MiniCPM5-2B: o modelo de 2,5B que faz o trabalho sujo da IA

O segredo dos agentes de IA não é o cérebro gigante — é o modelo pequeno que trabalha calado

Quando a gente fala de inteligência artificial, o olhar vai direto para os gigantes: GPT-6 Astra, Gemini 3.8, Claude Fable. Modelos com trilhões de parâmetros, que custam milhões para treinar e centavos por resposta para rodar. Mas existe uma verdade incômoda escondida no meio do hype: a maior parte do trabalho de um agente de IA é chato. Classificar texto, rotear uma mensagem, extrair um dado de um documento, chamar uma ferramenta. E para esse trabalho sujo, você não precisa de um modelo de fronteira — precisa de um modelo pequeno, rápido e barato.

É exatamente aí que entra o MiniCPM5-2B, o novo modelo open source da OpenBMB. Ele tem 2,5 bilhões de parâmetros — uma fração do tamanho dos gigantes — e ainda assim bate modelos maiores naquilo que importa para os agentes: programação, uso de ferramentas e tarefas de múltiplas etapas.

O que é o MiniCPM5-2B

A OpenBMB é um laboratório chinês ligado à Universidade Tsinghua e à ModelBest, conhecido pela família de modelos MiniCPM. A linha sempre apostou numa ideia simples: eficiência em vez de tamanho. O MiniCPM5-2B é o segundo modelo da série MiniCPM5, sucedendo o MiniCPM5-1B.

Os números impressionam pela combinação:

• 2,5 bilhões de parâmetros (2.516.756.480, para ser exato — cerca de 1,98 bilhão descontando os embeddings)
• Contexto nativo de 131.072 tokens — algo raro num modelo dessa classe, e crucial para agentes que precisam guardar logs longos e documentos inteiros na memória
• Licença Apache 2.0 — uso comercial livre, sem fricção jurídica
• 42 camadas de transformer, com atenção GQA (16 cabeças de query, 2 de chave/valor)

Na prática, isso significa um modelo que roda sem esforço num notebook comum, via Ollama, llama.cpp, LM Studio ou vLLM — e até em celular, com a versão LiteRT.

O número que importa: batendo um modelo quase duas vezes maior

O dado que fez o modelo viralizar é direto: o MiniCPM5-2B supera o Qwen3.5-4B — um modelo com 44% mais parâmetros — na média dos benchmarks publicados pela OpenBMB. A pontuação média ficou em 53,9 contra 51,1 do rival maior.

Mas a média esconde onde estão as diferenças reais. O MiniCPM5-2B não vence porque é melhor em tudo — ele vence porque é muito melhor nas tarefas de agente:

Repare no SWE-bench Verified: 46,4 contra 33,6. É uma diferença enorme em tarefa de resolver problemas reais de código. E no uso de ferramentas, o τ²-Bench Telecom chega a 97,1 — praticamente impecável.

O trabalho sujo dos agentes

É aqui que o MiniCPM5-2B deixa de ser curiosidade técnica e vira estratégia. Um agente de IA moderno — daqueles que escrevem código, navegam na web ou operam sistemas — não é um único modelo gigante pensando. É uma cadeia de modelos, cada um com uma função.

No topo, o modelo de fronteira decide a estratégia e raciocina sobre problemas difíceis. Mas no meio do caminho, existe um exército de tarefas menores: essa mensagem é urgente ou não? Extrai o número de CNPJ desse documento. Chama a API de clima e formata a resposta. Para cada uma delas, rodar um modelo gigante é desperdiçar dinheiro.

É exatamente isso que a OpenBMB quer resolver. O MiniCPM5-2B foi treinado com 500 mil exemplos de agente (o dataset UltraData-SFT-Agent-2609) e mais 80 mil de aprendizado por reforço (UltraData-RL-2609). O resultado é um modelo que faz tool calls confiáveis — o ponto que quebra a maioria dos modelos pequenos.

Modelos pequenos geralmente até entendem o que fazer, mas tropeçam na hora de chamar a ferramenta certa com os parâmetros certos. O MiniCPM5-2B foi desenhado justamente para não tropeçar.

Ele ainda traz uma sacada interessante: um modo de raciocínio híbrido. Você pode ativar ou desativar o pensamento (as tags <think>) conforme a tarefa. Pergunta simples? Resposta direta, sem gastar token com raciocínio. Problema de código? Liga o modo pensar e deixa ele trabalhar o problema antes de responder.

Roda no seu notebook — e até no seu bolso

A melhor parte para quem quer testar: o modelo é absurdamente leve. Em quantização de 4 bits, ele ocupa cerca de 1,1 GB de memória na GPU e roda a 16 a 18 tokens por segundo. Num Mac com Apple Silicon (via MLX), a velocidade de decodificação passa de 90 tokens por segundo. Para comparação, isso é texto gerado mais rápido do que você consegue ler.

A OpenBMB liberou o modelo em praticamente todos os formatos que existem: GGUF (para Ollama e LM Studio), MLX (para Mac), GPTQ e LiteRT (para celular e dispositivos de borda). E, num movimento raro, também liberou os dados de treinamento — os datasets UltraData de código, matemática e agentes.

O outro lado da moeda

Nem tudo são flores, e é honesto avisar. O MiniCPM5-2B não é um modelo de conhecimento geral. Em MMLU-Pro (conhecimento acadêmico), ele fica em 70,8 contra 78,0 do Qwen3.5-4B. E a imprensa especializada já apontou o óbvio: a maioria dos benchmarks vem da própria OpenBMB — então vale olhar com um grão de sal até aparecerem avaliações independentes.

Em outras palavras: ele é um excelente trabalhador de linha, não um estrategista. Se você pedir uma análise profunda de um paper ou um raciocínio original, os gigantes continuam na frente. Mas se você precisa de alguém para executar tarefas repetitivas de forma confiável e barata, ele é difícil de bater.

Por que isso importa para o Brasil

Para o Brasil, essa história tem um peso especial. O custo de API em dólar é uma barreira real para empresas e desenvolvedores brasileiros — cada chamada a um modelo de fronteira é cobrada em moeda estrangeira, e o preço sobe junto com a complexidade.

Um modelo como o MiniCPM5-2B muda essa conta. Ele permite rodar boa parte de um agente localmente, na própria máquina do desenvolvedor ou num servidor modesto, sem depender de nuvem americana. A licença Apache 2.0 remove a fricção legal, e o tamanho reduzido torna viável rodar em hardware que já existe por aqui — não em datacenters caros.

A lição maior, porém, é outra: a corrida da IA está deixando de ser só sobre quem tem o maior modelo. Está virando, cada vez mais, uma corrida sobre quem usa os modelos certos no lugar certo. E nesse jogo, saber escolher um modelo pequeno e eficiente pode valer mais do que ter acesso ao maior cérebro do planeta.

O trabalho sujo precisa ser feito. E agora existe um modelo de 2,5 bilhões de parâmetros fazendo isso — de graça, no seu notebook.