2.5Bで4B級を上回る — スマホやPCで動く小さなAI「MiniCPM5-2B」が示したこと

「大きいほど賢い」は、少なくともローカルで動かす小型モデルの世界では、そろそろ通用しなくなってきている。

OpenBMBが2026年9月7日に公開した MiniCPM5-2B は、その象徴のような存在だ。パラメータ数はわずか2.52B。それでいて、公式のベンチマークではほぼ倍のサイズにあたる4B級モデルを上回るスコアを主張している。しかも重みはApache 2.0で公開され、Ollamaやllama.cpp、LM Studioといった手元のツールでそのまま動く。

「小さいのに強い」は最近よく聞くフレーズだが、今回は数字が具体的だ。

2.5Bで、格上を上回るという主張

OpenBMBが示した比較表では、コード推論・数学・命令追従・一般知識・長文脈・ツール使用・コーディングエージェント・検索エージェント・一般エージェントという9つの能力軸を横断した平均スコアが53.9。同じ表で、約2倍のサイズを持つQwen3.5-4Bは51.1だった。サイズが半分近くて、平均は上——これが本当なら、なかなかのインパクトがある。

個別のベンチも派手だ。LiveCodeBench v6で69.1、AIME 2026で86.5、MATH-500で94.6、ツール呼び出しのBFCL v4で66.6、対話タスクのtau2-Bench Telecomで97.1。数学とツール使用の数字が特に高く、「2Bの割に、やることをちゃんとやる」タイプに仕上がっている。

日本語まわりでは、GIGAZINEが「2BながらGemma 4の12Bモデルに匹敵するベンチマークスコア」と報じている。日本語対応もうたわれており、国内のローカルLLM界隈でも注目されている。

ただし、これらの数字はいずれも開発元が選んだ比較セットでの自己申告である点は割り引いて見ておきたい。ベンチマークの選び方ひとつで印象は大きく変わる。ここは第三者の検証（Artificial Analysis等）と、実際に手元で動かした感触を待つべき部分だ。

手元で動くことの、地味だが大きい意味

MiniCPM5-2Bの本質は、ベンチの数字そのものより「どこで動くか」にある。

アーキテクチャは標準的なLlama系のCausalLMで、ネイティブで131,072トークンのコンテキストを持つ。2Bクラスでこの長さは珍しい。長いツールログや複数の文書を抱えたままエージェントを回す、といった用途に効いてくる。

配布形態も手厚い。Hugging Face上のdense 2Bチェックポイントに加え、GGUF・MLX・GPTQ・DSpark・LiteRT-LMといった各ランタイム向けのエディションと、オンデバイス実行のためのクックブックが揃っている。iPhoneのMLX、AndroidのLiteRT-LM、PCのllama.cpp——手元のどれかで、ネットに繋がずに動かせる。

これが効くのは、次のような場面だ。

クラウドAPIに毎回投げると、コストとレイテンシ、そしてデータの外部送信が常について回る。手元で完結すれば、通信料もトークン課金もゼロ、機密データは端末から出ない、オフラインでも動く。個人のメモ検索や、社内文書を扱うエージェント、あるいは電波の届かない現場のアプリまで、「クラウド前提だと成立しにくかったもの」が現実的になる。

正直な評価

素直にすごいと思うのは、2Bで数学とツール使用がここまで伸びている点だ。エージェントの「手足」として小型モデルを使う場合、必要なのは膨大な知識よりも「指示を正確に解釈し、ツールを正しく呼ぶ」能力だ。その意味で、MiniCPM5-2Bの数字の伸び方は用途と噛み合っている。

一方で、期待しすぎないほうがいい部分もある。

2Bという規模上、世界知識の総量は大型モデルに遠く及ばない。込み入った常識推論や、幅広い一般知識を問うような使い方では、ハルシネーション（もっともらしい誤り）が出やすいだろう。ベンチが高いからといって、GPTやClaudeのような汎用アシスタントの代替になるわけではない。あくまで「軽くて、特定の仕事をこなす」道具として見るのが正しい。

日本語能力についても、対応をうたってはいるものの、実運用でどこまで自然かは触ってみないと分からない。中国発のモデルという点を気にする向きもあるだろうが、Apache 2.0でローカル完結できる以上、データが外に出る心配はそもそも構造的に小さい。むしろ「重みが手元にあり、オフラインで検証できる」ことは、透明性の面ではプラスに働く。

この小ささが開く可能性

面白いのは、「賢い2B」が普通になった先に見える景色だ。

もし2Bクラスでツール使用がこの精度なら、スマホの中で完結する常駐エージェントが現実味を帯びる。予定の整理、通知の要約、簡単な自動化——クラウドに繋がず、バッテリーとプライバシーを気にせず動くアシスタントだ。今はまだ「動く」段階だが、この精度が定着すれば「実用的に使える」に変わる。

もう一つは、エージェントの多段構成の中で小型モデルを大量に並べる使い方だ。全部を大型モデルに投げると高くつくが、単純な判定・分類・ツール呼び出しは2Bに任せ、難しい推論だけ上位モデルに回す——という役割分担ができれば、エージェント全体のコストは桁で変わりうる。131kの長いコンテキストは、その「下働き」としても効いてくる。

「小さくても十分」の水準が上がるたびに、AIを動かせる場所は増える。MiniCPM5-2Bはその流れを一段進めた一例だ。

どう試すか、誰に向くか

すでにOllamaやLM Studioでローカルモデルを触っている人なら、導入のハードルはほぼない。まずは手元で動かして、公式ベンチの主張が自分の用途で再現するかを確かめるのが早い。モデルの詳細やチェックポイントはOpenBMBのGitHubから辿れる。

逆に、汎用チャットの相棒をローカルで完璧に賄いたい、という期待で来ると肩透かしを食う。MiniCPM5-2Bの価値は「万能さ」ではなく、「小ささと、特定タスクでの粘り強さ」の両立にある。そこが刺さる人には、試す価値が十分にあるモデルだ。