MiniCPM-V 4.7 35B-A3B مقابل Qwen2.5-Omni: بعد تسعة عشر شهرًا، لا يزال أحدهما يسمعك

ضع MiniCPM-V 4.7 35B-A3B بجانب Qwen2.5-Omni على ورقة المواصفات، وسيفوز النموذج الأحدث في كل سطر تقريبًا. فهو يمتلك ثمانية أضعاف السياق، وبنية متناثرة تنشط واحدًا من كل اثني عشر من معاملاتها لكل رمز، وعقدًا من أدوات الاستدلال التي لم تكن موجودة عندما صدر النموذج الأقدم. ثم تصل إلى صف الصوت، فتجد أن MiniCPM-V 4.7 35B-A3B لا يمتلك شيئًا هناك على الإطلاق. Qwen2.5-Omni، الذي صدر في أواخر مارس 2025، يستقبل الصوت ويبث الكلام الطبيعي؛ بينما MiniCPM-V 4.7، الذي ظهرت أوزانه في أكتوبر 2026، يستقبل النصوص والصور والفيديو ويعيد النصوص. لم يُنتج تسعة عشر شهرًا من التقدم في هذا الثنائي تحديدًا نموذجًا شاملًا أفضل. بل أنتج نموذج رؤية أفضل لا يؤدي الوظيفة التي صُمم النموذج الأقدم من أجلها.

هذا التأطير ليس انتقاصًا من أيٍّ منهما. بل هو كامل شكل المقارنة، وهو السبب في أن قارئًا يحتاج إلى الصوت وقارئًا يحتاج إلى قراءة ألف صفحة ممسوحة ضوئيًا ينبغي أن يخرجا بإجابتين مختلفتين. فيما يخص المصادر: أرقام Qwen2.5-Omni هي أرقام المورّد من مارس 2025، وعمرها الآن تسعة عشر شهرًا، وقد جرى التحقق منها جزئيًا عبر انتشار واسع. وأرقام MiniCPM-V 4.7 35B-A3B هي أرقام OpenBMB، نُشرت في بطاقة نموذج في 12 أكتوبر 2026 — أول بطاقة لها، بعد عشرة أيام من ظهور الأوزان لأول مرة — ولم يُعَد إنتاج أي منها خارج المختبر.

ما كان عليه النموذج الأقدم في الواقع

كان Qwen2.5-Omni أول نموذج شامل متعدد الوسائط من الطرف إلى الطرف في تلك السلسلة، وكانت صياغة المورّد آنذاك صريحة: فقد كان الحل لمشكلة "حديقة المتخصصين"، حيث احتاج كل من تحويل الكلام إلى نص، والرؤية، والصوت إلى نموذج منفصل وطبقة ربط منفصلة. أخذ النموذج ذو الـ7B النص والصور والصوت والفيديو كمدخلات، ورد بالنص أو بكلام طبيعي متدفق، مع صوتين ثابتين، Chelsie وEthan. وادّعى تحقيق نتائج متقدمة على معيار الدمج OmniBench متقدمًا على Gemini-1.5-Pro، ودرجة جودة لتوليد الكلام بلغت 4.51 وصفها المورّد بأنها على مستوى البشر.

صمد التصميم الهندسي لأنه صُمّم ليتعامل مع القيد لا ليلتفّ حوله. قسّم Thinker-Talker المهمة إلى شقّين: دمج محوّل Thinker مشفّري الصوت والصورة وأنتج الدلالات والنص، بينما بثّ Talker رموز الكلام من الحالات المخفية لدى Thinker وشارك كامل السجل الحواري. شابكت RoPE متعددة الوسائط والمحاذاة زمنيًا مواضع الفيديو والصوت فبقي المساران متزامنين، كما أتاح البث الكتلي للمشفّرات أداء عمل الإدراك بينما تعامل النموذج اللغوي مع تسلسلات طويلة — وهو ما جعل الردود المنطوقة منخفضة التأخير ممكنة أصلًا.

