OpenBMB가 25.2억 파라미터의 밀집(Dense) 언어모델 MiniCPM5-2B를 아파치 2.0 라이선스로 공개했습니다. 34개 벤치마크 평균 53.9점으로 Qwen3.5-4B(51.1)를 앞서며, 특히 도구 사용, 코딩 에이전트, 장문 컨텍스트 검색에서 강점을 보입니다. 13만 토큰 컨텍스트와 1.56GB부터 시작하는 GGUF 빌드로 온디바이스 실행에 최적화된 것이 핵심입니다.
webAI가 영어 문장을 1차 논리(first-order logic)로 번역하고 논리적 타당성을 검증할 수 있는 17억(1.7B) 및 30억(3B) 매개변수 크기의 형식 논리 모델 패밀리인 TwIL-LM을 공개했습니다. 이 모델은 4GB VRAM 또는 CPU 환경에서도 구동되어 온디바이스(로컬) 환경에서의 활용이 가능하다는 점에서 중요합니다. 다만, 공개된 가중치는 비상업적 용도로만 제공되며 공식 벤치마크 점수는 미공개 버전 기준임에 유의해야 합니다.
중국 시나(Sina)가 공개한 30억 매개변수(3B) 규모의 소형 언어 모델 'VibeThinker-3B'가 수학 및 코딩 벤치마크에서 자신보다 수백 배 큰 초대형 모델들과 맞먹는 성능을 기록했습니다. 이는 논리적 추론 능력은 최적화된 사후 학습(Post-training)을 통해 소형 모델로도 압축이 가능하지만, 방대한 사실 지식은 여전히 대형 모델이 필요하다는 연구 가설을 뒷받침합니다. 이는 AI 개발자들에게 파라미터 확장보다 학습 방법과 데이터 품질의 중요성을 시사하는 중요한 사례입니다.