WeVisOne-VL-4B مقابل MiniCPM-V 4.7 1B: رهانان متعاكسان على الغرض من الرمز البصري
- OrcaجديدOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 13 tok/s
- deepseekجديدDeepSeek: DeepSeek V4.1 Flash 10172026-10-1745الذكاء
- DeepSeekجديدDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- OrcaجديدOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 151 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 1076 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238الذكاء
- OpenAIOpenAI: GPT-6 Sol2026-09-2248الذكاء
- AnthropicAnthropic: Claude Opus 5.52026-09-2258الذكاء
- xAIGrok 4.72026-09-2146الذكاء
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 لكل مليون رمز · 157 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 لكل مليون رمز · 1885 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453الذكاء77البرمجة
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241الذكاء76البرمجة
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245الذكاء76البرمجة
- AnthropicAnthropic: Claude Fable 5.12026-09-0153الذكاء82البرمجة
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 لكل مليون رمز · 49 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 لكل مليون رمز · 105 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642الذكاء72البرمجة
يسجل MiniCPM-V 4.7 1B نتيجة 86.1 على OCRBench. ويسجل WeVisOne-VL-4B نتيجة 52.0 على TotalText. ضع هذين الرقمين جنبًا إلى جنب، يبدو أن نموذج 1B يتفوق على نموذج 4B بفارق أربع وثلاثين نقطة في قراءة النص — وهو ما سيكون نتيجة لافتة، وهو أيضًا خطأ فئوي. يقيس OCRBench ما إذا كان النموذج قادرًا على نسخ المحارف الموجودة في صورة. أما TotalText، كما تقدمه Tencent، فيقيس F1 لتحديد موقع كل حالة نصية عبر عتبات IoU من 0.5 إلى 0.95. أحدهما تعرّف، والآخر هندسة. صدر MiniCPM-V 4.7 1B وWeVisOne-VL-4B بفارق تسعة أيام في أكتوبر 2026، وكلاهما من مختبرات صينية، وكلاهما بترخيص Apache 2.0، وهما يختلفان جذريًا حول الغرض من الرموز البصرية: أحدهما يضغطها ويتخلص منها، والآخر يكرسها لتحقيق الدقة.
ذلك الخلاف هو جوهر المقارنة كلها. وكل ما عدا ذلك — أعداد المعاملات، والذاكرة، وصفوف المعايير — يتبع منه.
الضغط مقابل الدقة
يرث MiniCPM-V 4.7 1B مخطط الضغط المبكر داخل ViT من LLaVA-UHD v4، ويكشف عنه كمفتاح تبديل وقت التشغيل بين ضغط الرموز المرئية 4× و16×. الهدف هو استيعاب مزيد من الصور، ومزيد من الفيديو، ضمن ميزانية ثابتة: تدّعي بطاقة الطراز سياقًا من 262,144 رمزًا، وافتراضيًا 128 إطار فيديو، ومخطط تبليط 448×448 بعدد شرائح قابل للتكوين. اضغط مبكرًا، وأبقِ التسلسل قصيرًا، فيستطيع طراز بحجم 1B مشاهدة فيديو طويل على هاتف.
تقوم WeVisOne-VL-4B بالمقايضة المعاكسة. يجري تقييمها عند ما يصل إلى 1,960 رمزًا بصريًا لكل صورة، ويعمل مفكك ترميز البكسل لديها على ميزات ViT قبل الدمج، محتفظًا عمدًا بتفاصيل الدقة العالية التي يلقيها الضغط المبكر بعيدًا. لهذا السبب يمكنها إنتاج مات ألفا بدقة كاملة عند stride 1، ولهذا لا يمكنها معالجة شبكة فيديو على الإطلاق: يرفضها مفكك الترميز. الدقة تكلف رموزًا، والرموز تكلف زمن استجابة.
