Molmo2-4B مقابل MiniCPM-V 4.7: لا يقع أيٌّ من النموذجين حيث تظن أنه يقع

المواجهة المذكورة في العنوان لا وجود لها في الأوزان. Molmo2-4B هو نقطة حفظ واحدة بحجم 4.85B. MiniCPM-V 4.7 ليس نموذجًا واحدًا بل اثنان، وليس أي منهما بحجم 4B: نسخة كثيفة بحجم 1.55B مبنية للهواتف، ونسخة خليط خبراء بحجم 35.2B مع نحو 3B معاملات نشطة وسياق من 262,144 رمزًا. لذا فالقارئ الذي يبحث عن "Molmo2-4B vs MiniCPM-V 4.7" يسأل في الحقيقة سؤالًا ثلاثي الأطراف — هل تستحق خانة 4B أن تُشغل أصلًا، أم تنزل إلى 1B من أجل البصمة، أم تصعد إلى MoE من أجل القدرة؟ هذا سؤال أنفع من السؤال الذي كُتب، ولإجابته وضوح أكبر. قرار النماذج الثلاثة مشكلة توجيه قبل أن يكون مشكلة نمذجة. لغة التوجيه DSL تؤلف عدة نماذج في استدعاء واحد بدلًا من عقد واحد لكل نموذج.

التواريخ مهمة هنا أيضًا، لأن كلا النموذجين يُوصفان غالبًا بأنهما أحدث مما هما عليه في الواقع. أعلن معهد ألن للذكاء الاصطناعي عن Molmo2-4B في 11 ديسمبر 2025، مع إتاحة الأوزان على Hugging Face اعتبارًا من 14 ديسمبر. رُفعت أوزان MiniCPM-V 4.7 في 6 و7 أكتوبر 2026، وتلتها بطاقة النموذج في 12 أكتوبر، ثم بيان صحفي بالإنجليزية من ModelBest وOpenBMB في 15 أكتوبر. التغيير الأخير على جانب Molmo ليس نموذجًا جديدًا: أصبح Molmo2 بنية أصلية في Transformers upstream عندما دُمج PR #43451 في 9 أكتوبر 2026 وصدر ضمن v5.20.0 في 15 أكتوبر، وفي 5 نوفمبر نشرت Ai2 نسخة Molmo2-4B مضبوطة بدقة لمنصة اختبار روبوتية. اقرأ أيًا منهما كسبب لإعادة النظر في النموذج. لا يُعد أي منهما إطلاقًا.

ثلاث نقاط تحقق، ثلاث مواضع على المنحنى

• المعاملات — Molmo2-4B يبلغ 4.85B؛ MiniCPM-V 4.7-1B يبلغ 1.55B؛ MiniCPM-V 4.7-35B-A3B يبلغ 35.2B إجمالًا مع حوالي 3B نشطة لكل رمز.

• البنية — Molmo2-4B عبارة عن برج SigLIP 2 مثبَّت على Qwen3-4B-Instruct-2507؛ ويستخدم زوج MiniCPM-V 4.7 ضغطًا مبكرًا داخل ViT من LLaVA-UHD v4 مع ضغط مختلط للرموز البصرية بنسبة 4x/16x، وتُعدّ نسخة 35B أول MoE في سلسلة MiniCPM-V.

• السياق — 36,864 موضعًا لـ Molmo2-4B؛ 262,144 رمزًا لكلا نسختي MiniCPM-V 4.7.

• الأنماط — يتعامل Molmo2-4B مع الصور والصور المتعددة والفيديو، ويُصدر إحداثيات تأشير في فضاء الصورة 0–1000؛ بينما يتعامل MiniCPM-V 4.7 مع صورة واحدة والصور المتعددة والفيديو، ويجيب في صورة نص.

• الترخيص — Molmo2-4B مرخّص بموجب Apache 2.0 على الأوزان، مع تحذير في بطاقة النموذج بأن بيانات التدريب الخاصة به مقتصرة على الاستخدام البحثي الأكاديمي وغير التجاري فقط؛ وكلا نسختي MiniCPM-V 4.7 مرخّصتان بموجب Apache 2.0.

