AI2026-09-14約9分で読めます

MiniCPM5-2B 必要スペック早見表 — スマホ・ラズパイ・ラップトップで動かす目安【2026年9月版】

2026年9月7日にOpenBMBが公開したMiniCPM5-2B（2.52B・Dense・131Kコンテキスト・Apache-2.0）の必要RAM/VRAMは量子化次第で1.5GB台〜5GB台。GGUFのサイズ表とOllama/llama.cppでの動かし方、Qwen3.5-4Bとの比較をまとめた。

MiniCPM Requirements VRAM ローカルLLM Open Weight LLM

MiniCPM5-2Bの必要メモリはQ4_K_Mで約1.56GB、F16でも約5.04GB

MiniCPM5-2Bは2026年9月7日にOpenBMBが公開した2.52BパラメータのDenseモデルで、オンデバイス実行を前提に設計されている。公式GGUFの必要メモリは量子化により、Q4_K_Mで約1.56GB、Q8_0で約2.68GB、フル精度のF16でも約5.04GBと、いずれもハイエンドスマホやRaspberry Pi 5クラスの機器でも収まる水準にある。結論としては、Q4_K_Mであればハイエンドスマホ（RAM8GB以上）やRaspberry Pi 5（8GB版）でも動作圏内、ノートPCやミニPCならQ8_0以上でも余裕がある。以下、モデル概要・量子化別サイズ・実行手順・比較の順にまとめる。

MiniCPM5-2Bとは何か

MiniCPM5-2BはOpenBMBが開発するMiniCPM5シリーズの一員で、ローカルアシスタント・コーディングエージェント・ツール利用・推論タスクなど、コンパクトなモデルが好まれる用途向けに設計されている。アーキテクチャは標準的なLlamaForCausalLM（Dense Transformer、MoEではない）で、総パラメータ数は2,516,756,480（約2.52B）、埋め込み層を除くと1,981,982,720（約1.98B）。42層のTransformer層に、16クエリヘッド・2キーバリューヘッドのGrouped-Query Attention（GQA）を採用している。コンテキスト長は131,072トークンで、2B級のモデルとしては長い部類に入る。ライセンスはApache-2.0で、商用利用を含め制限は緩い。

項目	値
総パラメータ数	約2.52B（2,516,756,480）
非埋め込みパラメータ	約1.98B（1,981,982,720）
方式	Dense（LlamaForCausalLM）
層数	42層
アテンション	GQA（クエリ16ヘッド／KV2ヘッド）
コンテキスト長	131,072トークン
ライセンス	Apache-2.0
公開日	2026年9月7日
開発元	OpenBMB

必要スペック早見表（量子化別）

量子化	ファイルサイズ（公式GGUF）	想定用途
Q2_K（コミュニティ量子化・参考値）	約1.04GB	極小メモリ環境の限界値目安
Q3_K_M（コミュニティ量子化・参考値）	約1.29GB	低メモリ環境向け
Q4_K_M	約1.56GB	スマホ・Raspberry Pi 5・省メモリ運用の主力
Q5_K_M（コミュニティ量子化・参考値）	約1.81GB	精度と軽さのバランス
Q6_K（コミュニティ量子化・参考値）	約2.07GB	精度重視の中間点
Q8_0	約2.68GB	ノートPC・ミニPCでの高精度運用
F16（フル精度）	約5.04GB	精度低下なしのローカル検証・開発用途

Q4_K_MとQ8_0、F16は開発元OpenBMBの公式GGUF（openbmb/MiniCPM5-2B-GGUF）に掲載されている数値である。Q2_K・Q3_K_M・Q5_K_M・Q6_Kはコミュニティ配布のGGUF（DevQuasar版）で確認できる参考値で、公式が保証する数値ではない点に注意したい。いずれの量子化も重み容量ベースの概算であり、131,072トークンのフルコンテキストを使う場合はKVキャッシュ分のメモリが別途必要になる。手元のスマホ・PC・GPUで動くかをすぐ確かめたい場合は、モデル・量子化・コンテキスト長を選ぶだけで必要メモリを試算できるVRAM計算ツール（無料・登録不要）も用意している。