كانت الحدود حقيقية بالقدر ذاته، وكانت تتعلق بالذاكرة لا بالسياق. وتضع جداول المورّد نفسه استدلال BF16 مع FlashAttention-2 عند نحو 31 GB من ذاكرة GPU لفيديو مدته 15 ثانية، و42 GB لمدة 30 ثانية، و60 GB لدقيقة كاملة، مقابل نافذة سياق من 32,768 رمزًا. دقيقة من الفيديو على نموذج 7B، على واحدة من أكبر وحدات GPU المفردة التي يمكن استئجارها، هي الرقم الذي ينبغي إبقاؤه في الحسبان — إنه الرقم الذي بُني كل ما جاء بعده ليدمّره.

ما الذي يفعله النموذج الجديد بدلاً من ذلك

MiniCPM-V 4.7 35B-A3B يسلك مسارًا مختلفًا تمامًا. وهو أول نموذج MoE من OpenBMB في سلسلة MiniCPM-V: 256 خبيرًا مع 8 خبراء نشطين لكل رمز عبر 40 طبقة، ونافذة سياق من 262,144 رمزًا، ومفردات من 248,144 رمزًا، ما يعادل نحو 3 مليارات معامل نشط من إجمالي 35.2 مليار. تعمل الرؤية عبر وحدة SigLIP2 مزودة بضغط مبكر داخل ViT وفق LLaVA-UHD v4 ووضع ضغط رموز مختلط 4x/16x قابل للاختيار — 16x افتراضيًا، و4x عندما تستحق التفاصيل الدقيقة الرموز. يتعامل مع الصور الفردية ومجموعات الصور المتعددة والفيديو. ويجيب بالنص.

الادعاء الرئيسي في البطاقة هو أن هذا أول نموذج MoE مفتوح المصدر يقدّم استدلالًا سلسًا ودون فقدان على الجهاز، ويُحقَّق ذلك من خلال جدولة الخبراء الاستباقية (Lookahead Expert Scheduling)، والتكميم الدقيق على مستوى الطبقات، وأخذ العينات التخمينية عبر مسودات DSpark المنفصلة، بمعدل مُبلَّغ عنه يتجاوز 13 رمزًا في الثانية على iPhone 17 Pro Max. هذا الرقم مُبلَّغ عنه من المورّد، ولم يُعَد إنتاجه، وغير مصحوب بتفاصيل مؤهِّلة — فلا صيغة تكميم، ولا نسخة بناء، ولا مُوجِّه، ولا طريقة قياس. تدّعي البطاقة أيضًا حصولها على درجة إجمالية أعلى في وضع Instruct من Qwen3.6 35B-A3B في وقت استدلال أقل، وهذا الادعاء معروض داخل صورة مخطط لا داخل جدول، لذا لا يمكن اقتباسه كرقم، ولا ينبغي التعامل معه كرقم.

سبعة أبعاد، كلا الجانبين

• أنماط الإدخال — يستقبل Qwen2.5-Omni النصوص والصور والصوت والفيديو؛ ويستقبل MiniCPM-V 4.7 35B-A3B النصوص والصور والفيديو، دون أي مسار للصوت على الإطلاق.

• الإخراج — نص بالإضافة إلى كلام طبيعي متدفق بصوتين ثابتين، مقابل النص فقط.

• السياق — 32,768 رمزًا مقابل 262,144، زيادة بمقدار ثمانية أضعاف.

• المعاملات — رقم 7B الذي يسمّي المورّد النموذج به، مقابل 35.2B إجمالًا مع 3B نشطة على جانب MiniCPM. ويُدرج المستودع نفسه 11B من المعاملات لنقطة التحقق، لأن 7B تُحصي النموذج اللغوي ولا تُحصي مشفّرات الرؤية والصوت المجاورة له — تذكير مفيد بأن «7B» هنا اسم بقدر ما هو قياس.

• بصمة الذاكرة — تُظهر جداول المورّد نفسه نحو 31 GB لفيديو مدته 15 ثانية و60 GB لدقيقة واحدة؛ ويبلغ MiniCPM-V 4.7 نحو 70 GB من أوزان BF16 قبل أي ذاكرة KV، ولهذا تحتل إصداراته المُكمَّمة وطرحه الخاص بالتشغيل على الجهاز قدرًا كبيرًا من البطاقة.

