MiniCPM5-1B، وهو نموذج بمليار بارامتر من OpenBMB، هو أحدث إصدار في سلسلة MiniCPM للأجهزة. يدعم النموذج استدعاء الأدوات الأصلي وبروتوكول سياق النموذج (MCP)، ويتناسب مع ذاكرة الهاتف الذكي، ويتفوق في معايير الأداء على جميع النماذج مفتوحة المصدر المماثلة في فئته الحجمية.
النموذج هو الإصدار الأول في عائلة MiniCPM5، وقد صُمم منذ البداية للنشر المحلي على الأجهزة ذات الموارد المحدودة. وبـ1 مليار بارامتر، يعتبر صغيرًا بأي معيار حالي. (البارامترات هي ما يمنح نموذج الذكاء الاصطناعي اتساع معرفته، فكلما زاد العدد، كان النموذج أقوى عمومًا).
يبدأ Google's Gemma 4 بـ 2 مليار بارامتر فعال ولكنه يتوسع إلى 31 مليار. بينما يشغل Llama 4 Scout 17 مليار بارامتر نشط. MiniCPM5-1B لا يدعي التنافس مع تلك النماذج. ففكرته هي إنجاز المزيد بالقليل.
يأتي العمود الفقري المعماري من MiniCPM4، كما هو مفصل في تقرير فني من فريق OpenBMB في THUNLP، جامعة تسينغهوا، و ModelBest. الابتكار الأساسي هو InfLLM v2، وهي آلية انتباه قابلة للتدريب تعالج كل توكن مقابل أقل من 5% من التوكنات المحيطة أثناء استدلال السياق الطويل - مما يقلل الحوسبة بشكل كبير دون فقدان كبير في الدقة. (الـ"توكن" هو الوحدة الأساسية للمعلومات التي يتعامل معها نموذج الذكاء الاصطناعي).
على صعيد البيانات، بنى الفريق UltraClean، وهي خطة تصفية جعلت النموذج يحقق أداءً تنافسيًا باستخدام 8 تريليونات توكن تدريبية، مقارنة بـ 36 تريليون توكن استهلكها Qwen 3. استخدمت مرحلة ما بعد التدريب التعلم المعزز جنبًا إلى جنب مع تقنيات التقطير الفعالة (باستخدام نموذج أكبر كإرشاد لنموذج أصغر)، مما رفع درجات المعايير في الرياضيات والبرمجة واتباع التعليمات بمقدار 16 نقطة مع تقليل الاستجابات الطويلة بشكل مفرط بنسبة 29 نقطة مئوية.
يبلغ حجم نافذة السياق 128 ألف توكن – أي ما يقارب 96 ألف كلمة من النص المستمر في تمريرة واحدة. بالنسبة لنموذج بمليار بارامتر، هذا عدد مهم. فذاكرة مستمرة عبر جلسة لعب أدوار طويلة، أو ملخص كامل لملف PDF، أو سياق وكيل لا يتم إعادة تعيينه في منتصف المهمة، كلها ضمن نطاقه.
لقد اختبرناه وتأكدنا أن MiniCPM5-1B يدعم بروتوكول سياق النموذج (MCP) واستدعاء الأدوات. وهذا يضعه ضمن قائمة قصيرة جدًا من النماذج ذات أقل من 2 مليار بارامتر القادرة على تنفيذ سير عمل وكيلي حقيقي دون الحاجة إلى بنية تحتية سحابية.
ومع ذلك، لكي يعمل هذا، سيحتاج المستخدمون إلى إعداد تكوينات إضافية، وكلها مدرجة في مستودع GitHub الخاص بالنموذج.
السيناريو العملي: وكيل محلي على جهاز آيفون يمكنه الاستعلام عن التقويم، والبحث في قاعدة بيانات محلية، أو استدعاء خادم MCP لبحث الويب - كل ذلك دون اتصال بالإنترنت. كما ذكرنا سابقًا، تشغيل الذكاء الاصطناعي محليًا أصبح أكثر سهولة مما يدركه معظم الناس، وسباق الأجهزة يتسارع. النماذج المصممة للعمل على الهاتف دون خلفية سحابية أصبحت فئة منتجات حقيقية، وليست مجرد فضول بحثي.
لا تحتاج إلى OpenAI للتحقق من تقويمك إذا كان الوكيل المحلي يستطيع ببساطة جلب المواعيد وإخبارك بما لديك اليوم.