MiniCPM5-2Bの量子化別必要メモリを横棒グラフで比較。Q4_K_Mが約1.56GB、Q8_0が約2.68GB、F16が約5.04GBで、2GB・4GB・6GBの目安ラインとともに、Q4_K_Mならスマホクラスの4GB機でも動作圏内であることを示す図

デバイス別の動作目安

- スマートフォン（ハイエンド機・RAM8GB以上）: Q4_K_M（約1.56GB）であればOS・他アプリの占有分を差し引いても十分な余裕がある。MLC-LLMやllama.cppベースのモバイルアプリ経由での実行が現実的な選択肢（実測トークン/秒は機種依存のため未検証・推定）
- Raspberry Pi 5（8GBモデル）: Q4_K_Mであればメモリ容量上は動作可能。CPU推論となるため速度は控えめになる見込み（実測値は非公表のため推定）
- ノートPC内蔵GPU／統合メモリ機（16GB以上）: Q8_0（約2.68GB）やF16（約5.04GB）でも余裕を持って動作
- エントリー〜ミドルクラスGPU（RTX 4060など8GB級）: F16でもVRAMの半分程度に収まり、量子化を気にせず運用しやすい
- 131,072トークンのフルコンテキストを使う場合: 上記はいずれも重み容量ベースの概算であり、長文脈を使うほどKVキャッシュ分のメモリが追加で必要になる点に注意

Ollamaでの動かし方

OllamaはHugging FaceのGGUFリポジトリを直接指定して実行できる。MiniCPM5-2BもOllama経由で以下のように起動できる（量子化を指定しない場合はデフォルトのタグが使われるため、軽量に動かしたい場合はQ4_K_Mを明示するのが無難）。

```sh
# Hugging FaceのGGUFを直接指定して実行
ollama run hf.co/openbmb/MiniCPM5-2B-GGUF:Q4_K_M

# OpenBMB公式配布のタグを使う場合
ollama run openbmb/minicpm5-2b
```

llama.cppでの動かし方

llama.cppでは公式GGUFをダウンロードしてllama-serverで起動する。OpenBMBのモデルカードでは以下のコマンド例が示されている。

```sh
llama-server -m MiniCPM5-2B-F16.gguf -a MiniCPM5-2B --port 8080 -ngl 99 -c 8192 --jinja
```

サンプリングパラメータはtemperature=1.0、top_p=0.95、min_p=0.0が推奨されている。llama.cpp環境ではデフォルトのmin_p=0.05のままだと出力が繰り返しになりやすいため、min_p=0.0に変更することが公式ドキュメントで案内されている。また高速化を狙う場合、投機的デコード向けの補助モデル「MiniCPM5-2B-DSpark」もOpenBMBから公開されており、llama.cppでMiniCPM5-2B本体と組み合わせて使う想定になっている。

既存モデルとの違い — Qwen3.5-4B・Gemma 4 E2Bとの比較

モデル	総パラメータ	コンテキスト長	ライセンス	34ベンチマーク平均（OpenBMB公表）
MiniCPM5-2B	約2.52B（Dense）	131,072	Apache-2.0	53.9
Qwen3.5-4B	約4B（Dense）	262,144（拡張時最大約1,010,000）	Apache-2.0	51.1
Gemma 4 E2B	2B（Dense、Matryoshka Transformer）	記事執筆時点で個別未確認	Gemma利用規約	非公表（本比較表には含めず）

OpenBMBが公表した34ベンチマークの平均スコアでは、MiniCPM5-2B（2.52B）が53.9、Qwen3.5-4B（約4B）が51.1となっており、パラメータ数が約6割にとどまるMiniCPM5-2Bの方が平均スコアで上回っている。個別のベンチマークでは長文脈検索のAA-LCRでMiniCPM5-2Bが59.0%を記録し、同クラスの2Bモデルと比べても差が大きい（OpenBMB公表値としてQwen3.5-2Bが5.3%、Gemma-4-E2B-itが28.7%）。ただしGemma 4 E2Bの34ベンチマーク平均スコアはOpenBMBの比較表に個別掲載されておらず、本記事では未確認の値として比較表には含めていない。Gemma 4シリーズの必要VRAMやMatryoshka Transformer方式の詳細は別記事を参照してほしい。

