MiniCPM-V 4.7 vs. Qwen3.8-Omni-Flash: Eine Stunde Video auf dem Handy oder ein Aufruf mit 1 Million Tokens

Zwei Releases im Abstand von sechs Wochen, die beide für sich beanspruchen, Videoverständnis zu lösen – und sie könnten kaum stärker darüber uneins sein, wo die Arbeit stattfinden sollte. MiniCPM-V 4.7 35B-A3B von OpenBMB läuft auf einem Telefon, in etwa drei Gigabyte, mit vom Anbieter angegebenen 13-plus Tokens pro Sekunde und kostet nichts pro Aufruf, weil der Taschenrechner in Ihrer Tasche steckt. Qwen3.8-Omni-Flash von A​libaba nimmt Text, Bild, Audio und Video in einem einzigen Fenster von einer Million Tokens auf, bis zu einer vollen Stunde durchgehendem Audio-Video pro Aufruf, und wird zu 0,15 US-Dollar pro Million Eingabe-Tokens verkauft, mit der zentralen Werbeaussage, dass Audio 98 % günstiger sei als beim Vorgänger. Der eine optimiert für das Gerät; der andere optimiert für das Kontextfenster. Für ein Team, das Filmmaterial verarbeiten muss, entscheidet dieser Unterschied die Architektur, bevor es irgendein Benchmark tut. Qwen3.8-Flash ist im Katalog zu 0,15 US-Dollar pro Million Eingabe-Tokens. Prüfen Sie die routbaren Qwen-Modelle Ein Schlüssel, Listenpreis ohne Aufschlag weitergegeben, automatisches Failover über Anbieter hinweg. Die dokumentierten KI-Fehler und Agenten-Vorfälle hinter Releases wie diesem sind gesammelt in dem OrcaRouter AI Incident Archive wo jeder Eintrag eigene Quellen, Schweregrad, Vertrauensstufe und Kennzeichnung als umstritten enthält.

Zwei unterschiedliche Wetten darüber, wohin die Pixel gehen

MiniCPM-V 4.7 35B-A3B ist ein spärliches Mixture-of-Experts-Vision-Language-Modell: insgesamt 35,2 Mrd. Parameter, davon etwa 3 Mrd. aktiv pro Token, Apache-2.0, Text rein und Text raus, mit Bild-, Mehrbild- und Videoeingabe. Es ging am 6. und 7. Oktober 2026 auf Hugging Face online, bekam seine Model Card am 12. und wurde am 10. in das Upstream-llama.cpp eingegliedert. Die technische Wette lautet, dass die meiste visuelle Arbeit Routine ist, dort stattfindet, wo die Kamera ist, und das Gerät nie verlassen sollte: gemischte 4x/16x-Visual-Token-Kompression, Expert-Streaming und ein Fork, der Lookahead-Expert-Scheduling, gemischte Präzision und spekulative Dekodierung stapelt, um veröffentlichte 20,51 Token pro Sekunde auf einem iPhone 18 Pro Max zu erreichen.

Qwen3.8-Omni-Flash ist Alibabas natives omni-modales Modell, das am 18. September 2026 mit dem Slogan „Omni Senses. Agentic Delivery.“ für API-Kunden freigegeben wurde. Eine Million Token Kontext, etwa 991K maximale Eingabe, 131K maximale Ausgabe, ein Reasoning-Budget von bis zu 262K und bis zu eine Stunde kontinuierliches Audio oder Audio-Video in einem einzigen Aufruf. Die Eingabe umfasst Text, Bild, Audio und Video – einschließlich Stereo- und vierskanaligem Raumklang. Die Ausgabe ist ausschließlich Text. Es wird auf Alibabas Qianwen-Plattform und Alibaba Cloud Model Studio unter der API-ID qwen3-8-omni-flash bereitgestellt; die Gewichte werden nicht veröffentlicht.

• Wo er läuft — MiniCPM-V 4.7 35B-A3B: auf Ihrem Gerät, unter iOS, Android, HarmonyOS oder auf einer GPU am Schreibtisch. Qwen3.8-Omni-Flash: Alibabas API, nur gehostet.

• Kostenstruktur — MiniCPM-V 4.7 35B-A3B: Hardware plus Strom; ein 21,2 GB großer Q4_K_M-Download. Qwen3.8-Omni-Flash: 0,15 $ pro Million Eingabe-Tokens, 0,016 $ für zwischengespeicherte Tokens, 0,47 $ Ausgabe.

• Medien pro Aufruf — MiniCPM-V 4.7 35B-A3B: begrenzt durch Gerätespeicher und Sampling-Budget, jeweils ein Prompt auf einmal. Qwen3.8-Omni-Flash: bis zu eine Stunde durchgehendes Audio-Video.