• التوزيع — يأتي Molmo2-4B بصيغة float32 safetensors، بحجم 19.42 غيغابايت، وأربعة أجزاء، دون تكميمات رسمية؛ في حين يتوفر MiniCPM-V 4.7 بصيغ GGUF وint4 وAWQ وGPTQ وFP8 ومتغيرات DSpark عبر الحجمين.

صف التوزيع هو الذي يحدد المشاريع الحقيقية. سياق من 262,144 رمزًا لا يكون مفيدًا إلا إذا كان بإمكانك تحمّل تكلفة الاحتفاظ به، وقد أنجزت OpenBMB العمل غير اللامع المتمثل في نشر الصيغ المُكمَّمة التي يعتمدها الناس فعليًا — ملف 1B GGUF الرسمي بصيغة Q4_K_M يبلغ 672 ميغابايت، وهو الفرق بين عرض تجريبي وشيء يعمل على جهاز تملكه بالفعل.

أين يتفوق 4B فعليًا

تستند حجة Molmo2-4B إلى أمرين لا يفعلهما ثنائي MiniCPM-V 4.7 بالطريقة نفسها: الإشارة كمخرَج من الدرجة الأولى، وتتبُّع الفيديو مع الطوابع الزمنية.

تنسيق الإشارة هو نقطة رقمية بإحداثيات من 0 إلى 1000، مغلّفة بوسم توفّر بطاقة النموذج تعبيرًا نمطيًا له. تُسطّح الإشارة متعددة الصور إلى قائمة من ثلاثيات (فهرس الإطار، x، y). هذا عقد مختلف عن "وصف مكان الكائن"، ويغيّر ما يمكنك بناؤه: خطوط أنابيب الاقتصاص، ومتابعات مناطق الاهتمام، وحلقات العد ثم التحقق، وأي سير عمل تحتاج فيه مرحلة لاحقة إلى إحداثي بدلًا من جملة.

الفيديو هو حيث تذهب ميزانية المعاملات. تُدرج بطاقة Ai2 ضمن بيانات تدريبها مهام الإجابة على أسئلة التعليق على الفيديو، والإجابة على أسئلة ترجمة الفيديو، والإشارة إلى الفيديو، وتتبّع الفيديو، ومجموعتَي إشارة متعدد الصور، كما أن معالج الفيديو المسبق المُصدَر يعتمد افتراضيًا على 384 إطارًا بمعدل 2 إطار في الثانية بدقة 378×378 مع تجميع 3×3. يدعم MiniCPM-V 4.7 الفيديو فعلًا — إذ تُبلغ OpenBMB عن نتيجة 68.9 في LongVideoBench للطراز 35B-A3B و53.4 للطراز 1B — لكنه في هذا المسار طراز يُخرج نصًا فقط، والفيديو الطويل ينافس الموجّه على ميزانية الرموز نفسها.

حيث يفوز MiniCPM-V 4.7 مرتين

في الطرف الأدنى من النطاق، ينتمي 1B إلى فئة مختلفة تمامًا من الكائنات. فبمعاملات تبلغ 1.55B، يبلغ حجمه نحو ثلث حجم Molmo2-4B، ويعمل ضمن llama.cpp وOllama، وتُبلغ OpenBMB عن OCRBench 86.1 وMathVista 74.3 وCharXiv 48.8 له. هذه أرقام مورّد على أداة تقييم اختارها المورّد، وينبغي قراءتها على هذا الأساس — لكن نموذجًا بـ1.55B يقوم بتعرّف ضوئي على الصفحة كاملة بشكل موثوق يمثّل قرار شراء مختلفًا جوهريًا عن نموذج بـ4.85B يحتاج إلى GPU.

في أعلى النطاق، يجعل 35B-A3B مسألة الـ4B تبدو ضيقة الأفق. تشمل أرقام OpenBMB المنشورة له MMMU 80.2، وOCRBench 91.2 عند 4x من الرموز البصرية و90.40 عند 16x، وCharXiv 75.6، وLongVideoBench 68.9، وMathVerse 86.5، وMathVista 88. كما يدّعي شيئًا أكثر إثارة للاهتمام من معيار قياس: فمع Lookahead Expert Scheduling، والتكميم على مستوى الطبقات، وأخذ العينات التخمينية DSpark، يفكّ 35B-A3B الترميز بمعدل 13+ رمزًا/ثانية في نحو 3 غيغابايت من الذاكرة على iPhone 17 Pro Max. اعتبر ذلك ادعاءً من مورّد بشأن سلسلة أدوات محددة لا خاصية عامة للنموذج — لكن إذا صحّ، فإنه يزيل السبب المعتاد لتفضيل نموذج كثيف 4B على الجهاز.

