NVIDIA Nemotron 3.5 Super VL مقابل MiniCPM-V 4.7 35B-A3B: 3 غيغابايت في الجيب مقابل 4× H100 في رفّ خوادم

One of these runs on an iPhone. The other runs on four H100s. That is the whole comparison, and everything else is detail. MiniCPM-V 4.7 35B-A3B is OpenBMB's first Mixture-of-Experts entry in the MiniCPM-V line, and the model card's claim is specific enough to check: more than 13 tokens per second on an iPhone 17 Pro Max using roughly 3 GB of memory, with the run described as smooth rather than as a demo. N​VIDIA N​emotron 3.5 Super VL is a 120B-total, 12B-active vision-language model whose card puts the deployment envelope at 4× H100 or 2× GB200. Both are open weights. Both are vision-language models. They are not options for the same decision.

ما يجعل المقارنة بينهما تستحق على أي حال هو أنهما يتفقان على الآلية ويختلفان في النطاق. كلاهما نموذجان من نوع Mixture-of-Experts بُنيا لمقايضة الحجم الإجمالي بتكلفة التوكن الواحد. كلاهما يضغطان التوكنات البصرية قبل أن يضطر نموذج اللغة إلى التفكير فيها. كلاهما يراهنان على أن مستقبل العمل في مجال الرؤية واللغة يتمثل في نماذج كثيرة في أماكن كثيرة بدلاً من نموذج واحد كبير خلف واجهة برمجة تطبيقات واحدة. غير أنهما وضعا رهانيهما بفارق ثلاثة مراتب مقدارية من حيث العتاد.

التزامن المعاملات النشطة

N​VIDIA N​emotron 3.5 Super VL is 120B total with 12B active per token — a Mamba-2–Transformer hybrid MoE with a C-RADIO vision encoder and 512 routed experts per MoE layer, holding up to 1M tokens of context. MiniCPM-V 4.7 35B-A3B is 35B total with 3B active. Different by a factor of four in total size and four in active compute, but the same architectural instinct: keep the parameter count high for knowledge and the per-token cost low for speed.

مساهمة OpenBMB في تلك المشكلة هي Lookahead Expert Scheduling، وهي ما يتيح لنموذج نشط بحجم 3B أن يُبقي خبراءه مقيمين دون إرهاق ناقل الذاكرة — السبب في أنه يستطيع العمل في 3 GB بدلًا من الحاجة إلى محطة عمل. يوجد التنفيذ في تفرّع، llama.cpp-omni، والادعاء المرتبط به حذر: أول نموذج MoE مفتوح المصدر يعمل بسلاسة على الجهاز دون المساس بالأداء. أما ما إذا كان «دون المساس» يصمد أمام نموذج بحجم 120B فليس مما تتناوله البطاقة، ولا ينبغي لها ذلك — فالنموذج الذي يعمل على هاتف لا ينافس نموذجًا يحتاج إلى أربع وحدات H100s من حيث الدقة. إنه ينافس على وجوده أصلًا.

• Total / active parameters — N​emotron 3.5 Super VL: 120B / 12B. MiniCPM-V 4.7 35B-A3B: 35B / 3B.

• Deployment target — N​emotron 3.5 Super VL: 4× H100 or 2× GB200, served via vLLM or SGLang. MiniCPM-V 4.7 35B-A3B: phone, laptop, edge box — iOS, Android and HarmonyOS are all named.

• Memory at the smallest end — N​emotron 3.5 Super VL: not applicable. MiniCPM-V 4.7 35B-A3B: about 3 GB.

• Context — N​emotron 3.5 Super VL: up to 1M tokens, video up to two minutes. MiniCPM-V 4.7 35B-A3B: not the model's selling point; the card leads on footprint and speed.

• Licence — N​emotron 3.5 Super VL: OpenMDW-1.1. MiniCPM-V 4.7 35B-A3B: Apache-2.0.

إجابتان مختلفتان على "الرموز مكلفة"

هاجم الفريقان عنق الزجاجة نفسه — عدد الرموز البصرية التي تستهلكها الصورة — ووصلا إلى مكانين مختلفين.