• الترخيص — Apache-2.0 في كليهما، وهو السطر الوحيد الذي يتفقان عليه دون تحفّظ.

• أدوات النشر — تسعة عشر شهرًا من التكميمات المجتمعية والأدوات لدعم SGLang وvLLM وllama.cpp وOllama وOpenVINO، وبنى GGUF/BNB/AWQ/GPTQ/FP8، وتطبيقات iOS وAndroid وHarmonyOS.

• تقييم عام — نتيجة OmniBench البالغة 0.561 وعمرها تسعة عشر شهرًا، والتي جرى الاستشهاد بها على نطاق واسع، مقابل بطاقة لا تحتوي على أي جدول تقييم قابل للاقتباس على الإطلاق.

فتحة الصوت هي القرار كله

إذا كان خط الأنابيب لديك يحتاج إلى نموذج يسمع شيئًا، فهذه المقارنة تنتهي عند الفقرة الأولى. Qwen2.5-Omni هو الوحيد بين الاثنين الذي يستقبل الصوت، والوحيد الذي يتحدث، والوحيد الذي تقف خلفه حزمة كلام راسخة — Thinker-Talker، وTMRoPE، والبث على شكل كتل، وصوتان ثابتان. وهو أيضًا الوحيد بين الاثنين الذي نشره أي شخص على نطاق واسع، وتسعة عشر شهرًا من التكميمات والأدوات المجتمعية تساوي أكثر من ورقة مواصفات عندما تحاول إدخال نموذج في تطبيق هذا الربع.

ما يقدمه MiniCPM-V 4.7 في المقابل هو ذاكرة أطول بكثير وبصمة حسابية لكل رمز أقل تكلفة بكثير بالنسبة للمستندات المرئية الطويلة. إن نافذة سعة 262K و3B معاملات نشطة تشكل أداة مختلفة جوهريًا عن نافذة سعة 32K على نموذج كثيف بحجم 7B — وبالنسبة لحمل عمل يتمثل في آلاف من صور الصفحات أو لقطات الشاشة أو النصوص الطويلة لمقاطع الفيديو، فإن شكل النموذج الأحدث هو الشكل الصحيح. لكنه ببساطة لا يمكن أن يكون النموذج الذي يردّ على الهاتف.

تلك هي المقايضة، بوضوح: الوصول مقابل الاتساع. يغطي النموذج الأقدم مزيدًا من المعاني. ويغطي الأحدث مساحة أكبر من الصفحة.

مساران مختلفان تمامًا للأدلة

وهنا يسير التباين في الاتجاه المعاكس، ويجدر بنا أن نكون دقيقين في ذلك.

أصبحت أرقام Qwen2.5-Omni قديمة بما يكفي ليتم التحقق من بعضها جزئيًا عبر الاستخدام. نموذج عمره تسعة عشر شهرًا، له موضع معياري يُستشهد به على نطاق واسع، وعقد من عمليات التكميم اللاحقة، وقاعدة تثبيت كبيرة، ليس كمية مُثبتة بأي معنى رسمي، لكن كان أمام مزاعمه وقت طويل لتُدحض ولم تُدحض. أما أرقام الذاكرة تحديدًا فقد نُشرت كقيود هندسية، لا كتسويق، وقد تصرفت مثل القيود الهندسية.

أرقام MiniCPM-V 4.7 مضى عليها أسبوعان دون أي تحقق خارجي. وصل النموذج دون توثيق في 6 أكتوبر، ووصلت البطاقة والترخيص وقسم الادعاءات في 12 أكتوبر. ولا يزال لا يوجد جدول تقييم، ولا تقرير تقني، ولم ينشر أي طرف ثالث أي نتيجة. والمكان الوحيد الذي يحتوي على أرقام منشورة حقيقية هو نقطة التحقق المنفصلة DSpark draft، التي تُعد أرقام الرموز المقبولة لكل خطوة فيها أرقام OpenBMB الخاصة، والتي لم ينشرها المختبر للنموذج الأصلي.

