TL;DR

이 모델은 openbmb/MiniCPM5-1B을 기반으로 GnLOLot이 Fable 5 트레이스로 포스트트레이닝한 1B 규모 변형으로, 코드 생성과 지시문 이행 능력이 베이스 대비 향상되도록 설계되었다. MiniCPM5의 Thinking 채팅 템플릿과 XML 도구 호출 포맷을 유지해 중간 추론 블록과 기계 판독 가능한 도구 호출을 동시에 지원하며 config.json의 max_position_embeddings=131072로 128K 토큰 컨텍스트를 처리할 수 있다. GGUF 양자화 파일과 단일 GPU 배포 권장 설정을 제공해 로컬 배포 경로가 잘 갖추어져 있고 V2에서는 도구 호출 관련 기능이 추가로 강화되었다. 다만 Thinking 모드는 중간 추론 블록을 출력하는 설계적 특성이 있어 후처리로 해당 블록을 제거해야 최종 사용자 응답으로 적합하며 1B 규모라는 한계로 최첨단 대형 모델과의 직접 성능 비교에서는 차이가 있을 수 있다.

핵심 역량

• 코드 생성 능력은 함수 작성, 디버깅, 그리고 소프트웨어 엔지니어링 스타일의 응답을 생성하도록 조정되어 있다. Fable 5 트레이스로 포스트트레이닝해 코드 문맥에서 보다 구체적이고 실행 가능한 출력을 내도록 학습 신호를 강화했다. 기본 샘플링 설정과 Thinking 모드를 조합하면 중간 추론 블록을 포함한 코드 생성 흐름을 얻을 수 있다.
• 지시문 이행 능력은 사용자 요구에 대한 준수도를 높이기 위해 구조화된 제약과 포맷을 따르는 응답을 생성하도록 튜닝되어 있다. 템플릿 기반의 입력 처리로 명시적 역할·지시·출력 포맷을 모델 입력에 포함시켜 일관된 출력 구조를 확보한다. 이로 인해 포맷 제약이 있는 자동화·툴 체인 연동 시 예측 가능한 응답이 생성된다.
• Thinking 모드는 중간 추론 블록(chain-of-thought)을 입력·출력 흐름에 삽입해 복잡한 문제에서 단계별 사고를 드러내는 기능을 제공한다. 이 모드는 내부 추론 과정을 텍스트 블록으로 분리해 검토나 후처리로 중간 결과를 활용할 수 있게 만든다. 필요 시 최종 응답만 노출하도록 중간 블록을 제거하는 후처리 파이프라인을 적용할 수 있다.
• 도구 호출 기능은 XML 태그 기반의 메타정보를 생성해 외부 도구와의 기계적 연동을 용이하게 한다. 생성되는 태그는 도구명과 인자 구조를 포함해 자동 파싱과 매핑이 가능한 형식을 따른다. README에서 V2 버전은 도구 호출 기능을 더욱 강화했다고 명시되어 있어 외부 플러그인·툴 체인 통합에 유리하다.

강점

• Fable 5 데이터로 추가 학습된 결과 코딩과 지시문 이행에서 베이스 체크포인트보다 응답의 관련성과 실용성이 향상되었다는 점이 README에 표기되어 있다.
• 128K 토큰 컨텍스트를 지원해 긴 대화 히스토리나 대용량 코드 컨텍스트를 단일 입력으로 유지하면서 처리할 수 있다.
• GGUF 양자화 지원과 단일 GPU 배포 지침으로 로컬 및 엣지 환경에서 실행 비용과 자원 제약을 줄이기 쉬운 배포 경로를 제공한다.

훈련 방식

openbmb/MiniCPM5-1B을 기반으로 Fable 5 트레이스로 포스트트레이닝을 수행해 코드 생성과 지시문 이행 신호를 강화한 방식이다.

알아두면 좋은 것

• 모델은 openbmb/MiniCPM5-1B을 기반으로 Fable 5 트레이스로 포스트트레이닝되어 코딩과 instruction-following 성능이 베이스 대비 향상되었다고 안내되어 있다.
• 컨텍스트 길이는 max_position_embeddings=131072로 128K 토큰을 지원해 장문 대화와 코드베이스 단일 컨텍스트 처리가 가능하다.
• GGUF 양자화 파일을 제공해 llama.cpp, Ollama, LM Studio 같은 로컬 런타임에서의 경량 배포 경로를 지원한다.
• V2 버전에서 도구 호출 관련 기능이 강화되었고 README에는 Thinking 출력에서 중간 추론 블록을 제거해 최종 응답만 사용하는 후처리 권장이 명시되어 있다.

기술적 특징

• 기반 모델은 openbmb/MiniCPM5-1B이며 Fable 5 트레이스로 포스트트레이닝해 코드·지시문 성능을 개선한 구조다. 포스트트레이닝 과정은 베이스 체크포인트에서 추가 데이터로 학습 신호를 강화하는 방식으로 진행되었으며 그 결과 코드 관련 출력 품질 향상이 README에 표기되어 있다.
• Thinking 채팅 템플릿은 중간 추론 블록을 명시적으로 삽입하는 포맷을 유지해 복잡한 문제 해결에서 단계별 사고를 텍스트로 드러낼 수 있다. 이 템플릿은 입력과 출력의 구조화를 통해 체인오브소트 블록을 포함하거나 제외하는 후처리 흐름을 만들기 쉽게 한다.
• 도구 호출은 XML 태그 기반의 포맷을 사용해 도구명과 인자 구조를 태그로 인코딩하며 이 구조는 외부 파이프라인에서 기계적으로 파싱·매핑하기에 적합하다. README는 V2에서 이 도구 호출 기능을 강화했다고 밝히고 있어 툴 연동 관련 개선이 핵심 변화임이 드러난다.
• 컨텍스트 확장은 config.json의 max_position_embeddings를 131072로 설정해 128K 토큰을 지원함으로써 장문 문서와 긴 코드베이스를 처리할 수 있게 설계되었다. 이에 더해 GGUF 양자화 파일과 단일 GPU 배포 권장 설정을 병행해 로컬 환경에서 실용적으로 실행할 수 있는 운영 경로를 제공한다.

차별점

• Fable 5 트레이스로 파인튜닝해 코드 생성과 지시문 이행 성능을 베이스 체크포인트보다 강화한 점.
• max_position_embeddings=131072로 128K 토큰 컨텍스트를 지원해 장문의 입력을 단일 세션으로 유지할 수 있는 점.
• GGUF 양자화 파일과 단일 GPU 친화적 배포 지침을 함께 제공해 로컬·엣지 환경에서 실행을 용이하게 한 점.