تقوم MiniCPM-V 4.7 35B-A3B بذلك داخل مشفّر الرؤية، مع ضغط مبكر مستمد من LLaVA-UHD v4، ثم تستخدم ضغطًا مختلطًا لرموز الرؤية بمقدار 4× و16× وفقًا لما تحتاجه الصورة. التفاصيل الدقيقة تأخذ المسار المكلف؛ أما الإيصال فيأخذ المسار الرخيص. يحدث الضغط قبل أن يدخل النموذج اللغوي في الأمر، وهذا ما يجعل أرقام التشغيل على الجهاز ممكنة.

N​emotron 3.5 Super VL does not lead with token compression at all. Its answer is context: 1M tokens, so you can afford to keep the detail rather than throw it away, and a hybrid Mamba-2 layer to keep the cost of a very long sequence from exploding. The model's own video path is configured generously by default — 2 FPS and 256 frames, dropping to 1 FPS and 128 frames at 1080p — which is a sampling answer, not a compression answer.

هاتان فلسفتان غير متوافقتين، وكلتاهما صحيحة بالنسبة لبيئة نشرهما. إذا كان لديك 3 GB، فإنك تضغط. وإذا كان لديك 4× H100، فإنك تحتفظ بالتفاصيل وتدفع مقابل السياق.

ما يمكن للأرقام أن تخبرك به وما لا يمكن

هذا هو الموقف الصريح من الجانبين.

N​emotron 3.5 Super VL's benchmark table is broad and vendor-collected through NeMo Gym: GPQA-Diamond 89.52, SWE-bench Verified 71.10, MMLongBench-Doc 62.82, OCRBench v2 at 68.12 English and 59.15 Chinese, CharXiv reasoning 80.82, V* 85.60. N​VIDIA chose the baselines. None of it has been independently reproduced.

تعرض بطاقة MiniCPM-V 4.7 35B-A3B نتائج المعايير الخاصة به على شكل مخططات من الجهة المصنّعة بدلًا من جدول رقمي، لذا لا يوجد رقم يمكن اقتباسه ولا قائمة خطوط أساس لفحصها. أقوى ادعاء محدد في البطاقة هو ادعاء مقارن واتجاهي — درجة إجمالية أعلى في وقت استدلال أقل من Qwen3.6 35B-A3B في وضع Instruct — وهو ادعاء حول الكفاءة ضمن فئته الوزنية الخاصة، وليس حول القدرة مقابل نموذج أكبر منه باثني عشر ضعفًا.

إذن، لا يوجد جدول مقارنة بين هذين الاثنين استنادًا إلى أرقام المعايير، ولا يمكن بناؤه. أي شخص يعرض واحدًا فإنه يدمج مخطط بائع مع جدول بائع ويسمّي النتيجة قياسًا.

تفصيل النشر الذي يحسم مصير مشاريع أكثر مما تحسمه الدقة

صدر MiniCPM-V 4.7 35B-A3B مع دعم من اليوم الأول لشرائح Rockchip وHoumo وIntel وAMD وArm، إلى جانب SGLang وvLLM وllama.cpp وOllama، والتكميم بصيغ GGUF وBNB وAWQ وGPTQ وFP8. ويتكامل أيضًا مع SWIFT وLLaMA-Factory للضبط الدقيق. تلك القائمة هي المنتج الحقيقي. النموذج الذي يعمل على المسرّع الذي اشتريته بالفعل، وبصيغة التكميم التي تدعمها بيئة التشغيل لديك بالفعل، هو نموذج يمكنك إطلاقه هذا الربع.

N​emotron 3.5 Super VL's runtime story is narrower and deeper: vLLM at vllm/vllm-openai:v0.32.0 and SGLang at lmsysorg/sglang:v0.5.20, with EAGLE speculative decoding at topk 1 and Multi-Token Prediction built into the architecture. Two runtimes, both first-class, both specified to the exact version. That is what a datacenter deployment wants — a validated path, not a menu.

