Comparación de modelos de IA muy pequeños con pesos abiertos (≤4B)

Name: Openness
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Modelos de IA con pesos abiertos que tienen 4B parámetros o menos. Suelen ser los modelos más pequeños en demanda de recursos.

Consideramos que un modelo tiene pesos abiertos (también denominado comúnmente «open source») cuando sus pesos están disponibles para descargar. Esto permite alojarlo en infraestructura propia y personalizarlo, por ejemplo, mediante ajuste fino.

Para más detalles sobre nuestra metodología, consulta nuestras FAQs.

K2 Horizon 3.7B y

MiniCPM5-2B obtienen las puntuaciones más altas en el Artificial Analysis Progress Index v1 entre los modelos muy pequeños con pesos abiertos, definidos como aquellos con ≤4B parámetros, seguidos por

Qwen3 4B 2507 y

Granite 4.2 3B.

Openness

Artificial Analysis Openness Index · Higher is better

New

Progress Index v1

Artificial Analysis Progress Index v1 · Higher is better

Parámetros totales

Parámetros entrenables en miles de millones

Openness

Artificial Analysis Openness Index: puntuación

El Openness Index mide la apertura de los modelos en una escala normalizada de 0 a 100 (cuanto más alta, mayor apertura)

InteligenciaNew

Artificial Analysis Progress Index v1

Item response theory estimate of general capability across Artificial Analysis evaluations

Calculamos el Artificial Analysis Progress Index v1 con la teoría de respuesta al ítem, que estima conjuntamente la capacidad de los modelos y la dificultad de las tareas a partir de nuestros resultados de benchmarks. Esto nos permite comparar a lo largo del tiempo modelos evaluados en distintos benchmarks.

Estimamos la dificultad de cada tarea a partir de qué modelos la resuelven o fallan, al mismo tiempo que estimamos la capacidad de cada modelo a partir de sus resultados en distintas tareas.

Por ejemplo, un modelo más antiguo podría haber sido evaluado en benchmarks más fáciles y uno más reciente en benchmarks más difíciles. Los modelos evaluados en ambos conjuntos nos ayudan a estimar la diferencia de dificultad y a comparar los modelos antiguos y recientes en la misma escala.

Cada variante de esfuerzo se muestra como un modelo independiente. Consulta la metodología del Progress Index v1.

Evaluations

Evaluations measured independently by Artificial Analysis · AA-PersonalityBench scores are percentile ranks from 1 to 100

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience v1.1 AccuracyUpdated

Knowledge

AA-Omniscience v1.1 Non-Hallucination RateUpdated

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode 2.0New

Agentic software engineering in open-source repositories

HLE-DiamondNew

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

No data available

Harvey LAB-AA v1.1Updated

Legal agentic work, Hallucination-Gated All-Pass Rate

No data available

EnterpriseOps-Gym-AA

Agentic business operations

No data available

GDPval-AA v2.1

Agentic real-world work tasks, Elo

AA-3DNew

Agentic interactive 3D experiences, Elo

No data available

Code2Video-AANew

Product and brand videos designed in code, Elo

No data available

ITBench-AA

Kubernetes incident root-cause analysis

No data available

MLCR-AAUpdated

Medical long context reasoning

No data available

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness ScoreNew

Rich, varied, well-crafted language

No data available

AA-PersonalityBench: Organization ScoreNew

Well-structured, scannable, answer-first

No data available

AA-PersonalityBench: Transparency ScoreNew

Truthful, acknowledges uncertainty, non-sycophantic

No data available

AA-PersonalityBench: Slop ScoreNew

Use of filler and generic language

No data available

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Tamaño

Tamaño del modelo: parámetros totales y activos

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Progress Index v1 vs. parámetros activos

Artificial Analysis Progress Index v1 · Active parameters at inference time (billions)

Most attractive quadrant

Pareto line

Estimamos la dificultad de cada tarea a partir de qué modelos la resuelven o fallan, al mismo tiempo que estimamos la capacidad de cada modelo a partir de sus resultados en distintas tareas.

Cada variante de esfuerzo se muestra como un modelo independiente. Consulta la metodología del Progress Index v1.

Progress Index v1 vs. parámetros totales

Artificial Analysis Progress Index v1 · Size in parameters (billions)

Most attractive quadrant

Pareto line

Estimamos la dificultad de cada tarea a partir de qué modelos la resuelven o fallan, al mismo tiempo que estimamos la capacidad de cada modelo a partir de sus resultados en distintas tareas.

Cada variante de esfuerzo se muestra como un modelo independiente. Consulta la metodología del Progress Index v1.

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

Ventana de contexto

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Más detalles

								Pesos		Benchmarks de proveedores
K2 Horizon 3.7B	Institute of Foundation Models	242	3.7B	524k	-	-	-	🤗	-	Ver
MiniCPM5-2B	OpenBMB	221	2.6B	131k	-	-	-	🤗	-	Ver
Granite 4.2 3B	IBM	191	3B	131k	-	-	-	🤗	-	Ver
G9v3-3B	AI9Stars	189	3B	131k	-	-	-	🤗	-	Ver
Nanbeige4.1-3B	Nanbeige	180	3.9B	256k	-	-	-	🤗	-	Ver
Qwen3.5 2B (Reasoning)	Alibaba	177	2.3B	262k	-	-	-	🤗	-	Ver
NVIDIA Nemotron 3 Nano 4B	NVIDIA	176	4.0B	262k	-	-	-	🤗	-	Ver
LFM2.5-2.6B	Liquid AI	171	2.7B	128k	-	-	-	🤗	-	Ver
Exaone 4.0 1.2B (Reasoning)	LG AI Research	171	1.3B	64k	-	-	-	🤗	-	Ver
Qwen3.5 2B (Non-reasoning)	Alibaba	171	2.3B	262k	-	-	-	🤗	-	Ver
MiniCPM5-1B (Reasoning)	OpenBMB	167	1B	128k	-	-	-	🤗	-	Ver
MiniCPM5-1B (Non-reasoning)	OpenBMB	163	1B	128k	-	-	-	🤗	-	Ver

Comparación de modelos de IA muy pequeños con pesos abiertos (≤4B)

Openness

Progress Index v1

Parámetros totales

Openness

Artificial Analysis Openness Index: puntuación

InteligenciaNew

Artificial Analysis Progress Index v1

Cómo se calcula el Progress Index v1

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Tamaño

Tamaño del modelo: parámetros totales y activos

Total Parameters

Active Parameters at Inference Time

Progress Index v1 vs. parámetros activos

Cómo se calcula el Progress Index v1

Active Parameters at Inference Time

Progress Index v1 vs. parámetros totales

Cómo se calcula el Progress Index v1

Total Parameters

Ventana de contexto

Ventana de contexto

Context Window for RAG

Context Window

Más detalles