لا يُعد أي من الرهانين خاطئًا. إنهما إجابتان عن سؤالين مختلفين. يسأل MiniCPM: «كم يمكنني أن أرى دفعة واحدة على الهاتف؟» ويسأل WeVisOne: «ما مدى دقة وصفي لمكان وجود شيء ما؟»
حكاية الحجم أغرب من 1B مقابل 4B
• المعاملات — WeVisOne-VL-4B 4.83B كثيف مقابل MiniCPM-V 4.7 1B المُسمّى 1B، رغم أن البيانات الوصفية لمستودعه تُدرج 2B بصيغة BF16
• تنسيق الأوزان — F32 safetensors بنحو 19 GB مقابل BF16 بنحو 3.1 GB، أو 0.67 GB عند Q4_K_M بالإضافة إلى مُسقّط رؤية بحجم 0.90–1.11 GB
• السياق — غير منشور بالنسبة إلى WeVisOne-VL-4B مقابل 262,144 رمزًا نظريًا لـ MiniCPM-V 4.7 1B
• فيديو — مرفوض بواسطة مفكك ترميز البكسل مقابل 128 إطارًا افتراضيًا
• إدخال متعدد الوسائط — صورة واحدة لكل دور مقابل صورة وفيديو
• التكميم — لا يوفّر المورّد أي نسخة، مقابل متغيّرات int4 وAWQ وGPTQ وGGUF وFP8
• بيئات التشغيل على الجهاز — لا شيء مقابل iOS وAndroid وHarmonyOS، بالإضافة إلى llama.cpp وOllama
• الترخيص — Apache 2.0 للشيفرة التي كتبتها Tencent مقابل Apache 2.0
صف الذاكرة هو الذي يعيد تأطير المقارنة. نموذج بحجم 1B بدقة أربع بتات يتّسع في أقل من غيغابايت قبل مُسقِط الرؤية؛ أما نموذج بحجم 4.83B بصيغة F32 فيحتاج إلى نحو تسعة عشر غيغابايت. هذان ليسا متنافسين على الخانة نفسها. أحدهما مكوّن تشحنه داخل تطبيق؛ والآخر خدمة تشغّلها على وحدة معالجة رسومات.
قراءة صفوف المعيار دون خداع نفسك
نشر كلا البائعَين جدولين، وكلا الجدولين مختاران ذاتيًا. يذكر MiniCPM-V 4.7 1B القيم OCRBench 86.1، وMathVista 74.3، وCharXiv Reasoning 48.8، وLongVideoBench 53.4، وMotionBench 54.55. ويذكر WeVisOne-VL-4B القيم LVIS F1 mean 55.3، وRefCOCOg test 81.8، وPixMo-Count test 89.6، وTotalText F1 mean 52.0، وReasonSeg val gIoU 71.2، وP3M-500-NP MAD 7.3. لا يظهر أي اختبار معياري واحد في كلتا القائمتين. لا توجد طريقة يمكن الدفاع عنها لحساب فائز من هذه المستندات، وأي مقال يفعل ذلك فإنه يختلق نتيجة.
القراءة المنصفة أضيق نطاقًا لكنها ما تزال مفيدة. يتمتع MiniCPM-V 4.7 1B بقوة غير معتادة في الاستدلال على الصور بالنظر إلى حجمه — فدرجة 74.3 في MathVista من طراز يتسع في هاتف هي الرقم الذي يفخر به مؤلفوه أكثر من غيره، وهو مُبلَّغ عنه من الجهة المصنّعة وغير مُعاد إنتاجه. ويتمتع WeVisOne-VL-4B بقوة غير معتادة في إنتاج المخرجات الهندسية — الأقنعة، وأقنعة القص، والمربعات المحيطة — مع معدل رفض مقاس يبلغ 96.4% في WeRef-Bench عندما لا يكون الكائن موجودًا. لا تنشر بطاقة MiniCPM أي مقياس للرفض، ولا ينشر WeVisOne أي معيار قياس للاستدلال. كل طراز صامت تمامًا حيث يكون الآخر صاخبًا.
ما الذي لا يستطيع كل واحد منهم فعله
لا يستطيع WeVisOne-VL-4B مشاهدة فيديو، ولا إجراء محادثة متعددة الأدوار حول صورة، ولا العمل على هاتف. ليس لديه رقم منشور لعدد الرموز في الثانية ولا إصدارات مكمّمة، ما يعني أن أي شخص ينشره يلتزم باستخدام GPU وبقياس الإنتاجية بنفسه. لا تزال شيفرة الضبط الدقيق خانة غير مؤشَّر عليها في قائمة مهام المشروع.
