CherryPit-1.2-2B

CherryPit-1.2-2B

基于 MiniCPM5-2B 的 2B 编程和聊天模型，在需要多个功能合在一个组件里的网页应用上进步很大。适合想要本地小型代码模型的开发者。

由 DRUPEs 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：CherryPit-1.2-2B 来自 DRUPEs，是 CherryPit 三个版本里最新的一个，基于 MiniCPM5-2B。相比 1.1，最大的进步是组合功能。必须把两到四个功能塞进同一个组件的页面，通过测试的次数多了很多。它也不再在普通回答里加上自己的名字。

适合谁：想要一个能自己运行的小模型，用于代码、网页组件和日常任务的开发者。

Industry | Who uses it | How they use it | Example
软件 | 网页开发者 | 生成带多个功能的 React 组件 | 带搜索和加载列表的组件
教育 | 学生 | 用本地小模型练习编程 | 请它写一个 Python 函数
研究 | 小模型研究者 | 研究组合训练带来的提升 | 在 WebApp1K 上比较 1.1 和 1.2
平台 | 工具团队 | 用 vLLM 提供小模型服务 | 一个本地编程接口

如果你需要这么小的模型给出可靠的答案，可以跳过它。模型卡警告它可能听上去很有把握却是错的，而且四个功能合在一个组件里只有 28% 的通过率。

用在哪里：

• Python，通过 Hugging Face Transformers
• vLLM，作为 OpenAI 风格的服务
• llama.cpp、Ollama 或 LM Studio，通过单独的 GGUF 仓库
• Windows、macOS 或 Linux，下载这一步需要 Python

Use case | Who | What they get back
网页组件代码 | 开发者 | 组合了多个功能的 React 代码
编程帮助 | 学生 | Python 和一般代码的回答
简短回答 | 任何人 | 关闭思考后的直接回复

如何设置：

• 电脑上装有 Python 和 pip
• 已安装 Transformers 或 vLLM
• GPU 或足够的内存，BF16 权重约 5 GB，按估算 4-bit 约 1.3 GB

1. 安装 Hugging Face hub 软件包。
2. 用 hf 命令下载模型文件。
3. 运行 Python 示例，或者用 vLLM 提供模型服务。

pip install -U huggingface_hub
hf download DRUPEs/CherryPit-1.2-2B

如何使用：在 Transformers 里加载模型，套用聊天模板再生成，或者用 vLLM 提供服务。模型卡推荐温度 1.0 和 top_p 0.95。模板默认从思考模式开始。想要简短直接的回答，就把 enable_thinking 设为 False。

from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("DRUPEs/CherryPit-1.2-2B")
model = AutoModelForCausalLM.from_pretrained("DRUPEs/CherryPit-1.2-2B", torch_dtype="bfloat16", device_map="auto")
msgs = [{"role": "user", "content": "Build a React component with a search box and a list that loads on open."}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt").to(model.device)
out = model.generate(ids, max_new_tokens=8192, do_sample=True, temperature=1.0, top_p=0.95)
print(tok.decode(out[0][ids.shape[1]:], skip_special_tokens=True))

vllm serve DRUPEs/CherryPit-1.2-2B --max-model-len 32768

示例：你请它做一个 React 组件，把搜索框和页面打开时才填充的列表合在一起。它返回组件代码，在思考模式下会先推理。

新手与专家：如果你是新手，先运行 Python 示例，并检查任何重要的回答。这是个 2B 模型，听上去很有把握也可能是错的。

如果你懂这个领域，1.2 在编造出来的多功能网页应用和多步骤的代码任务上加了强化学习训练，随后再用它自己通过测试的回答训练几轮。模型卡报告 WebApp1K Trio 为 44.9，而 1.1 是 16.8，测试用的是它从没训练过的基准。

MiniCPM5-2B 基础模型
在多功能应用上做组合训练
用通过测试的回答做自学轮次
CherryPit-1.2-2B

Title: WebApp1K Trio 通过率，一个组件里三个功能
CherryPit-1.1: 16.8
CherryPit-1.2: 44.9

注意事项：

• License: Apache 2.0
• Cost to run: 你自己的硬件，没有提到付费服务
• Data it reaches: 你下载的文件和你给它的提示词
• Limits: 只在英文上测试过，32K 思考的长数学题与 1.1 大致持平
• Identity: 关闭思考时，约二十次身份提问里仍有一次说出它的基础模型名

Hugging Face 上的数据（2026年11月13日）

• 任务：text generation
• 框架：transformers
• 参数量：2.5B
• Weights: about 5 GB in BF16; about 1.3 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：451
• 点赞：6
• 许可证：apache-2.0
• 语言：en
• 基于：openbmb/MiniCPM5-2B
• Quantized versions: 4
• 标签：transformers, safetensors, llama, text-generation, code, coding, web-development, math, reasoning, tool-calling, on-device, small-language-model

链接

• 模型：https://huggingface.co/DRUPEs/CherryPit-1.2-2B
• 文件：https://huggingface.co/DRUPEs/CherryPit-1.2-2B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download DRUPEs/CherryPit-1.2-2B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。