OpenBMB公表の34ベンチマーク平均スコアで、2.52BパラメータのMiniCPM5-2Bが53.9、約4BパラメータのQwen3.5-4Bが51.1となり、パラメータ数が約6割にとどまるMiniCPM5-2Bの方が上回っていることを示す横棒グラフ

ベンチマークで見る強み

- コード: LiveCodeBench v6で69.1
- 数学: AIME 2026で86.5、MATH-500で94.6
- ツール利用: BFCL v4で66.6、tau2-Bench Telecomで97.1
- 長文脈検索: AA-LCRで59.0%（同クラスのQwen3.5-2Bは5.3%、Gemma-4-E2B-itは28.7%）
- これらはいずれもOpenBMBが公表した数値であり、当サイトによる独自ベンチマークではない

ライセンスと配布形態

MiniCPM5-2Bはモデル・GGUF量子化版ともApache-2.0ライセンスで公開されており、商用利用を含めて制限は緩い。公式配布はopenbmb/MiniCPM5-2B（元モデル）とopenbmb/MiniCPM5-2B-GGUF（量子化版、Q4_K_M・Q8_0・F16の3種）で、Hugging Face上ではDevQuasarなどのコミュニティによる追加量子化（Q2_K〜Q6_K）も流通している。2026年9月14日時点で、より小型のMiniCPM5-1Bも同シリーズとして公開されているが、本記事はMiniCPM5-2Bに絞って扱う。

- Edge0-35B-A3Bとは何か — SSDストリーミングで35BのMoEを3GB未満のRAMで動かす仕組みと必要スペック
- Nex-N2.5 必要スペック早見表 — VRAM 約22GB〜1.6TB級／RTX 4090〜H200マルチノード【2026年9月版】

MiniCPM5-2Bはスマホだけで動かせるか

Q4_K_M量子化（約1.56GB）であればメモリ容量上はハイエンドスマホ（RAM8GB以上）でも収まる。ただし実際の推論速度は機種やアプリ実装（MLC-LLM、llama.cppベースのモバイルアプリなど）に依存し、公式による実機ベンチマークは2026年9月時点で確認できていないため推定にとどまる。

MiniCPM5-2BはMoE（Mixture of Experts）か

いいえ。標準的なLlamaForCausalLM構成のDense Transformerで、42層・GQA（16クエリヘッド／2KVヘッド）という構成。総パラメータ約2.52Bがそのまま推論時に使われる。

Qwen3.5-4Bと比べて何が優れているか

OpenBMB公表の34ベンチマーク平均では、MiniCPM5-2B（2.52B）が53.9、Qwen3.5-4B（約4B）が51.1で、パラメータ数が約6割にとどまるMiniCPM5-2Bの方が平均スコアで上回る。特に長文脈検索（AA-LCR）や一部のツール利用ベンチマークで差が大きい。

131,072トークンのフルコンテキストを使うと必要メモリはどう変わるか

本記事の数値はモデル重みのみの概算で、コンテキストを長く使うほどKVキャッシュ分のメモリが別途加算される。フルコンテキスト利用時の具体的なKVキャッシュ量はOpenBMBから個別に公表されていないため、実運用では余裕を持ったメモリ設計が必要になる。

llama.cppで出力が同じ文の繰り返しになる場合はどうすればよいか

OpenBMBの公式案内では、llama.cppのデフォルトサンプリング設定（min_p=0.05）が繰り返しの原因になりやすいとされている。min_p=0.0に変更し、temperature=1.0・top_p=0.95と合わせて使うことが推奨されている。

この記事に関連する無料ツール（登録不要・その場で結果）

VRAM計算ツールモデル・量子化を選ぶだけでローカルLLMの必要VRAMと動くGPU/Macがわかる

お気軽にご相談ください

お問い合わせ