 (inherited from base MiniCPM5-2B). Verify upstream distillation dataset license before commercial deployment.

Acknowledgments

  • OpenBMB for MiniCPM5-2B
  • r0b0tlab for the multi-teacher distillation dataset
  • Unsloth for accelerated training and GGUF export
  • llama.cpp team for GGUF format specification

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.

Класс архитектуры
LlamaForCausalLM
Ревизия весов
0652a31

0 моделей