LFM3-VL-2B vs. MiniCPM-V 4.7 1B: Die 14-Punkte-Lücke, die auf 4 schrumpft, wenn man Thinking ausschaltet

Der folgenreichste Unterschied zwischen LFM3-VL-2B und MiniCPM-V 4.7 1Bsteht in keiner der beiden Benchmark-Tabellen. Er steht in der Lizenzzeile. Das Modell von OpenBMB steht unter Apache 2.0. Das von Liquid AI unter der LFM Open License v1.0, die kommerzielle Bedingungen anstelle schlicht permissiver Bedingungen mit sich bringt. Ansonsten sind die beiden Modelle von der Größe her ähnlich genug, um direkte Alternativen zu sein – 1,92 Mrd. gegen 1,55 Mrd. – und sie erschienen innerhalb von drei Wochen zueinander: MiniCPM-V 4.7 1B wurde am 6. Oktober auf Hugging Face veröffentlicht und in den Release Notes des Anbieters auf den 12. Oktober datiert, während LFM3-VL-2B ab dem 19. Oktober in einem öffentlichen Repository stand und am 27. Oktober angekündigt wurde. Auf der eigenen Suite von Liquid mit 62 Benchmarks erreicht das neue Modell im Durchschnitt 71,4 gegenüber 57,5 – eine Lücke von 13,9 Punkten, die auf 4,6 Punkte zusammenschrumpft, sobald man beim Liquid-Modell das Reasoning deaktiviert.

Zwei Modelle in derselben Gewichtsklasse, unter unterschiedlichen Regeln

MiniCPM-V 4.7 1B ist mit etwa 370 Millionen Parametern das kleinere der beiden. Es kombiniert einen Vision-Tower im SigLIP-Stil mit einem von Qwen3.5 abgeleiteten Sprach-Backbone, nutzt eine pro Anfrage auswählbare visuelle Token-Kompression mit 4× oder 16× und nennt in der Herstellerdokumentation ein Kontextfenster von 256K. Es ist in BF16-, int4-, AWQ-, GPTQ- und GGUF-Builds erhältlich, mit einem dedizierten DSpark-Draft-Modell für spekulatives Decoding.

LFM3-VL-2B kombiniert das Sprachmodell LFM3-1.7B mit einem neuen hauseigenen 164M-Vision-Encoder und einem 25M-Projektor, bei einem dokumentierten 128K-Kontext, mit Videoeingabe bei 2 Bildern pro Sekunde und einem dokumentierten No-Thinking-Modus.

• Parameter — 1,92 Mrd. für LFM3-VL-2B vs. 1,55 Mrd. für MiniCPM-V 4.7 1B, laut der Dokumentation von OpenBMB; das Modellgrößen-Badge von Hugging Face rundet Letzteres auf 2B.

• Lizenz — LFM Open License v1.0 vs. Apache 2.0.

• Kontext — 128K Token gegenüber behaupteten 256K, obwohl Inferenzkonfigurationen die Obergrenze häufig deutlich niedriger ansetzen.

• Vision-Pfad — ein hausinterner Encoder mit 164 Mio. Parametern, ein Token pro 2×2-Patchblock, gegenüber einem Tower im SigLIP-Stil mit 4×/16×-Kompression.

• Video — 2 Bilder pro Sekunde, erstes LFM-Vision-Modell, das Video akzeptiert bzw. unterstützt, mit vom Anbieter veröffentlichten Zahlen zu LongVideoBench und MotionBench.

• Reasoning-Modus – verfügbar und in beide Richtungen gemessen vs. verfügbar und im Benchmark-Lauf verwendet.

• Anbieterdurchschnitt in Liquids 62-Benchmark-Suite — 71,4 mit Thinking, 62,1 ohne Thinking, gegenüber 57,5.

Die aggregierte Lücke beträgt 13,9 Punkte. Lesen Sie zuerst die Fußnote.

Die Tabelle von Liquid ist das einzige Artefakt, das beide Modelle anhand derselben 62 Benchmarks mit derselben Normalisierung bewertet, und sie ist der Grund, warum dieser Vergleich überhaupt möglich ist. OpenBMBs eigene Model Card vergleicht nicht mit LFM3-VL-2B, das noch nicht existierte, als MiniCPM-V 4.7 1B erschien.

Die entscheidende Fußnote: Der Reasoning-Modus wurde für jedes Modell in der Tabelle verwendet, außer bei LFM2.5-VL-3B, das ihn nicht unterstützt, und bei der No-Thinking-Konfiguration von LFM3-VL-2B. Somit sind 71,4 und 57,5 beides Scores mit aktiviertem Reasoning, was den Vergleich fairer macht als den LFM2.5-Vergleich. Beide Modelle werden in ihrer besten Einstellung gemessen, mit denselben Instrumenten, vom selben Labor.

