2B級なのに大型モデル級？「MiniCPM5-2B」登場――ローカルAIを変える超小型LLMの実力

🤖 わずか2.5Bパラメータ、端末内AIを狙う「MiniCPM5-2B」
📊 第三者評価でも2B級トップクラス、ただし「Gemma 4 12Bと同等」は固定値ではない
🧠 小型化しても強い理由は「量より学習効率」、エージェント性能も特徴
💻 5GB級ウェイトでローカル実行、日本語も扱えるが評価には注意
🔎 まとめ：2Bモデルは「お試し用」から実用的なローカルAIへ
1. 参考・出典

🤖 わずか2.5Bパラメータ、端末内AIを狙う「MiniCPM5-2B」

中国のオープンソースAIプロジェクトOpenBMBは2026年9月7日、小型言語モデル「MiniCPM5-2B」を公開しました。名称は「2B」ですが、正確な総パラメータ数は**25億1675万6480（約2.52B）**で、42層のDense Transformerを採用。最大コンテキスト長は131,072トークン（128K）に達します。MiniCPM5-1Bの学習手法をスケールアップしたモデルで、クラウド上の巨大LLMと真正面から競うというより、スマートフォンやPC、エッジデバイスなど限られた計算資源で高性能AIを動かすことを重視しています。標準的なLlamaForCausalLMアーキテクチャを採用しているため、Transformersのほか、llama.cpp、LM Studio、Ollama、MLX、vLLM、SGLangなど幅広いローカルAI環境への展開が想定されています。

特に注目されるのが「パラメータ当たりの性能」です。OpenBMBが公開した評価では、推論・知識・数学・コーディング・長文理解・ツール利用などをまとめた平均スコアでMiniCPM5-2Bは53.9を記録し、比較対象となったQwen3.5-4B、Granite 4.2-3B、LFM2.5-2.6Bなどを上回りました。ただし、これはOpenBMB自身が選定・実施したベンチマーク群の平均値であり、「あらゆる用途で4Bモデルより高性能」という意味ではありません。公開直後には、公式スコアの完全な再現に必要な評価スクリプトや設定の公開を求めるGitHub Issueも提出されており、モデルを評価する際には個別ベンチマークと第三者評価も合わせて見る必要があります。

📊 第三者評価でも2B級トップクラス、ただし「Gemma 4 12Bと同等」は固定値ではない

第三者評価機関Artificial AnalysisでもMiniCPM5-2Bは非常に高い「知能密度」を示しています。公開時のArtificial Analysis Intelligence Index v4.2では15ポイントを記録し、総パラメータ4B未満のオープンウェイトモデルで最高評価となりました。同時点では約2.6BのMiniCPM5-2BがQwen3.5-4B Reasoningの推定14ポイントを上回り、約9BのQwen3.5-9B Reasoningと同水準という異例の結果でした。一方、Artificial Analysisはベンチマーク構成を継続的に更新しており、9月25日時点のv4.3.2ではMiniCPM5-2Bが12ポイント、Gemma 4 12B Reasoningが14ポイントとなっています。このため「2BなのにGemma 4 12Bと同等」という表現は特定バージョン時点の比較として理解する必要があり、現在の評価では完全な同点ではありません。

性能面を整理すると、MiniCPM5-2Bの特徴は次の通りです。

総パラメータ数：約2.52B（埋め込みを除くと約1.98B）
42層・Dense Transformerで、推論時には基本的に全パラメータを使用
最大131,072トークンのネイティブ長文コンテキスト
**GQA（16 Query Heads / 2 KV Heads）**でKVキャッシュを抑制
Think / No-thinkを使い分け可能
ツール呼び出し・エージェント用途を重視した学習
Apache License 2.0でウェイトを公開
GGUF・GPTQ・MLX版などローカル実行向け派生モデルも公式配布
Hugging Face上のBF16ウェイトは約5GB

