MiniCPM5-2B 以 25 億參數勝出更大對手，小型模型正在重塑推論成本結構

OpenBMB 在 9 月釋出 MiniCPM5-2B，這是一個僅有約 25 億參數的開源語言模型，卻在自家設計的 34 項基準測試中拿下 53.9 分，擊敗同一比較組內最強的 Qwen3.5-4B（51.1 分）——後者參數量約為前者的 1.6 倍。同一週內，Ornith AI 的 Ornith-1.5-9B 在 SWE-Bench Verified 拿下 70.6 分，接近四倍體積對手的推理表現；Liquid AI 推出 2.8 億參數的 LFM2.5-VL-3B-DSpark 草稿模型，以投機解碼降低延遲；Supersonic Labs 的 Julia 1 更壓縮至 1.44 億參數。這不是單一亮點，而是同一個 48 小時窗口內密集出現的多個效率優先押注。

數字背後的真正問題是：2.8 分的差距究竟值多少錢？MiniCPM5-2B 贏在記憶體佔用只有對手的六成、推論更快、可以跑在消費級 GPU 甚至筆記型電腦上，不需要伺服器機架。相比之下，xAI 的 Grok 4.7 每百萬輸入 token 要 2 美元、每百萬輸出 6 美元，而一個下載完成、硬體已備妥的 25 億參數開源模型，邊際成本幾乎是零。這個對比讓「多花十倍錢跑前沿模型」的理由，每一次小模型基準刷新都更難自圓其說。DeepSeek 已對 V4.1-Flash 下殺七成輸出價，Abacus.AI 宣稱用小型開源模型跑代理任務成本可壓低至前沿模型的百分之一，都是同一個壓力的具體呈現。

小模型為何突然趕上來？三股趨勢在同一時間點收束：大模型蒸餾技術成熟，讓小模型從大型教師模型吸收能力、不需要搬移參數量；訓練資料的清洗與篩選邏輯取代了單純堆量；架構設計愈來愈聚焦「每個參數能推多遠」而非「總參數有多少」。這一輪效率優化的輪迴並不陌生——從 2024 年 Llama、Mistral、Phi 系列讓 70 億到 130 億參數模型進入過去 300 億參數才有的表現帶，到現在 MiniCPM5-2B 把天花板再往下壓，都是同一個模式在跑。文章估計，達到同等基準分數所需的參數量大約每十八個月折半，若趨勢延續，今天 9 億參數的旗艦編碼模型，明年就可能只是 5 億參數模型的起跑線。

對企業經營者而言，最直接的決策意涵是：「每個任務都送到前沿 API」的採購邏輯正在失效。現實的架構已在往另一個方向走——用小型開源模型處理日常編碼、分類、路由等高頻任務，前沿模型保留給少數需要最高推理品質的場合。但有一件事值得放進決策清單：這週的所有基準數字都來自釋出模型的各家實驗室自己的比較組，而且比較組可以選有利於自家模型的對手。Supersonic Labs 主動揭露 Julia 1 在 Banking77 分類測試輸給基準線，這種誠實算少見。新模型進入生產系統之前，等第三方獨立排行榜的驗證，不是謹慎過頭，是基本程序。