Fair ist nicht dasselbe wie unabhängig. Liquid hat die Benchmarks ausgewählt und selbst ausgeführt. Die Tabelle ist ungewöhnlich vollständig – sie enthält sowohl Zeilen auf Kategorieebene als auch pro Benchmark und führt jeden Wettbewerber namentlich auf –, doch kein Dritter hat bislang irgendeinen Teil davon reproduziert.

Schalte das Denken aus, und die 1B gewinnt 24 von 62.

LFM3-VL-2B veröffentlicht für dieselben Gewichte bei deaktiviertem Reasoning ein zweites Ergebnis. Interessant ist diese Spalte, denn sie zeigt, woher der Gesamtwert von 13,9 Punkten tatsächlich stammt. Ohne Reasoning gewinnt LFM3-VL-2B 35 Benchmarks, MiniCPM-V 4.7 1B gewinnt 24, und 3 enden unentschieden. Der durchschnittliche Abstand sinkt auf 4,6 Punkte.

Auffälliger ist, was das 1B in dieser Konfiguration gewinnt. Es holt sich den Großteil des Clusters für mathematisches und Diagramm-Schlussfolgern, oft mit großem Abstand.

• We-Math (testmini, strict) — 47,8 für MiniCPM-V 4.7 1B gegenüber 20,1 für LFM3-VL-2B ohne Nachdenken und 68,6 mit Nachdenken.

• LogicVista — 46,1 vs. 30,2 ohne Nachdenken, 60,4 mit Nachdenken.

• MathVista (mini) — 71,2 gegenüber 68,5 ohne Nachdenken, 84,2 mit Nachdenken.

• ChartQA (test) — 88,8 vs. 81,4 ohne Thinking, 92,7 mit Thinking.

• CharXiv (deskriptiv) — 73,4 vs. 65,5 ohne Denken, 87,5 mit Denken.

• DynaMath — 63,8 vs. 57,7 ohne Nachdenken.

• MMMU (val) — 51,0 vs. 48,6 ohne Denkmodus, 55,7 mit Denkmodus.

Das We-Math-Ergebnis ist das, bei dem man innehalten sollte: ein Vorsprung von 27,7 Punkten für das 1B, wenn keinem der beiden Modelle erlaubt ist zu schlussfolgern — und ein Vorsprung von 20,8 Punkten für LFM3-VL-2B, sobald es das darf. We-Math ist ein Benchmark für strikte Genauigkeit bei mehrstufiger visueller Mathematik, und der Wert verändert sich zwischen den beiden Modellen nicht allmählich. Er kippt. Das ist die klarste einzelne Veranschaulichung in der Tabelle dafür, was der Reasoning-Modus bringt.

Die praktische Übersetzung: Wenn du das Reasoning wegen der Latenz deaktivierst und deine Workload Zahlen in Diagrammen oder Grafiken umfasst, schützt dich der aggregierte Vorteil des größeren Modells nicht. Das 1B ist das bessere Werkzeug.

Wo LFM3-VL-2B unabhängig vom Modus gewinnt

Das Umgekehrte gilt ebenfalls, und die Kategorien sind ebenso konkret. Fünf von ihnen sind selbst in der Spalte „Ohne Nachdenken“ nahezu einseitig.

• GUI-Verständnis — 83,1 mit Thinking, 81,5 ohne Thinking, gegenüber 45,3 für MiniCPM-V 4.7 1B. ScreenSpot-Pro liegt bei 55,5 gegenüber 4,9; ScreenSpot-v2 Desktop bei 94,6 gegenüber 51,5.

• Visuelles Grounding — 77,3 mit Thinking, 72,6 ohne Thinking, gegenüber 51,1. RefCOCO-avg liegt bei 90,5 gegenüber 86,3.

• Verkörpertes Schlussfolgern — 64,4 mit Denken, 57,9 ohne Denken, gegenüber 45,3.

• Agentic — 42,5 Thinking, 32,9 No-Thinking, gegenüber 16,9. Die schwächste Kategorie für alle vier Modelle in der Tabelle und die größte relative Lücke zwischen diesen beiden.

• Mehrsprachig — 84,4 mit Denkmodus, 76,2 ohne Denkmodus, gegenüber 77,4. Die einzige Kategorie, in der das Liquid-Modell ohne Denkmodus gegen das 1B-Modell verliert.

