MiniCPM-SALA
MiniCPM-SALA est un modèle de langage d’OpenBMB publié le 11 février 2026, avec des poids ouverts sous licence Apache 2.0 et un usage commercial autorisé. Son format de 9 milliards de paramètres le place dans la catégorie des LLM de taille contenue, plutôt que dans celle des très grands…
MiniCPM-SALA est un modèle de langage d’OpenBMB publié le 11 février 2026, avec des poids ouverts sous licence Apache 2.0 et un usage commercial autorisé. Son format de 9 milliards de paramètres le place dans la catégorie des LLM de taille contenue, plutôt que dans celle des très grands modèles.
À sa sortie, MiniCPM-SALA se situe dans la partie supérieure de sa génération sur MMLU-Pro, un benchmark utilisé pour évaluer des connaissances et du raisonnement général. La fiche éclaire surtout son compromis entre ouverture, taille raisonnable et niveau de performance initial.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | OpenBMB |
| Licence | Apache 2.0 (open-weights, usage commercial autorisé) |
| Date de sortie | 11 février 2026 |
| Multimodal | non |
| Paramètres | 9 milliards |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| HumanEval | 95,1 % | 1ᵉ / 65 | llm-stats | Auto-déclaré |
| MBPP | 89,1 % | 4ᵉ / 33 | llm-stats | Auto-déclaré |
| AIME 2024 | 83,8 % | 18ᵉ / 52 | llm-stats | Auto-déclaré |
| BBH | 81,5 % | 8ᵉ / 12 | llm-stats | Auto-déclaré |
| CMMLU | 81,5 % | 5ᵉ / 6 | llm-stats | Auto-déclaré |
| AIME 2025 | 78,3 % | 68ᵉ / 108 | llm-stats | Auto-déclaré |
| IFEval | 76,3 % | 57ᵉ / 65 | llm-stats | Auto-déclaré |
| MMLU-Pro | 67,0 % | 91ᵉ / 125 | llm-stats | Auto-déclaré |
| LiveCodeBench v5 | 60,5 % | 4ᵉ / 9 | llm-stats | Auto-déclaré |
| LiveCodeBench v6 | 52,0 % | 43ᵉ / 53 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Notre analyse
Forces. MiniCPM-SALA combine trois éléments concrets : un éditeur identifié, des poids ouverts et une licence Apache 2.0 compatible avec un usage commercial. Ce cadre facilite l’intégration dans des projets qui exigent un modèle exploitable sans dépendre uniquement d’une API fermée. Sur MMLU-Pro, il figurait à sa sortie dans le top 73% des 98 LLM de sa génération, c’est-à-dire parmi les modèles sortis dans les quelque 18 mois précédents. Ce résultat indique un niveau compétitif pour un LLM de 9 milliards de paramètres, sans le placer dans le tout premier groupe des modèles les plus performants.
Limites et points d'attention. Les données disponibles ne documentent qu’un seul benchmark, MMLU-Pro, ce qui limite l’analyse des capacités en code, en agentic workflows, en mathématiques avancées ou en tâches spécialisées. La couverture repose sur 1 source de données concordante, un niveau de corroboration réduit par rapport aux modèles évalués par de multiples sources indépendantes. MiniCPM-SALA convient surtout à l’étude d’un LLM open-weights récent, de taille modérée, avec un cadre de licence permissif et une performance générale correctement située à son époque.
Sources des données : LLM-Stats (llm-stats.com).