• Ausgabe – beide nur Text. Keines der Modelle spricht.

• Lizenz — Apache-2.0 gegenüber einer gehosteten API ohne Gewichte.

Die 98 % sind eine Kostenaussage; die Minuten sind der eigentliche Vergleich.

Alibabas Schlagzeile lautet, dass eine Stunde Audioeingabe 98 % weniger kostet als bei Qwen3.5-Omni-Plus und eine Stunde kombiniertes Audio-Video 93 % weniger. Diese Zahl ergibt sich aus der Preisberechnung für ein zweiminütiges Sample, multipliziert mit dreißig, wobei das Video mit 720p und einem Bild pro Sekunde abgetastet wird – eine legitime Art, eine Produktions-Workload anzugeben, und zugleich eine Beschreibung dessen, was das Modell ansehen soll. Ein Bild pro Sekunde reicht aus, um zu wissen, was gesagt wurde und ungefähr, was passiert ist. Es ist bei Weitem nicht genug, um Vorgänge auf Frame-Ebene zu untersuchen oder ein Einzelbildartefakt zu erkennen.

Rechnet man dieselbe Rechnung für das Telefonmodell durch, wird die Form der Entscheidung klar. Eine Stunde Filmmaterial bei einem Bild pro Sekunde sind 3.600 Bilder. Auf einem Gerät, das mit 13 bis 20 Tokens pro Sekunde dekodiert, ist das keine Aufgabe für einen einzigen Aufruf; es ist eine gebatchte, gesampelte Aufgabe, bei der fortlaufend zusammengefasst wird, und sie kostet Stunden an Wanduhrzeit auf Hardware, die man bereits besitzt. Über die A​libaba-API ist dieselbe Stunde ein einziger Aufruf innerhalb eines Fensters von einer Million Tokens, nach Tokens bepreist und in der Zeit zurückgegeben, die der Endpunkt eben braucht. Nichts davon ist kostenlos, und sie sind nicht dieselbe Währung.

Der Knackpunkt sind Volumen und Datenschutz, nicht Genauigkeit. Eine Klinik, in der Frames das Gebäude nicht verlassen dürfen, hat genau eine Option. Ein Media-Monitoring-Team mit tausend Stunden pro Monat hat die andere, denn tausend Stunden per Sampling auf Handys zu verteilen ist ein Hardware-Kauf und ein Planungsproblem, während tausend einstündige Anrufe ein eigener Budgetposten sind. Zwischen diesen Extremen werden die Zahlen interessant: Der Q​wen-Preis ist niedrig genug, dass hundert Stunden Review ein paar hundert Dollar statt ein paar tausend kosten, und das ist der Bereich, in dem sich „einfach an die API schicken“ nicht mehr verschwenderisch anfühlt.

Worin jede einzelne tatsächlich gut ist, gemessen an den Belegen

Die Einführungskennzahlen von Qwen3.8-Omni-Flash beziehen sich alle auf eine einzige Baseline – Qwen3.5-Omni-Plus –, und die durchschnittliche Verbesserung über rund dreißig Evaluierungen beträgt mehr als 26 %. Die größten Sprünge sind WildClawBench-MM mit 71,0 (plus 36,5 Punkte) und die Sprecherdiarisierung bei AliMeeting, wo die Fehlerrate von 88,11 auf 3,35 und der cpWER von 89,61 auf 17,18 fällt. Ein so großes Delta verdient Prüfung statt Applaus; eine chinesische technische Analyse der Markteinführung führt einen Großteil davon auf Front-End- und Diarisierungs-Engineering zurück, das um das Modell herumgebaut wurde, statt auf die Schlussfolgerungsfähigkeit des Modells, und warnt, dass das System als hörspezialisiert wirkt, mit schwächerem tiefem Videoreasoning. Das ist die Lesart eines Kritikers, keine Replikation, aber es ist der richtige Instinkt. Alle diese Zahlen stammen von Alibaba selbst, und keine wurde unabhängig reproduziert.

Die Evidenz von MiniCPM-V 4.7 ist auf andere Weise dünner: fünf Bewertungsdiagramme, keine numerische Tabelle und zwei richtungsbezogene Vergleiche – eine höhere Gesamtpunktzahl in kürzerer Inferenzzeit als Qwen3.6 35B-A3B sowie erhebliche Zugewinne gegenüber Qwen3.5 0.8B für das 1B-Geschwistermodell. Die reproduzierbaren Fakten sind die in config.json und der Dateiauflistung: 35,2B insgesamt, 256 Experten mit 8 aktiven, eine maximale Positionslänge von 262.144 Token, ein 27-schichtiger Vision-Tower, Apache-2.0 und ein 21,2 GB großer Q4_K_M-Download. Betrachten Sie die Durchsatzangaben als Herstellermessungen auf Hardware, die Sie nicht selbst in der Hand hatten, und die Genauigkeitsangaben als ungeprüft – genau so präsentiert OpenBMB sie auch.