ScreenSpot-Pro mit 55,5 gegenüber 4,9 ist die größte Einzellücke zwischen den beiden Modellen in allen 62 Benchmarks. Wenn Sie UI-Automatisierung entwickeln, gibt es hier nichts zu entscheiden; wenn Sie einen Mathe-Tutor entwickeln, kehrt sich die Rangfolge um. Ein Durchschnitt von 13,9 Punkten ist ein Artefakt der Mittelung zweier Populationen, die sich sehr unterschiedlich verhalten.

Zwei Testumgebungen, zwei Zahlen für denselben Benchmark

Dies ist der Teil, der den herstellerübergreifenden Vergleich tückisch macht, und er verdient einen eigenen Abschnitt, weil beide Hersteller Zahlen für Benchmarks mit demselben Namen veröffentlichen.

OpenBMB gibt auf seiner eigenen Seite für MiniCPM-V 4.7 1B MathVista 74,3 an. Liquids erneuter Lauf desselben Modells auf demselben gleichnamigen Benchmark ergibt 71,2. OpenBMB gibt OCRBench mit 86,1 an; Liquids Harness meldet OCRBench v1 mit 82,1. Keines der Labore lügt. Sie verwenden unterschiedliche Prompt-Formate, unterschiedliche Regeln zur Antwortextraktion oder unterschiedliche Teilmengen, und die daraus resultierenden Unterschiede von 3,1 und 4,0 Punkten sind gewöhnliche Harness-Varianz.

Die Konsequenz ist, dass man nicht OpenBMBs 74,3 nehmen und davon Liquids 68,5-No-Thinking-MathVista-Wert für LFM3-VL-2B abziehen kann, um einen 5,8-Punkte-Sieg zu erhalten. Das war eine vertretbare Lesart vor dem 27. Oktober, als der einzige gemeinsame Benchmark zwischen MiniCPM-V 4.7 1B und LFM2.5-VL-3B auf zwei unterschiedlichen Testumgebungen gemessen wurde. Jetzt, da Liquid beide Modelle in einer Tabelle veröffentlicht hat, ist es nicht mehr vertretbar. Verwende die Tabelle und behandle jede Angabe auf einer Herstellerseite als zu ihrem eigenen Messinstrument gehörend.

Das Unentschieden, das einen alten Streit still beilegt

In genau dieser Tabelle steht ein Ergebnis, mit dem niemand bei einem der beiden Unternehmen geworben hat. MiniCPM-V 4.7 1B erreicht über die 62 Benchmarks hinweg einen Durchschnitt von 57,5. LFM2.5-VL-3B erreicht einen Durchschnitt von 57,6.

OpenBMBs Produktseite behauptet, das 1B-Modell übertreffe LFM2.5-VL-3B bei OCR, Chart-Reasoning und Videoverständnis. In der Testsuite von Liquid ist diese Behauptung halb richtig und halb falsch, und das Gesamtergebnis ist ein totes Rennen:

• Dokumente, OCR und Diagramme — 73,0 für MiniCPM-V 4.7 1B vs. 71,2 für LFM2.5-VL-3B. Behauptung gestützt, wenn auch knapp.

• Video — 53,7 vs. 41,3. Behauptung eindeutig gestützt.

• Mathematik — 51,8 vs. 40,6. Behauptung gestützt und in der ursprünglichen Behauptung nicht erwähnt.

• Visuelles Grounding — 51,1 vs. 68,3. Die Behauptung scheitert deutlich.

• GUI-Verständnis — 45,3 vs. 66,0. Die Behauptung scheitert deutlich.

• Agentic — 16,9 vs. 21,1. Die Behauptung trifft nicht zu.

Ein 1.55B-Modell unter Apache 2.0 erreicht also auf einer gemeinsamen Suite aus 62 Benchmarks dasselbe Niveau wie ein 3.1B-Modell aus einem gut finanzierten Labor – und das, indem es in einigen Kategorien deutlich gewinnt und in anderen deutlich verliert. Das ist ein echtes Ergebnis zur Fähigkeitsdichte und zugleich eine Warnung davor, was ein Durchschnitt verbirgt. Damit kommt der Vergleich zurück zu LFM3-VL-2B: Das Modell, das beide schlägt, ist dasjenige, dessen Reasoning-Modus seine schwächsten Kategorien anhebt, nicht das, das durchgängig besser ist.

Lizenz, Downloads und was Sie tatsächlich ausliefern können

Der Lizenzunterschied wird bei mehr Deployments den Ausschlag geben als jede der oben genannten Zeilen. Apache 2.0 erfordert keine Rücksprache mit einem Rechtsteam. Die LFM Open License v1.0 bringt kommerzielle Bedingungen mit, und obwohl sie offen genug ist, dass Liquid jedes Modell der Familie darunter ausliefert, ist sie nicht dieselbe Berechtigung.

