LFM3-Omni-2B vs MiniCPM-V 4.7 35B-A3B: el recién llegado y el titular

Dos cifras, ambas ciertas, ambas engañosas si se leen como un veredicto: MiniCPM-V 4.7 35B-A3B se ha descargado unas 289.000 veces, y LFM3-Omni-2B se ha descargado 83 veces. La diferencia parece una paliza. En realidad es un calendario. Los pesos de OpenBMB se publicaron el 6 de octubre de 2026; los de Liquid AI se publicaron el 21 de octubre y se anunciaron el 27 de octubre, un día antes de que se leyeran estas cifras. Un modelo que lleva una semana existiendo no puede tener un historial de descargas, y un modelo con seis semanas de ventaja y una comunidad de MiniCPM ya existente tendrá uno lo merezca o no.

Así que la comparación interesante no es la popularidad. Es lo que un equipo que elige un modelo multimodal pequeño para un dispositivo debería sopesar realmente: si necesita oír, si necesita ser cuantizado de seis maneras, y qué licencia seguirá resultando cómoda cuando el producto genere ingresos.

Qué es cada modelo

MiniCPM-V 4.7 35B-A3B es el primer modelo visión-lenguaje de mezcla de expertos de OpenBMB: 35,2 mil millones de parámetros almacenados, enrutados 8 de 256 por token, aproximadamente 3 mil millones activos, 40 capas de texto, detrás de una torre de visión de 27 capas con una dimensión oculta de 1.152 que se inserta en la capa 6 de la pila de texto. Lee imágenes, conjuntos de varias imágenes, vídeo y texto, y responde en texto. No hay ninguna ruta de audio en ninguna parte de los 70,4 GB de pesos. La afirmación destacada de la ficha no es la precisión, sino la viabilidad: más de 13 tokens por segundo en un iPhone 17 Pro Max usando unos 3 GB de memoria, posible gracias a la técnica Lookahead Expert Scheduling, que predice los expertos de la siguiente capa y los precarga mientras la capa actual calcula.

LFM3-Omni-2B es la entrada omni de Liquid AI en la familia LFM3: 2.17 mil millones de parámetros densos sobre una base LFM3-1.7B, con un codificador de visión LFM3 y un codificador de audio causal LFM3 que alimentan un único vocabulario de 128,000 tokens. Lee texto, imágenes, vídeo con o sin sonido y audio de 16 kHz, y escribe texto o voz de 24 kHz, incluidos texto y voz intercalados en una sola respuesta. Es un modelo sin razonamiento por diseño —la ficha indica que enable_thinking=True no es compatible— y está orientado a teléfonos, portátiles y hardware de borde.

Ambos caben en un teléfono. Solo uno fue diseñado pensando en eso.

Es fácil clasificar ambos bajo «modelo pequeño en un dispositivo» y seguir adelante. La ingeniería que hay debajo es lo contrario.

El problema de OpenBMB era el ancho de banda de memoria en un teléfono móvil, así que el modelo es disperso de una forma que reduce lo que hay que leer por token: 35,2B almacenados, 3B utilizados. Lookahead Expert Scheduling es la señal reveladora: solo se implementa la precarga de expertos cuando el cuello de botella está en mover los pesos, no en multiplicarlos. LFM3-Omni-2B resuelve el mismo problema siendo realmente pequeño: 2,17B denso, sin enrutamiento alguno, todo en 16 bits y aun así solo unos pocos gigabytes.

La diferencia se nota en la cuantización. MiniCPM-V 4.7 incluye versiones GGUF, AWQ, GPTQ, FP8, INT4 y BitsAndBytes, además de checkpoints de borrador DSpark para decodificación especulativa: un menú completo para el acelerador que acabes usando. LFM3-Omni-2B tiene pesos BF16 en Hugging Face y una versión de Ollama en circulación, y esa ficha de Ollama indica un contexto de 125K frente a los 32K de la tarjeta del modelo. No está claro, a fecha de redacción, si se trata de un error de empaquetado o de una capacidad no documentada. Si necesitas ejecutarlo en una NPU de Rockchip o en un portátil Intel, el proveedor con seis formatos de cuantización es la apuesta más segura desde el primer día.

La línea que decide la mayoría de los despliegues

MiniCPM-V 4.7 35B-A3B no puede oír. Sin torre de audio, sin ruta de ASR, sin cabeza de voz. LFM3-Omni-2B puede oír y responder en voz alta, en 19 locales de voz y 16 idiomas de texto.

Para una carga de trabajo de documentos, gráficos, capturas de pantalla o fotogramas de vídeo, esa diferencia es irrelevante y MiniCPM es la opción más sólida en casi todos los demás aspectos: más grande, más ampliamente probado y con mejores herramientas. Para cualquier caso en el que haya un micrófono de por medio, la comparación termina de inmediato. No se puede añadir audición a MiniCPM-V 4.7 sin agregar un modelo ASR independiente y luego un modelo TTS, y en ese punto estarías ejecutando tres modelos para hacer lo que un único checkpoint de 2.17B hace de forma nativa.

