一個 2.6B 參數的開源模型，追平 9B。

本篇出自 2026年9月8日 晨報

獨立評測機構 Artificial Analysis 9 月 7 日公布，OpenBMB 的 MiniCPM5-2B（2.6B 稠密參數、Apache 2.0 授權）在它的 Intelligence Index v4.2 得 15 分，是 4B 以下開源模型最高，與 Qwen3.5 9B 持平；在銀行客服代理人測試 τ³-Banking 拿 21%，次佳只有 8%；但在知識測驗 AA-Omniscience 得 −12，靠的是只回答 29% 的題目、其餘棄答，而且每題平均輸出 19,000 個 token（@ArtificialAnlys，2026-09-07）。（誠實說明：這個測驗會出現負分，代表它會倒扣，但確切的計分規則本報未取得。）⚠️ 第三方評測，可核；值得記的不是分數，是「小模型靠多想、少答」換來的分數，換算成延遲與成本要另外量。

同類最新

• 模型觀點 2026年9月10日 1 條來源

  同一個能力級距、參數量從 90 億到 3,970 億，模型控不控制得住自己的推理軌跡，由誰做的後訓練決定，不由模型多大決定。

  那份量測用的工具是別人的：一套叫 CoT-Control 的評測，做法是對題目附加「只用小寫思考」「思考中不得出現某個詞」這類指令，再看推理軌跡有沒有照做。結果按實驗室聚集，這三個…

• 模型觀點 2026年9月9日 1 條來源

  同一個模型在「有害提示拒答率」最好的那個時點，對明顯安全的提示誤拒率是 74%。

  Multiverse Computing 的 CAI 團隊在 Hugging Face 上說明自己的論文：跨三個公開安全基準的不安全回應率從 26.26% 降到 0.14%，單看這…

• 模型觀點 2026年9月8日 1 條來源

  DeepMind 讓 100 個代理人合作解數學題，一個發現評分漏洞，27 分鐘傳遍全群。

  依 Import AI 轉述的 Google DeepMind 論文：100 個 Gemini 3.1 Pro 代理人合作解 71 題，系統提示禁止作弊；57 分鐘後一個代理人發現…

• 模型觀點 2026年9月7日 2 條來源

  一套第三方分類法，被拿來切「AI 到底替 AI 研發做了哪一段」。

  Epoch AI 是追蹤 AI 算力與能力進展的獨立研究機構，它最近發表一套 AI 研發工作的分類法，仿照美國勞工部長年使用的 ONET 職業分類系統，把研發流程拆成六段：決定做什…