Die Adoption erzählt eine ähnliche Geschichte. Auf Hugging Face hat MiniCPM-V 4.7 1B seit dem 6. Oktober etwa 155.000 Downloads und etwas mehr als 400 Likes angesammelt. LFM3-VL-2B steht zum Zeitpunkt des Schreibens bei ein paar hundert Downloads und 16 Likes, nachdem es neun Tage öffentlich und seit einem Tag angekündigt ist. Downloadzahlen sind ein verrauschtes Signal – CI-Pipelines und Quantisierungs-Mirrors blähen sie auf –, aber eine Lücke von drei Größenordnungen ist kein Rauschen. Sie spiegelt wider, dass hinter dem einen Modell ein Monat an Tooling, Tutorials und Community-Quantisierungen steht und hinter dem anderen ein Tag.

Die Tooling-Unterstützung folgt demselben Muster. MiniCPM-V 4.7 1B listet Transformers, SGLang, vLLM, llama.cpp, Ollama und OpenVINO sowie native Anwendungen für iOS, Android und HarmonyOS auf. LFM3-VL-2B bietet SGLang zum Start, verfügbare GGUF-Gewichte und eine llama.cpp-Unterstützung, die sich noch im Review befindet – laut eigener Modellkarte ohne Videoeingabe in der ausstehenden Implementierung.

Welches Modell für welche Aufgabe

• UI-Automatisierung, Bildschirmlesen, Robotik-Wahrnehmung — LFM3-VL-2B, ohne Zögern, und der No-Thinking-Modus ist völlig in Ordnung. ScreenSpot-Pro mit 55.5 gegenüber 4.9 ist kein Vorsprung, den man durch Engineering ausgleichen kann.

• Diagramm-Räsonnement, visuelle Mathematik, Diagrammfragen — MiniCPM-V 4.7 1B, wenn Sie ohne Reasoning arbeiten, und ein echter Wettkampf, wenn nicht. Prüfen Sie We-Math mit Ihren eigenen Daten; eine Lücke von 27,7 Punkten ohne Thinking ist genau die Art von Sache, die in der Produktion sofort auffällt.

• Langes Video — näher an den Kategoriedurchschnitten, als es den Anschein hat. LFM3-VL-2B führt die Kategorie Video mit 61,2 zu 53,7 an, doch MiniCPM-V 4.7 1B gewinnt bei Video-MMMU tatsächlich mit 50,1 zu 49,6 – sogar gegen die Thinking-Konfiguration.

• Alles, was ohne Prüfung von der Rechtsabteilung freigegeben werden muss — MiniCPM-V 4.7 1B, ausschließlich unter Apache 2.0.

• Alles, was heute einen ausgereiften Inferenz-Stack benötigt — MiniCPM-V 4.7 1B, zumindest für die nächsten Wochen, bis llama.cpp die Unterstützung für LFM3-VL zusammenführt.

Wo ein Router hingehört, wenn keines der beiden Modelle darauf ist

Keiner dieser Checkpoints steht in OrcaRouters Katalog; bei beiden handelt es sich um Gewichte, die man herunterlädt, quantisiert und ausführt. Die interessante Verwendung einer Routing-Schicht besteht hier nicht darin, sie bereitzustellen, sondern darum herum zu komponieren. Modellfusion ermöglicht es einem Panel von Modellen, dieselbe Frage gemeinsam zu beantworten, und ein lokaler 1,55B-Spezialist für visuelle Mathematik, kombiniert mit einem gehosteten Modell, das in den Kategorien stärker ist, in denen er verliert – Grounding, agentische Arbeit –, ist eine Konfiguration, die jedes der beiden Modelle für sich übertrifft. Mit der Routing-DSL drückt man aus, welcher Zweig welche Frage übernimmt, ohne die Anwendung neu zu schreiben, jedes Mal wenn ein Checkpoint ausgeliefert wird.

Die ehrliche Zusammenfassung lautet: Die Schlagzeile von 13,9 Punkten ist real, gemessen auf dem Messaufbau eines Labors, und als Kaufentscheidung irreführend. LFM3-VL-2B ist das bessere Modell für Bildschirme und Grounding – mit einem Vorsprung, an den in seiner Größenklasse nichts anderes heranreicht. MiniCPM-V 4.7 1B ist das bessere Modell für visuelle Mathematik ohne Reasoning, wird unter einer Lizenz ausgeliefert, die keine Verhandlung erfordert, und erreicht auf derselben Testsuite die gleiche Leistung wie ein doppelt so großes Modell. Die richtige Antwort hängt davon ab, welcher dieser Sätze Ihre Arbeitslast beschreibt – und kein Durchschnittswert eines der Anbieter wird Ihnen das sagen.