这个最强的 2B 小钢炮，将数据、框架带配方全部开源了

最强小钢炮再次来袭！

面壁智能开源了 MiniCPM5-2B，而这次除了模型权重，连训练数据、RL 框架和训练配方都一起给放了出来。

MiniCPM5-1B 在 5 月底开源，2B 在 7 月的 WAIC 上亮相但没开源，之后就一直有开发者在 1B 的 HuggingFace 页面上追问：2B 什么时候放出来？

现在，它来了。

直接来看 Artificial Analysis 的榜单数据。

先看综合的 Intelligence Index：

MiniCPM5-2B 拿到 23 分，排在第一。

后面的 Gemma 4 12B 和 Qwen3.5 9B 都是 22 分，参数量是它的 4 到 6 倍。把它放到「参数量 vs 智能指数」的散点图上会更直观：它自己一个点跑到了 Pareto 前沿的最上面，突出的有点点不太合群……

再看 Agent 分项，这是这次最夸张的一张图：

在 AA 的 Agentic Index 中，MiniCPM5-2B 怒砍 20 分，第二名的 Granite 4.2 8B 只有 9 分，而几个同级别的 2B～3B 模型，不约而同地拿到了 2 分。

Agent 能力里最接近真实工作的是 GDPval-AA v2，也就是拿真实的职业任务来打 Elo 分，人类基线是 1000：

MiniCPM5-2B 拿到了 891，第二名的 Granite 4.2 8B 是 702。

而且它并没有靠「多想」来堆分，每个任务的输出 token 数在同级里排第二低，21k，Qwen3.5 9B 是 34k：

综合评测中拿到了 53.9 的平均分，同级别的第二名是 33.2。甚至参数量翻倍的 Qwen3.5-4B（51.1）和其他几个 4B 模型也被压了下去：

这甚至比面壁智能的「密度定律」还要「密度定律」了……

这里给不熟悉的朋友介绍下，「密度定律」是面壁智能提出的规律，指：模型能力密度随时间呈指数级增强，达到特定智能水平的模型参数量每 3.5 个月下降⼀半。

也就是说，达到同样的能力，所需要的参数量在不断减半。

我最早是在 MiniCPM 2.5 时用它来微调，后来又用 MiniCPM-V 4B 做多模态。到了今天的 MiniCPM5-2B，参数量只有对手的一半，综合能力却胜过了 4B 级对手，算是再一次给密度定律交了份最新成绩单。

模型的思考强度上，可在快答和深想之间灵活切换，并在英特尔、瑞芯微、Arm 等芯片上完成了适配。

此外，它还有个难得的优势是：诚实度。

AA 评价 MiniCPM5 系列的诚实度为同级最高，靠的是它不知道就说不知道，称它「选择弃答而非猜测，是更诚实的姿态」。

不过在我看来，这次的开源里最值得关注的，其实还不是模型本身。

你知道的那些开源模型，几乎全都只开源权重而不开源数据。严谨来讲，这应该叫开放权重模型而非开源模型。

而数据不开源，原因既复杂（不太光彩）又简单（不能给你看炼丹食材）。可以说：

“

开放训练数据，是开源里最落后的一环。

数据也开源的模型，目前只有 OLMo 这类研究型项目，大模型厂商里，此前从没有一家这么干过。

同样，早在上上个月就又有人在面壁智能的 HuggingFace 页面上提问：RL 数据与框架会开源吗？

或许面壁智能还真看到了，便索性放出大招——一次性开源了 UltraData-Code（代码预训练），UltraData-SFT-Agent-2609（Agent 轨迹），UltraData-RL-2609（强化学习 + 清洗流水线），UltraX（数据精炼，行级编辑）四个数据集。

其中我比较感兴趣的是 Agent 相关的两个：

UltraData-SFT-Agent-2609，见：

https://huggingface.co/datasets/openbmb/UltraData-SFT-Agent-2609

100 万+ agent 轨迹，覆盖工具调用、Search、CodeAgent 和 General Agent，跨环境采样。你要训自己的端侧 Agent 模型，这便是现成的参考饲料。

