Китайские разработчики выкатили MiniCPM5-1B в полный open-source. Теперь веса, исходный код для деплоя и даже обучающие данные доступны каждому абсолютно бесплатно. При своем скромном «весе» в 1 миллиард параметров, эта малышка умудрилась занять 1 место на Artificial Analysis среди всех моделей до 2B, набрав 17.9 балла. Она всухую обходит Qwen3.5-2B (у той 16.3 балла), будучи в два раза меньше! В тестах на логику, математику, кодинг и работу с инструментами она также оставляет позади Qwen3.5-0.8B и LFM2.5-1.2B-Thinking. Самое сочное: INT4-версия весит всего 0.5 ГБ. Это значит, что ее можно без проблем запускать локально на смартфонах, в браузерах и слабых edge-устройствах. Кстати, обучили ее с помощью ForgeTrain — первого фреймворка, который полностью написан нейросетью (без единого человека-программиста!) и который работает на 10% быстрее хваленого NVIDIA Megatron. 🔗 Пощупать модель можно на ModelScope: modelscope.cn/models/OpenBMB/MiniCPM5-1B Вариант 2: Экспертный / Технический (Для SEO-статей и хардкорных разрабов) Заголовок: Полный Open Source: разбор MiniCPM5-1B и фреймворка ForgeTrain Команда OpenBMB сделала важный шаг для ИИ-сообщества, полностью открыв MiniCPM5-1B (кодовая база, датасеты и веса теперь в открытом доступе). Модель продемонстрировала выдающуюся эффективность архитектуры, набрав 17.9 балла на бенчмарке Artificial Analysis. Ключевые бенчмарки и сравнения: Благодаря квантованию INT4, размер модели оптимизирован до 0.5 ГБ, что открывает широкие возможности для On-Device AI (запуск на мобильных SoC, внутри браузерных движков и IoT). Отдельного внимания заслуживает пайплайн претрейна: модель обучалась на ForgeTrain. Это первый в индустрии production-grade фреймворк для pretraining LLM, полностью сгенерированный искусственным интеллектом. Он показал прирост скорости на 10% по сравнению с NVIDIA Megatron. 🔗 Ссылка на репозиторий: modelscope.cn/models/OpenBMB/MiniCPM5-1B