لا يمكن لـ MiniCPM-V 4.7 1B إرجاع قناع أو طبقة ألفا. سيخبرك بوجود شخص في الصورة وموقعه التقريبي فحسب؛ لكنه لن يسلّمك اقتطاعًا بحواف ناعمة. كما يحمل المخاطر المعتادة لأي عائلة نموذج جديدة تمامًا: model_typeجديد في Transformers، وحد أدنى للإصدار هو 5.18.0، وتقارير مبكرة عن تعطل فك ترميز الفيديو في بعض تركيبات CUDA وtorchcodec. سياقه البالغ 262K هو رقم على الورق — لم يثبت أن التدريب اللاحق يستغله بالكامل.
تكلفة إجراء مكالمة ثانية
عمليًا، هذان النموذجان ليسا بديلين، والبنية المثيرة للاهتمام تستخدم كليهما: نموذج صغير ورخيص لوصف الصورة والاستدلال بشأنها، ونموذج إدراك لإرجاع الهندسة. وهذا يحوّل استدعاء استدلال واحد إلى اثنين، وهنا لم تعد التكلفة مجرد حاشية.
إن مساهمة OrcaRouter في ذلك الشكل هي المساهمة المملّة التي تهم — مفتاح واحد عبر أكثر من 200 طراز، مع تمرير سعر قائمة المزوّد دون أي هامش ربح (0%) وتحويل تلقائي عند تدهور نقطة نهاية المنبع. ينعكس تخفيض سعر المزوّد على جانب نماذج الأغراض العامة على جانبنا في اليوم نفسه، لأنه لا توجد طبقة هامش ربح يلزم تحديثها. لا يظهر WeVisOne-VL-4B ولا MiniCPM-V 4.7 1B في ذلك الكتالوج اليوم، لذا فإن النصف الخاص بالإدراك من خط المعالجة لا يزال شيئًا تستضيفه أنت. وما تتجنبه هو عقد ثانٍ ومجموعة ثانية من بيانات الاعتماد للنصف الموجود في الكتالوج.
كيف ستشغّل أيًا منهما
يُعد WeVisOne-VL-4B التثبيت الأكثر تطلبًا. توثّق بطاقة الطراز Transformers وvLLM وSGLang وDocker Model Runner، لكن mask_decoder.pt مكوّن مطلوب: حمّل نقطة التحقق دون حزمة الاستدلال الخاصة بالمشروع وستحصل على صناديق ونص، دون أقنعة. فك التشفير جشع عند حد أقصى يبلغ 1,960 رمزًا بصريًا لكل صورة، ولا يوجد رقم منشور للإنتاجية، لذا أول ما ستفعله على عتادك هو قياسها.
MiniCPM-V 4.7 1B هو الخيار الأسهل. يتطلب Transformers 5.18.0 أو أحدث، وقد جاءت المنظومة معه — نسخ llama.cpp وOllama وSGLang وvLLM، إضافة إلى تكميمات int4 وAWQ وGPTQ وFP8، ونموذج مسودة DSpark منفصل بـ213 مليون معلمة لفك التشفير التخميني. إذا كان هدفك هاتفًا أو جهاز Intel أو لوحة Rockchip، فهذا هو المسار الممهّد.
أي رهان يجب أخذه
إذا كان القيد هو الجهاز، فاختر MiniCPM-V 4.7 1B. لا شيء في WeVisOne-VL-4B مصمم لهاتف، كما أن التكميم ودعم بيئة التشغيل ومعالجة الفيديو في جانب MiniCPM هي نتاج مختبر أطلق عدة أجيال من النماذج على الجهاز.
إذا كان القيد هو المخرجات — أي أنك تحتاج إلى أقنعة، أو mattes، أو صناديق كثيفة للأجسام الصغيرة، أو إجابة موثوقة من نوع "غير موجود" — فاختر WeVisOne-VL-4B وخصّص ميزانية لوحدة GPU. واعلم أنك تتعامل مع ورقة بحثية عمرها يومان ولا يوجد تقييم مستقل لها، وأن أرقام الـ matting هي أرقام Tencent نفسها.
إذا كنت بحاجة إلى كليهما، فأنت بحاجة إلى نموذجين. هذا هو الاستنتاج الصادق، وهو الاستنتاج الذي تدعمه جداول القياسات الخاصة بالجهتين أنفسهما: فقد حسّنت كل منهما أمورًا مختلفة، ولم تحاول أي منهما التغلب على الأخرى.