UltraData-RL-2609，见： 

https://huggingface.co/datasets/openbmb/UltraData-RL-2609

覆盖数学推理、代码生成、通用知识问答和长文本理解，带一条三阶段清洗流水线：可验证性过滤、奖励可信性校验、难度匹配。

大模型厂商开源的 RL 数据，真就仅此一份。而且，这次不光是数据，RL 框架也一起开了。

OpenBMB 开源了自研的强化学习框架 Meshy 和 RL 策略 JustRL II。

Meshy 去掉了 RL 训练的中央控制器和 Ray 依赖，把训练、推理、奖励计算全部做成对等服务，在同步、异步、全异步三种训练模式之间可以随意切换。

模型 + 数据 + 框架 + 配方，这四样凑齐了，是不是感觉已经没理由不来复现一遍了？

说了这么多，还是来实测一把吧。

我让 cc 制作了 50 份合成简历，然后让 MiniCPM5-2B 以 16 路并发进行结构化抽取，跑 3 轮：

“

从简历文本中抽取结构化信息，只输出 JSON。字段：name, age, education, years_exp, skills, salary_expect, location, fit_role……

其中还故意造了些字段缺失、年龄需推算、格式混乱的难点。

单轮 23 秒跑完 50 份。三轮 150 次调用，JSON 合法 150/150，字段级准确率 97.1%。

姓名被拆成了三行的混乱格式简历在三轮九次全是满分，没写的字段则会老实给出 null（低幻觉）。

不过也有点小瑕疵：「年薪 25 万」被抄成了「25 万」，丢了「年薪」两字。给端侧模型的 prompt 多少还是得花点功夫打磨一下，越具体效果才越好。

但本地就能跑，不要钱、不排队，这样的成绩已经非常之不错了。

接下来再测一下它的 Agent 能力。

浏览器操作爬虫啥的连 Claude Code 都不容易搞定的我就先不测了，我给 MiniCPM5-2B 接了 4 个磁盘读写工具：

然后让它来整理会议转写稿并落盘，指令里我还故意把文件名说错了：

“

notes 里有个 meeting.md，是我昨天周会的录音转写。帮我整理成会议纪要，待办做成表格，写到 output/纪要.md。

（沙箱里根本没有 meeting.md）

5 轮测试全部会撞上文件不存在，但它全部都自己用 list_dir 找到了真文件：

落盘 5/5，会议稿压到了约 1/4，均值处理速度为 12 秒。没定负责人的事写上了「待定」，5/5 都没有胡编人名。

第 3 轮待办表前三行满分，第四行变成了「购买咖啡豆」「报销单提交」，它把同目录的私人 todo 也读了……（太勤快了）。

其实无关文件挪开就好，虽然影响不大。

测试时我扔了份 3.3 万字合同并问了它 15 个问题（裁判 Claude Code 出的题），而其中 5 道原文里没这个词的题居然也全对了（裁判挺有心眼）……比如：

实测喂到 12.5 万 token 时，它依然能准确完成内容召回。再往上堆，它就有点只能记住开头和结尾了——这说明得压缩了，因为即便是支持 1M 的 Claude，但凡超了 300K 我也会手动 compact。

我用过的端侧模型里，开源做得好的，和真正跑在终端设备上的，很少是同一批。

面壁智能算是两头都占的开拓者：截至 2026 年 8 月，MiniCPM 系列的开源下载量已经超过 5000 万。

然后这次，它索性听网友的，连训练数据和 RL 框架都一起开源了。

而其实开源数据这事，面壁智能不是第一次干了。

2023 年底 UltraFeedback 帮助 Zephyr-7B（当年 HuggingFace 官方拿 Mistral 7B 用 UltraFeedback 搞 DPO 打败了 Llama-2 70B）时，很多人甚至还没听说过面壁智能这家公司的名字。

再后来，UltraChat 给全球 200 多个模型做对齐，以及 Ultra-FineWeb 还登顶过 HF 热门榜第一。

面壁智能开源的数据集已经有十多个，截至 2026 年 9 月，UltraData 系列的总下载量有 266 万，算是给整个开源社区发了近三年的福利。

对我来说，最大的好消息是：

这次开源的那 100 万条 Agent 轨迹和 RL 数据，我可以 0 成本拿来用上了。

◇ ◆ ◇

Meshy 框架开源链接：

JustRL II 强化学习算法：