🧠 小型化しても強い理由は「量より学習効率」、エージェント性能も特徴

MiniCPM5-2Bが興味深いのは、単純にモデルを圧縮しただけではない点です。OpenBMBはMiniCPM5シリーズとともに学習データ「UltraData」も拡充しており、高品質なWebデータに加えてコード用データセット、50万件のエージェント学習サンプル、8万件以上の強化学習用サンプルなどを投入しています。Artificial Analysisの評価でも、実際の業務タスクに近いGDPval-AA v2で公開直後にElo 831を記録するなど、エージェント系タスクではモデルサイズから想像しにくい性能を示しました。つまり近年の小型LLMでは、パラメータ数を増やすだけでなく、良質な学習データ、推論学習、ツール利用、モデル構造の最適化によって「1パラメータ当たりにどれだけ能力を詰め込めるか」が重要になっています。

ただし大型モデルとの差が消えたわけではありません。Artificial Analysisの公開直後の詳細評価では、Humanity’s Last ExamでMiniCPM5-2Bが9％だったのに対してGemma 4 12B Reasoningは16％、Terminal-Bench v2.1では9％に対してQwen3.5-9B Reasoningが29％となるなど、高度な知識、難しいコーディング、長文推論ではより大きなモデルが明確に強いケースも確認されています。小型モデルの総合指数が大型モデルへ近づいていることと、あらゆる能力が大型モデル並みになったことは別問題です。「小型なのに大型モデルを完全に置き換えられる」というより、日常的な会話、分類、要約、簡単なコード生成、ツール操作などを低コストで処理し、難しい問題だけ大型モデルへ渡す階層型AIシステムにも適したモデルと考えられます。

💻 5GB級ウェイトでローカル実行、日本語も扱えるが評価には注意

ローカルAIとしての実用性もMiniCPM5-2Bの大きな魅力です。BF16版のモデルウェイトは約5GBですが、量子化版を利用すれば必要メモリをさらに削減でき、公式にはCPUのみでの実行方法まで用意されています。NVIDIA GPUではTransformers、vLLM、SGLang、CPUやApple Siliconではllama.cppやMLX、GUI環境ではLM Studioなど複数の選択肢があります。ただし「128Kコンテキスト対応」だからといって小容量GPUで常に128Kを使えるわけではありません。長い入力ほどKVキャッシュのメモリ消費が増えるため、OpenBMB自身も小容量GPUではコンテキストを8192や32768へ下げることを案内しています。モデル本体が小さいことと、超長文を低メモリで処理できることは別という点には注意が必要です。

また、日本語を入力して自然な回答を生成できることは実際の利用例から確認されていますが、公式モデルカードで前面に掲げられている主要言語は英語と中国語であり、日本語能力を大規模な日本語ベンチマークで保証したモデルではありません。実際、公開直後にはMiniCPM5-2Bをベースに約5億トークン、うち約70％を日本語としたデータで継続事前学習した日本語強化版がコミュニティから登場しています。したがって日本語チャットが成立すること自体は魅力ですが、敬語、専門知識、長文執筆、微妙なニュアンスまで日本語特化モデル並みと判断するには追加検証が必要です。

🔎 まとめ：2Bモデルは「お試し用」から実用的なローカルAIへ

MiniCPM5-2Bが示しているのは、2Bクラスのモデルが単なる軽量版ではなく、用途次第では実用AIとして成立する段階に入ったことです。約2.5Bという小さなDenseモデルながら128Kコンテキスト、推論モード、ツール呼び出し、エージェント機能を備え、第三者ベンチマークでも4B未満ではトップクラスの性能を示しました。一方、「12Bと同等」という評価はベンチマークのバージョンによって変化しており、知識や高度なコーディングでは大型モデルとの差も残ります。それでも数GB級のモデルをPCやスマートフォン側で動かし、プライバシーを保ちながら文章処理やローカルエージェントを常時利用するという用途では非常に興味深く、「巨大モデルをクラウドで呼び出すAI」から「小型AIを端末内に常駐させるAI」への流れを象徴するモデルといえそうです。