Lo contrario también es cierto. LFM3-Omni-2B lee imágenes, pero es un modelo de 2.17B el que las lee: su ficha informa OCRBench 806, DocVQA 92.47 y MMMU 42.44, con MMMU-Pro bajando a 27.28. Son cifras respetables para su tamaño y no son competitivas con un modelo de 35B en diseños de documentos difíciles. Si el trabajo consiste en tablas densas y formularios escaneados, el modelo más grande gana en la tarea incluso antes de considerar el enrutamiento 8 de 256 que lo hace económico de ejecutar.

Donde los números se agotan

Esta es la parte incómoda: no hay ninguna tabla comparativa directa honesta disponible, porque OpenBMB publica los resultados de su MiniCPM-V 4.7 como imágenes de gráficos en lugar de tablas numéricas. No hay cifras de MMStar, MMMU ni OCRBench que citar de la ficha del 35B-A3B. Cualquier cosa que ponga un número en esa columna proviene o bien del modelo hermano de 1B —un modelo diferente con una arquitectura diferente— o es inventada.

La ficha de LFM3-Omni-2B, en cambio, es una tabla completa: MMStar 55.67, MMMU 42.44, MMMU-Pro 27.28, MMBench 73.68, SEEDBench 75.07, RealWorldQA 66.54, MathVista 62.50, POPE 89.34, DocVQA 92.47, InfoVQA 64.08, OCRBench 806, MVBench 58.03, Video-MME 57.70, además de una columna de voz que va desde ASR en inglés con una tasa de error de palabras de 6.36 hasta TTS UTMOSv2 en 3.80. Todo ello fue medido por Liquid AI, con la propia plantilla de chat y la decodificación greedy de cada modelo comparado, y nada de ello ha sido reproducido.

Una tabla de proveedor es mejor que un gráfico de proveedor, pero no es lo mismo que una evaluación independiente. Ninguno de los dos modelos tiene una. Ese es el estado actual de toda la categoría small-omni en este momento, y es por eso que las restricciones de despliegue terminan importando más que un punto de MMMU.

Licencias, leer antes de enviar el prototipo

MiniCPM-V 4.7 está bajo Apache 2.0. Sin prueba de ingresos, sin cláusula de campo de uso, sin negociación. LFM3-Omni-2B está bajo la Licencia Abierta LFM v1.0, la licencia con umbral de ingresos que Liquid aplica en todo LFM3. Para un proyecto de pasatiempo o una startup incipiente, las dos son equivalentes en la práctica. Para una empresa que supere el umbral, una de ellas requiere una conversación con un abogado y la otra no, y esa conversación es mucho más barata ahora que después de que el modelo esté en el producto.

Este es el eje menos glamuroso de la comparación y el que más probablemente lo decida en una empresa real.

Cómo encajan ambos en una sola arquitectura

La respuesta realista para la mayoría de los equipos no es «elegir uno». Es un modelo en el dispositivo para el caso habitual y un modelo alojado para las solicitudes que el modelo del dispositivo no resuelve bien. Mantener esa segunda mitad portable es la parte que sobrevive a un cambio de modelo de dispositivo: OrcaRouter ofrece una única API para más de 200 modelos alojados con un 0 % de recargo sobre el precio de lista del proveedor, conmutación automática por error cuando un proveedor deja de responder y un DSL de enrutamiento que traslada una solicitud a un modelo distinto sin cambiar el código. Ni LFM3-Omni-2B ni MiniCPM-V 4.7 están en ese catálogo: ambos se descargan como pesos, y este artículo no sugiere lo contrario. La idea es que la capa de respaldo no debería reconstruirse cada vez que cambie la capa del dispositivo y, con una capa de dispositivo que sigue moviéndose cada pocas semanas, cambiará.

¿Cuál poner en el dispositivo?

Elige MiniCPM-V 4.7 35B-A3B si necesitas calidad de visión, un formato de cuantización que realmente puedas desplegar, Apache 2.0 y un ecosistema con seis semanas de informes de campo a sus espaldas. Su número de descargas no es una señal de calidad, pero los informes de errores que acompañan a 289.000 descargas son una forma de pruebas de la que LFM3-Omni-2B aún no dispone.

Elige LFM3-Omni-2B si el producto necesita una voz, si el dispositivo tiene tan poca memoria que 3 GB de pesos activos siguen siendo demasiado, o si quieres un único checkpoint en lugar de una pila de ASR + LLM + TTS. Acepta las puntuaciones de visión del modelo más pequeño, la licencia con umbral de ingresos y el hecho de que eres un adoptante temprano de un modelo que se anunció hace apenas un día.

Lo que lo resolvería es una única ejecución independiente: el mismo arnés de evaluación, ambos modelos, OCRBench y MMMU y una tarea de voz. Nadie lo ha hecho. Hasta que alguien lo haga, el ranking honesto es: MiniCPM para visión, LFM3-Omni para voz, y una hoja de cálculo para todo lo demás.