إذن، الموقف الصحيح تجاه النموذج الجديد هو: تعامل مع البنية المعمارية على أنها مقروءة (فهي موجودة في ملف التكوين)، وتعامل مع التوزيع على أنه حقيقي (فالأوزان موجودة في ست صيغ)، وتعامل مع كل رقم أداء على أنه ادعاء ينتظر رأيًا ثانيًا. هذا الجزء الأخير ليس حالة دائمة. إنه فقط وضع الأمور في 13 أكتوبر.

تشغيل أي منهما، وما الغرض من الراوتر

كلا هذين ملفان تقدّمهما بنفسك. لا MiniCPM-V 4.7 35B-A3B ولا Qwen2.5-Omni موجودان في الكتالوج المستضاف لدى OrcaRouter، ولا ينبغي قراءة أي شيء هنا على أنه ادعاء بأننا نوجّههما — فـ MiniCPM-V 4.7 هو نقطة تفتيش عمرها أسبوعان ستحتاج إلى مسرّعين اثنين لتشغيلها دون تكميم، وQwen2.5-Omni نموذج مفتوح الأوزان من 2025 موطنه العملي هو نسخة vLLM تشغّلها أنت.

حيث يستحق الموجّه مكانه يكون على الجانب الآخر من ذلك الخط. لا تزال معظم الفرق التي تشغّل نموذج رؤية مستضافًا ذاتيًا بحاجة إلى نموذج مستضاف للحالات التي لا يستطيع النموذج المحلي التعامل معها — الاستدلال طويل المدى، واستخدام الأدوات، والمدخلات الصوتية التي لا يقبلها MiniCPM-V 4.7. يضع OrcaRouter أكثر من 200 نموذج مستضاف خلف مفتاح واحد، يمرّر سعر القائمة الخاص بكل مزوّد كما هو دون أي هامش ربح لنا، ويتحول تلقائيًا إلى بديل عند تدهور أحد المزوّدين، ما يعني أن إضافة ذلك النموذج الثاني تغيير في التوجيه وليس عقدًا ثانيًا. أقرب نظير مستضاف لنموذج MiniCPM هو Qwen3.6 35B A3B — بإجمالي 35B، و3B نشطة، وسياق 262K، ومدخلات نص-صورة-فيديو — بسعر 0.25 دولار لكل مليون رمز إدخال و1.48 دولار لكل مليون رمز إخراج، وهو مقياس منصف لما توفره لك الاستضافة الذاتية فعليًا.

أي واحد، ومتى؟

اختر Qwen2.5-Omni إذا كنت بحاجة إلى الصوت أو الكلام على الإطلاق، أو إذا أردت نموذجًا يمتلك تسعة عشر شهرًا من النشر خلفه، أو إذا كانت سعة 32K رمزًا وسقف 60 GB لدقيقة من الفيديو تناسب ميزانيتك. قيوده معروفة وموثّقة، وهذا ميزة عندما تكون في مرحلة الإطلاق.

خذ MiniCPM-V 4.7 35B-A3B إذا كانت مشكلتك هي السياق البصري الطويل والإخراج النصي، وإذا كنت تريد الترخيص المتساهل، وإذا كنت مستعدًا لأن تكون مبكرًا — لأن المبكر هو ما ستكون عليه. لم يُشغّله أي طرف ثالث، وادعاء التشغيل على الجهاز غير مُعاد إنتاجه، والمعايير المرجعية غير موجودة. ما تحصل عليه في المقابل هو نموذج موثّق، قابل للتكميم، متعدد بيئات التشغيل، بنافذة 262K وقصة كفاءة معقولة، وتصبح أنت من يكتشف ما إذا كانت القصة تصمد.

ما الذي قد يغيّر الجواب: جدول مقاييس أداء من OpenBMB، أو طول قبول مُعاد إنتاجه من مسودة DSpark — لا يزال أرخص مسار للحصول على رقم خارجي يخص هذه العائلة. وما لن يغيّر الجواب هو مزيد من الوقت. تسعة عشر شهرًا لم تمنح MiniCPM-V 4.7 القدرة على السمع، ولا شيء في خارطة الطريق يشير إلى أنها قادمة.