面壁智能（OpenBMB）在 Hugging Face 上发布了 MiniCPM5-2B，这是其 MiniCPM5 系列继 MiniCPM5-1B 之后的第二款模型。该模型为稠密 2B Transformer，沿用此前训练配方进行规模扩展，面向端侧、本地部署及资源受限场景，官方称其在 2B 级开源模型中达到 SOTA 水平。

根据官方公布的评测结果，在与同尺寸开源模型（如 LFM2.5-2.6B、Qwen3.5-2B、Gemma-4-E2B-it）的对比中，MiniCPM5-2B 平均得分 53.9，不仅领先同级别对手，甚至超过了列表中的多款 4B 级模型（如 Qwen3.5-4B 平均 51.1、granite-4.2-3B 平均 42.7）。其优势领域集中在代码推理、数学推理、长上下文理解、工具调用及多种智能体任务。

模型架构方面，MiniCPM5-2B 采用标准 LlamaForCausalLM 结构，参数量为 2,516,756,480，其中非嵌入参数约 19.8 亿，层数 42 层，采用 GQA 注意力（Q 头 16、KV 头 2），上下文长度达 131,072 个 token，原生支持长文本场景。官方定位其适用于本地助手、编码智能体、工具调用工作流及偏好紧凑模型的推理场景。

与模型同步，面壁智能还开源了 UltraData 系列高质量训练数据集，包括用于预训练的 UltraX、分 L0–L3 层级管理代码数据的 UltraData-Code、含 50 万条智能体训练样本的 UltraData-SFT-Agent-2609，以及含 8 万+ 条强化学习样本的 UltraData-RL-2609（覆盖数学、代码、通用知识与长上下文推理）。

本次发布的模型文件为 GPTQ 4bit 量化版（即 MiniCPM5-2B-GPTQ），适用于对显存占用敏感的运行环境。官方同时提供了多种格式供选择，包括 BF16 最终版、SFT 版、预训练版、GGUF、MLX 及 DSpark 草稿模型等，覆盖 llama.cpp、Ollama、LM Studio、Apple Silicon 等不同推理栈。

从产业角度看，MiniCPM5-2B 的发布延续了面壁智能在端侧 AI 的布局。此前 MiniCPM5-1B 已展示小参数模型的潜力，此次 2B 版本在保持紧凑体积的同时，性能进一步逼近甚至部分超越 4B 级模型，这对依赖端侧推理的终端设备（如手机、PC、IoT）及边缘计算场景具有实际意义。同时，官方强调数据质量与训练配方的可扩展性，UltraData 系列的开源也有助于社区在高质量数据层面进行复现与改进。

值得注意的是，评测对比集中展示了 MiniCPM5-2B 在代码与数学推理上的优势，这与其面向编码智能体与工具调用的定位相符。不过，评测结果由官方发布，实际表现仍需第三方独立验证。对于关注模型小型化与端侧部署的开发者，MiniCPM5-2B 提供了又一个可选的轻量级基座。