Модель выпущена под лицензией Apache 2.0 и совместима с vLLM, SGLang, Transformers, llama.cpp, Ollama, LM Studio, MLX и FlagOS. Она разработана специально для локального запуска на устройствах с упором на агентские задачи и работу с инструментами, а не на общие знания.
В тестах по 34 бенчмаркам MiniCPM5-2B показала средний результат 53,9. Это выше показателей конкурентов аналогичного размера: Qwen3.5-4B набрала 51,1, granite-4.2-3B — 42,7, а LFM2.5-2.6B — 33,2.
Модель демонстрирует сильные результаты в программировании и использовании инструментов. Она набрала 97,1 балла в τ²-Bench Telecom, 66,6 в BFCL v4 и 20,8 в τ³-Bench Banking. В задачах на логику кода модель показала 69,1 в LiveCodeBench v6 и 46,4 в SWE-bench Verified.
Обучение проходило по методу многоуровневого управления данными UltraData. Процесс включал фазы стабильности и затухания, затем этап mid-training. Пост-обучение началось с 400 млрд токенов SFT для «глубокого мышления» и использования алгоритма JustRL II для подготовки специализированных RL-учителей по математике, коду, письму и агентским задачам.
Заключительным этапом стала дистилляция on-policy (OPD), объединившая 16 RL-экспертов, пять из которых агентские, в одну модель. По данным OpenBMB, этапы RL и OPD добавили 10,96 средних балла в общих бенчмарках и 6,96 балла в агентских задачах.
OpenBMB также опубликовала ряд наборов данных, включая Ultra-FineWeb, UltraX и UltraData-Code. В частности, UltraData-SFT-Agent-2609 содержит 500 тыс. агентских примеров, а UltraData-RL-2609 — более 80 тыс. RL-примеров. Также доступны промежуточные чекпоинты стадий Base, Midtrain и SFT-only.
