MiniCPM5-2B
OpenBMB
Son güncelleme: 18 Eylül 2026
🖥️ Bu model bilgisayarında çalışır mı?
Q4 quantization ile en az 2 GB VRAM ya da birleşik bellek ister — 6 GB ve üstünde rahat çalışır.
4-bit quant ~1,5-2 GB, BF16 ~5 GB — parametre sayısından hesap, ölçüm yok.
2,52B dense (embedding dışı 1,98B), 42 katman, 131K context. BF16 yaklaşık 5 GB; 4-bit quant 1,5-2 GB. 6 GB VRAM'li laptop kartında ve mobil cihazda rahat çalışır (parametre sayısından hesap).
Ekran kartını seç, çalışır mı gör →Bağlam uzunluğu
131K token
API giriş (1M token)
—
API çıkış (1M token)
—
Kullanıcı planı
Ücretsiz (açık kaynak)
Ücretsiz plan mevcut
Türkçe destek
Zayıf
Çok modlu
Hayır
Hızı
Hızlı
OpenAI uyumlu
Evet
Ne İçin Kullanılır?
- ✓Laptop veya telefonda tamamen yerel sohbet ve asistan
- ✓Gizlilik gerektiren işlerde bulut dışı çalıştırma
- ✓Uzun context'li belge özetleme ve soru-cevap (131K)
- ✓Yapılandırılmış çıktı ve araç çağrısı gerektiren küçük ajanlar
- ✓Kenar cihaz / gömülü sistem üzerinde metin işleme
Güçlü Yönler
- ↑2,52B parametrede 4B sınıfı modellere yakın performans iddiası
- ↑Apache 2.0 açık ağırlık, 131K token context
- ↑4-bit quant ile 2 GB altına iniyor — 6 GB VRAM'li laptopta rahat
- ↑Araç çağrısı ve ajan görevleri için ayrı SFT/RL veri setleriyle eğitilmiş
- ↑Küçük boyutta kod, matematik ve uzun context testlerinde sınıf lideri iddiası
Dikkat Edilecekler
- ↓Genel bilgi ve akıl yürütmede büyük modellerin çok gerisinde
- ↓Türkçe pratikte kullanılamıyor — kendi testimizde çıktı tutarsız ve anlamsız
- ↓Benchmark skorları laboratuvarın kendi ölçümü
- ↓Sohbet kalitesi 2B ölçeğinin sınırlarını taşıyor
- ↓Görsel veya ses girdisi yok
MiniCPM5-2B, OpenBMB'nin (ModelBest ile birlikte yürüttüğü MiniCPM serisinin) 7 Eylül 2026'da açık ağırlıkla yayınladığı küçük dil modeli. Serinin ikinci üyesi; MiniCPM5-1B'nin ardından geliyor ve aynı eğitim tarifini büyüterek 2,52 milyar parametreye çıkıyor. Mimari sade: standart LlamaForCausalLM, 42 katman, 131.072 token context. Yani sürpriz arayan bir model değil — amacı net biçimde "elimdeki donanımda en iyi sonucu ver" olan bir cihaz modeli. İddiası da bu eksende: aynı sınıftaki açık modeller arasında en iyi, 4B sınıfı modellerle genel olarak yarışabilir seviyede. Kod, matematik, uzun context anlama, araç kullanımı ve ajan görevlerinde sınıfının önünde olduğu belirtiliyor. Laboratuvarın yayınladığı sonuçlara göre 34 benchmark ortalaması 53,9 ve Artificial Analysis listesinde 4B altı açık modellerin zirvesine çıkıyor. Bu skorlar kendi ölçümleri; yine de boyutuna göre beklenenin üzerinde olduğunu topluluk testleri de destekliyor. Pratik tarafta en cazip yanı kapladığı alan. BF16 ağırlık yaklaşık 5 GB, 4-bit kuantizasyonla 2 GB altına düşüyor; yani 6 GB VRAM'i olan bir laptop kartında ya da modern bir telefonda tamamen yerel çalışıyor. 131K context'i sayesinde uzun belgeleri tek seferde işleyebiliyorsun — bu boyuttaki modellerde nadir bir şey. Araç çağrısı ve yapılandırılmış çıktı desteği de ayrıca eğitilmiş, yani küçük bir yerel ajanın beyni olabilir. Açık ağırlık, Apache 2.0, indirmesi ücretsiz. Türkçesi pratikte kullanılamıyor. LM Studio üzerinde denedik: "merhaba" yazdık, cevap "Merhaba! Hava sularım. Şimşeklerinizi bak, sorularınız var mü?" oldu. Ardından İngilizce "hello" yazdık, model aynı Türkçe cümleyi tekrarladı — yani ne cümle kuruyor ne de hangi dilde konuştuğunu takip ediyor. İngilizce ve Çince odaklı eğitilmiş, Türkçe için hiçbir çalışma yapılmamış — bu modeli Türkçe iş için hesaba katma. Bulut kullanmadan gizlilik öncelikli işler için biçilmiş kaftan, ama genel bilgi ve karmaşık akıl yürütmede büyük modelleri aramaya devam edeceksin.
En Yakın Alternatif
Gerekli Programlar
Açık ağırlıklı bir modeli kendi bilgisayarında çalıştırmak için bir model yöneticisi gerekir. İkisi de ücretsiz, ikisi de Windows, Mac ve Linux'ta çalışır.
LM Studio — görsel arayüz isteyenler için
Modeli listeden seçip indiriyorsun, terminal yok. Yeni başlayan için en kısa yol.
Ollama — terminalden çalıştıranlar için
Terminalden tek komutla model indirip çalıştırıyorsun, arayüz yok. Bu modelin Ollama kütüphanesinde hazır bir sürümü olup olmadığını ollama.com'da arayarak görebilirsin.
Donanım tarafı
Büyük modeller için ekran kartı yetmiyorsa, iş istasyonu sınıfı donanımın ne verdiğini rehberde ölçtük.
DGX Spark rehberi →