Eines haben beide gemeinsam: keine unabhängige Rangliste. Keines der Modelle erscheint zum Zeitpunkt des Verfassens auf einem neutralen Drittanbieter-Leaderboard mit einer auditierten multimodalen Bewertung. Sie anhand von „Benchmarks“ zu vergleichen, würde daher bedeuten, das Diagramm eines Anbieters neben das Diagramm eines anderen Anbieters zu stellen und das Ergebnis eine Messung zu nennen. Tun Sie das nicht.

Agentisches Sampling versus festes Sampling

Der interessanteste technische Unterschied ist nicht die Größe oder die Geschwindigkeit – sondern wer entscheidet, worauf man schaut.

Qwen3.8-Omni-Flash liefert das, was Alibaba als Agentic Understanding-Modus bezeichnet: Das Modell entscheidet, was es untersuchen soll, anstatt jedes Einzelbild zu verarbeiten, und sammelt Belege in mehreren Runden vom Groben ins Feine. Auf OmniVideoBench erhöht dieser Modus die Genauigkeit von 63,4 auf 67,8 und senkt gleichzeitig die Tokens pro Anfrage von 145.736 auf 79.117 — eine Reduktion um 45,7 %. Genauigkeit rauf und Kosten runter zugleich ist die stärkste Aussage in diesem Release und diejenige, die den Agentic-Pitch am direktesten untermauert.

Das Gegenstück zu MiniCPM-V 4.7 ist eine statische, pro Bild getroffene Entscheidung: standardmäßig 16-fache Kompression, 4-fach, wenn Details wichtig sind. Das Modell entscheidet nicht, genauer hinzusehen; der Aufrufer tut dies, indem er eine andere Einstellung übergibt. Das ist das richtige Design für ein Gerät mit festem Energiebudget und das falsche für ein einstündiges Video, bei dem sich die interessanten neunzig Sekunden nicht ankündigen.

Die Routing-Frage, ehrlich formuliert

Keines der beiden Modelle wird von OrcaRouter bereitgestellt. MiniCPM-V 4.7 35B-A3B ist ein Checkpoint, den Sie hosten; Qwen3.8-Omni-Flash läuft auf Alibabas eigenen Plattformen und ist ebenfalls nicht in unserem Katalog. Wozu eine Routing-Schicht in dieser Architektur taugt, ist die Nahtstelle zwischen den beiden: pro Anfrage zu entscheiden, ob der Clip routinemäßig genug für das lokale Modell ist oder lang genug, um einen gehosteten Aufruf zu rechtfertigen, und ein Failover durchzuführen, wenn die gehostete Seite schlechter wird.

OrcaRouter stellt über 200 gehostete Modelle hinter einen einzigen Schlüssel und gibt die Listenpreise der Anbieter mit 0 % Aufschlag weiter, sodass eine Preissenkung eines Anbieters – wie die, die A​libaba gerade bei Audio vorgenommen hat – noch am selben Tag auf Ihrer Rechnung ankommt und nicht erst bei der Verlängerung. Außerdem erfolgt automatisch ein Failover zwischen Anbietern, was bei einem gehosteten Omni-Modell mehr zählt als bei einem Telefon: Das Telefon fällt nicht aus, die API schon. Ein überprüfbarer Vergleich steht bereits in unserem Katalog: Qwen3.8-Flash, das multimodale Modell, neben dem diese Omni-Variante entwickelt wird, ist zu $0,15 pro Million Eingabe-Token und $0,47 für die Ausgabe routbar – derselbe Listenpreis, den A​libaba für das neue Omni-Modell nennt.

Auswählen, in einem Absatz

Wähle MiniCPM-V 4.7 35B-A3B, wenn die Frames das Gerät nicht verlassen dürfen, wenn die Arbeitslast aus vielen kurzen Blicken statt wenigen langen besteht, wenn Offline-Betrieb eine Anforderung ist oder wenn die Kosten pro Aufruf der Punkt sind, der deine Unit Economics ruiniert. Wähle Qwen3.8-Omni-Flash, wenn der Input lang ist, die Modalitäten gemischt sind – Audio, Video und Slides in einem Aufruf – und du lieber pro Token bezahlst, als eine Sampling-Pipeline zu bauen. Wähle beides, wenn du ein Phone-Tier hast, das die routinemäßigen neunzig Prozent herausfiltert, und ein API-Tier, das die stundenlangen Fälle auffängt, und akzeptiere, dass du jetzt zwei Prompt-Formate, zwei Sampling-Richtlinien und eine sehr klare Grenze pflegst, die festlegt, welche Frames sie überschreiten dürfen.