كل هذه النتائج مُبلَّغ عنها من قِبل المورّدين. لم تنشر OpenBMB ولا Ai2 نتائج نموذجها على مجموعة اختبارات الأخرى، لذا لا يوجد صفّ أعلاه يمثّل مواجهة مباشرة.

قائمة النشر هي الفارق الذي لا يحظى بالتقدير الكافي

يسرد MiniCPM-V 4.7 كلاً من SGLang وvLLM وllama.cpp وOllama للاستدلال، وSWIFT وLLaMA-Factory للضبط الدقيق، ودعمًا من اليوم الأول لـ Rockchip وHoumo وIntel وAMD وArm. أما بطاقة Molmo2-4B فتسرد Transformers مع شيفرة عن بُعد، واعتمادًا منفصلًا على molmo_utils، وdecord2 للفيديو، كما تشير وثائق منصة AI2 الخاصة إلى إصدار vLLM الليلي بدلًا من الإصدار المستقر. وقد تقلصت الفجوة في أكتوبر، حين وصل الدعم الأصلي في Transformers ضمن الإصدار v5.20.0 وأصبح شرط الشيفرة عن بُعد اختياريًا، لكنها لا تزال فجوة: أحد المشروعين لديه مصفوفة تكميم، والآخر لديه إصدار بحثي.

هنا يتجلّى دور التوجيه بوصفه قيمة فعلية لا شعارًا. الفريق الذي يريد تشغيل MiniCPM-V 4.7 1B على الجهاز للمسار منخفض التكلفة ونموذجًا أكبر للمسار الصعب لا يحتاج إلى عقدين لفعل ذلك — إذ يجمع routing DSL عدة نماذج خلف نقطة نهاية واحدة، وهامش ربح 0% يعني أن سعر القائمة لدى المزوّد هو ما تدفعه، لذا يصبح تخفيض سعر البائع ساريًا في اليوم نفسه. وهذا يهم أكثر في قرار بثلاثة نماذج كهذا مما يهم في اختيار مباشر بين أ أو ب.

كيف تختار فعليًا

إذا كان القيد هو الذاكرة، فاختر MiniCPM-V 4.7-1B. لا شيء في حزمة Molmo2-4B يقترب من 672 ميغابايت، ولا تُعوِّض أيُّ قدرٍ من دقة التأشير عن نموذجٍ لا يتناسب.

إذا كان القيد هو القدرة مقابل الدولار وكنت تستطيع تشغيل نموذج MoE، فاختر MiniCPM-V 4.7-35B-A3B. فوفق أرقام OpenBMB نفسها، هو في مستوى مختلف تمامًا عن أي من النموذجين الأصغر، كما أن عدد المعاملات النشطة يُبقي تكلفة الرمز الواحد أقرب إلى نموذج 3B منها إلى نموذج 35B.

إذا كان المطلوب إحداثيًا، فاختر Molmo2-4B. النقاط المرفقة بطوابع زمنية، والإشارة إلى الصور المتعددة وتتبعها هي أسباب وجود النموذج؛ ولا شيء في وثائق MiniCPM-V 4.7 يصف عقد مخرجات مكافئًا.

وإذا كنت تحتاج فعلاً إلى نموذج عام من فئة 4B يتعامل مع الصور والصور المتعددة والفيديو دون تنزيل float32 بحجم 19 GB، فالإجابة الصادقة هي أن هذه المقارنة تحديدًا لا توفّر واحدًا — إذ إن Molmo2-4B هو النموذج الوحيد في هذه الفئة ضمن المقارنة، وهو يدخل بأقل أدوات نشر بين الثلاثة. ما قد يغيّر ذلك: نسخة Molmo2-4B رسمية مُكمَّمة، أو MiniCPM-V من فئة 4B. لا يوجد أي منهما اليوم.