If you are choosing hardware to fit the model, take MiniCPM-V 4.7 35B-A3B. If you are choosing the model to fit hardware you already have, take N​emotron 3.5 Super VL and follow its card's versions exactly.

الحجة لصالح تشغيل كليهما

The pattern that shows up in real products is not a choice between these two. It is a small VLM on the device handling the work that has to be instant and local — reading a form, describing a scene, filtering out the frames nobody cares about — and a large VLM in the datacenter handling the work that has to be right. MiniCPM-V 4.7 35B-A3B is explicitly designed for the first role. N​emotron 3.5 Super VL is designed for the second.

That architecture has a cost, and the cost is that you are now running two model stacks and a text stack, with three sets of credentials and three sets of failure modes. OrcaRouter is the part that removes the second problem: 207 models behind one key at provider list price with zero markup, so a vendor price change lands on your bill the same day, and automatic failover when an upstream degrades. Neither N​VIDIA N​emotron 3.5 Super VL nor MiniCPM-V 4.7 35B-A3B is in that catalogue — both are open weights you host yourself, which is the point of choosing either. What one key gets you is the surrounding text and code models, so the pipeline does not need a new contract every time you add a stage.

أيّ واحد، يُحدَّد حسب مكان وحدات البكسل

اختر MiniCPM-V 4.7 35B-A3B إذا كان لا بد أن يحدث الاستدلال حيث توجد البيانات — على هاتف، أو في مركبة، أو على أرض مصنع، أو في عيادة لا يمكن للصورة أن تغادر المبنى — أو إذا كان مستخدموك غير متصلين بالإنترنت، أو إذا كانت التكلفة لكل استدعاء لنموذج VLM مستضاف هي ما يقتل اقتصاديات الوحدة. ترخيصه هو Apache-2.0، وقائمة التكميم لديه واسعة، وقائمة دعم السيليكون لديه طويلة عمدًا.

Take N​VIDIA N​emotron 3.5 Super VL if the work is long-context and reasoning-heavy: multi-page documents, mixed layouts, charts that need interpretation, two-minute video clips, agentic tool use. The 1M-token context and 12B active parameters are the reason it exists, and no on-device model substitutes for them.

إذا كنت غير متأكد، فالسؤال الحاسم ليس الدقة، بل ما إذا كان يُسمح للصورة بمغادرة الجهاز. تلك الإجابة تختار النموذج قبل الرجوع إلى أي اختبار أداء.

بطاقة MiniCPM-V 4.7 35B-A3B هي مصدر الادعاءات الخاصة بالتشغيل على الجهاز — أكثر من 13 رمزًا في الثانية، وبصمة تبلغ نحو 3 غيغابايت، وقائمة شرائح يوم الإطلاق، وتنسيقات التكميم — وكلها نتائج أعلنها النموذج نفسه. اقرأ قائمة الشرائح قبل أن تلتزم، لأن "مدعوم" هناك تعني أن مسارًا وقت التشغيل موجود، لا أن لوحتك تحديدًا قد خضعت لاختبارات الأداء.

N​VIDIA's N​emotron developer page is where the 4× H100 / 2× GB200 guidance and the runtime versions are published, along with the link to the technical report behind the benchmark table. The version numbers in the card are exact for a reason: vLLM v0.32.0 and SGLang v0.5.20 with EAGLE topk 1 are the validated combination, and drifting from them is how a working deployment becomes a debugging session.

The larger point is that the vision-language field has stopped converging on one shape. OpenBMB is pushing a 3B-active model into pockets and N​VIDIA is pushing a 12B-active model across a million tokens of context, in the same month, under licences that both permit commercial use. Picking between them is picking a deployment, and the deployment is decided by where the pixels live.

تشيخ المعايير وتتحرك الأسعار؛ أما سجل الإخفاقات فلا: تُجمع حوادث الذكاء الاصطناعي الموثّقة وإخفاقات الوكلاء الكامنة خلف النماذج في هذه الفئة في the OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.