بالنسبة للمهام الوكيلية الخفيفة وسياقات المحادثة الممتدة، فإن MiniCPM5-1B تنافسي. ومع ذلك، حتى لو لم يفكر OpenBMB في الأمر، فإن أسلوب النموذج الدردشي يجعله مرشحًا جيدًا للعب الأدوار المحلي - 128 ألف توكن من السياق يعني أن القصة يمكن أن تتطور عبر عشرات، إن لم يكن مئات، التبادلات دون أن يفقد النموذج الخيط.
الوكلاء الصغار الذين يقرؤون الملاحظات، ويلخصون المستندات، ويجيبون على الأسئلة المتعلقة بها، يقعون بسهولة ضمن نطاقه، خاصةً عند إقرانه بخادم بحث MCP لتغطية فجوات المعرفة.
تشمل المنافسة على هذا النطاق نماذج Alibaba Qwen3-0.6B و Qwen3.5-0.8B و Liquid AI's LFM2.5-1.2B-Thinking. يقارن معيار القدرات الخاص بـ OpenBMB هذه النماذج الأربعة عبر المعرفة العامة، ومعرفة المجال، والترميز، واتباع التعليمات، والاستدلال الرياضي، والاستدلال المنطقي، والمهام الوكيلية. يتصدر MiniCPM5-1B جميع الفئات السبع، مع أكبر الهوامش في الأداء الوكيلي والمعرفة العامة.
أجرينا ثلاثة تقييمات سريعة. الأول كان فخًا منطقيًا كلاسيكيًا: "يرجى التصرف كخبير قانوني ومشرع. هل من القانوني لرجل أن يتزوج أخت أرملته وفقًا للنظام القانوني الذي يحكم جزر فوكلاند؟"
الإجابة الصحيحة واضحة - الرجل الذي لديه أرملة ميت، والموتى لا يوقعون عقود الزواج. أنتج MiniCPM5-1B تفصيلاً دقيقًا لقانون الزواج في جزر فوكلاند وفشل في اكتشاف الفخ تمامًا، معتبرًا السؤال مجرد مسألة اختصاص قضائي مباشر.
بعد تفكير طويل، أجاب النموذج: "الأهم من ذلك، يجب عليك تحديد حالة الزواج الفعلية في جزر فوكلاند. هذه مسألة واقع يجب تحديدها من قبل السلطات المحلية أو من خلال عملية قانونية".
طلب اختبارنا الثاني اختيارًا حاسمًا بين أ/ب. لم يختر النموذج أيًا منهما، بل مال إلى إجابة محايدة. وهذا نمط فشل معروف عبر النماذج الصغيرة تحت ضغط المحادثة. MiniCPM5-1B ليس استثناءً.
طلبنا من النموذج إخبارنا بأي صناعة ستهيمن على الاقتصاد في عام 2100: العملات المشفرة أم الذكاء الاصطناعي؟ وبدلاً من التفكير في السؤال على الإطلاق، بدأ تفكير النموذج الداخلي بتحليل استثمار العملات المشفرة والذكاء الاصطناعي كمتآزرين منذ البداية.
من الإنصاف القول إن لا شيء من هذا مفاجئ بالنسبة لنموذج بمليار بارامتر.
القدرات الوكيلية هي القصة الحقيقية هنا. عند إقران MiniCPM5-1B بخادم MCP للبحث على الويب، تختفي ميوله للهلوسة في الأسئلة الواقعية الغامضة، أو على الأقل تتناقص بشكل كبير.
لقد طلبنا من النموذج سعر البيتكوين الآن وثلاث توصيات للأسهم، وتم استدعاء الأداة بنجاح، وكانت التوصيات (أمازون ومايكروسوفت وإنفيديا) منطقية.
إن وجود وكيل ذكي للدردشة، يمكن نشره محليًا، قادر على استدعاء الأدوات، والاحتفاظ بـ 128 ألف توكن من السياق، ويعمل بالكامل على الجهاز، هو منتج أكثر إثارة للاهتمام من نموذج مستقل للإجابة على الأسئلة يتنافس مع GPT-4.
فقط لا تلغِ اشتراكك في الذكاء الاصطناعي بسببه. اعرف ما تتعامل معه: لديه معرفة ضعيفة مقارنة بالنماذج الكبيرة، وسيقوم بالترميز بشكل سيء (مرة أخرى، مقارنة بالنماذج الأكبر) ولن يكون قريبًا من الذكاء الاصطناعي العام (AGI)، إذا كان هذا هو ما تبحث عنه.
MiniCPM5-1B متاح الآن على Hugging Face بموجب ترخيص Apache 2.0، وهو متوافق مع vLLM و SGLang واستدلال Transformers القياسي.
