LFM3-VL-2B vs MiniCPM-V 4.7 1B: la brecha de 14 puntos que se reduce a 4 cuando desactivas el pensamiento

La diferencia más determinante entre LFM3-VL-2B y MiniCPM-V 4.7 1B no está en ninguna de las dos tablas comparativas. Está en la línea de la licencia. El modelo de OpenBMB es Apache 2.0. El de Liquid AI es la LFM Open License v1.0, que conlleva condiciones comerciales en lugar de términos permisivos simples. Por lo demás, ambos modelos tienen tamaños lo bastante parecidos como para ser sustitutos directos —1,92B frente a 1,55B— y llegaron con tres semanas de diferencia entre sí: MiniCPM-V 4.7 1B se publicó en Hugging Face el 6 de octubre y aparecía fechado el 12 de octubre en las notas de la versión del proveedor, mientras que LFM3-VL-2B estuvo en un repositorio público desde el 19 de octubre y se anunció el 27 de octubre. En la propia batería de 62 benchmarks de Liquid, el nuevo modelo promedia 71,4 frente a 57,5, una diferencia de 13,9 puntos que se reduce a 4,6 puntos en el momento en que se desactiva el razonamiento en el modelo de Liquid.

Dos modelos en la misma categoría de peso, bajo reglas diferentes.

MiniCPM-V 4.7 1B es el más pequeño de los dos por unos 370 millones de parámetros. Combina una torre de visión de estilo SigLIP con un backbone lingüístico derivado de Qwen3.5, utiliza compresión de tokens visuales de 4× o 16× seleccionable por solicitud y afirma una ventana de contexto de 256K en la documentación del proveedor. Se distribuye en compilaciones BF16, int4, AWQ, GPTQ y GGUF, con un modelo borrador DSpark dedicado para decodificación especulativa.

LFM3-VL-2B combina el modelo de lenguaje LFM3-1.7B con un nuevo codificador de visión interno de 164M y un proyector de 25M, con un contexto documentado de 128K, entrada de video a 2 fotogramas por segundo y un modo sin pensamiento documentado.

• Parámetros — 1.92B para LFM3-VL-2B frente a 1.55B para MiniCPM-V 4.7 1B, según la documentación de OpenBMB; la insignia de tamaño de modelo de Hugging Face redondea este último a 2B.

• Licencia — LFM Open License v1.0 frente a Apache 2.0.

• Contexto — 128K tokens frente a los 256K declarados, aunque las configuraciones de inferencia suelen establecer el límite mucho más bajo.

• Ruta de visión — un codificador interno de 164M con un token por bloque de parches de 2×2 frente a una torre estilo SigLIP con compresión 4×/16×.

• Vídeo — 2 fotogramas por segundo, el primer modelo de visión LFM que acepta vídeo frente a los compatibles, con cifras de LongVideoBench y MotionBench publicadas por el proveedor.

• Modo de razonamiento — disponible y medido de ambas formas frente a disponible y utilizado en la ejecución del benchmark.

• Promedio del proveedor en la suite de 62 benchmarks de Liquid — 71,4 con pensamiento, 62,1 sin pensamiento, frente a 57,5.

La brecha agregada es de 13,9 puntos. Lee primero la nota al pie.

La tabla de Liquid es el único artefacto que evalúa ambos modelos con los mismos 62 benchmarks y la misma normalización, y es la razón por la que esta comparación puede siquiera hacerse. La propia ficha de OpenBMB no incluye una comparación con LFM3-VL-2B, que no existía cuando se lanzó MiniCPM-V 4.7 1B.

La nota al pie que importa: se usó el modo de razonamiento para todos los modelos de la tabla excepto LFM2.5-VL-3B, que no lo admite, y la configuración sin razonamiento de LFM3-VL-2B. Por lo tanto, 71.4 y 57.5 son ambas puntuaciones con razonamiento habilitado, lo que hace que la comparación sea más justa que la de LFM2.5. Ambos modelos se miden en su mejor configuración, con los mismos instrumentos, por el mismo laboratorio.

Que sea justo no es lo mismo que ser independiente. Liquid eligió los benchmarks y los ejecutó. La tabla es inusualmente completa —incluye filas por categoría y por benchmark, y nombra a cada competidor—, pero ningún tercero ha reproducido nada de ella.

Desactiva el pensamiento y el 1B gana 24 de 62

LFM3-VL-2B publica una segunda puntuación para los mismos pesos con el razonamiento desactivado. Esa columna es la interesante, porque muestra de dónde procede realmente el agregado de 13,9 puntos. Sin razonamiento, LFM3-VL-2B gana en 35 benchmarks, MiniCPM-V 4.7 1B gana en 24 y 3 empatan. La brecha promedio cae a 4,6 puntos.

Más llamativo es lo que el 1B gana en esa configuración. Se lleva la mayor parte del grupo de razonamiento matemático y de gráficos, a menudo por un amplio margen.

• We-Math (testmini, estricto) — 47,8 para MiniCPM-V 4.7 1B frente a 20,1 para LFM3-VL-2B sin razonamiento, y 68,6 con razonamiento.

• LogicVista — 46,1 frente a 30,2 sin pensamiento, 60,4 con pensamiento.

• MathVista (mini) — 71.2 frente a 68.5 sin razonamiento, 84.2 con razonamiento.

• ChartQA (prueba) — 88,8 vs 81,4 sin razonamiento, 92,7 con razonamiento.

• CharXiv (descriptivo) — 73,4 frente a 65,5 sin pensamiento, 87,5 con pensamiento.

• DynaMath — 63.8 vs 57.7 sin pensamiento.

• MMMU (val) — 51.0 frente a 48.6 sin pensamiento, 55.7 con pensamiento.

El resultado de We-Math es el que merece una pausa: una ventaja de 27,7 puntos para el {{1}}1B{{/1}} cuando a ninguno de los dos modelos se le permite razonar —y una ventaja de 20,8 puntos para {{2}}LFM3-VL-2B{{/2}} en el momento en que se le permite hacerlo. We-Math es un benchmark de precisión estricta sobre matemáticas visuales de varios pasos, y la puntuación no cambia gradualmente entre los dos modelos. Da un vuelco. Es la ilustración individual más clara de la tabla de lo que aporta el modo de razonamiento.

La traducción práctica: si desactivas el razonamiento para reducir la latencia y tu carga de trabajo implica números en gráficos o diagramas, la ventaja agregada del modelo más grande no te protege. El 1B es la mejor herramienta.

Donde LFM3-VL-2B gana independientemente del modo

Lo contrario también es cierto, y las categorías son igual de concretas. Cinco de ellas rozan la unilateralidad incluso en la columna de «sin pensamiento».

• Comprensión de GUI — 83,1 con razonamiento, 81,5 sin razonamiento, frente a 45,3 de MiniCPM-V 4.7 1B. ScreenSpot-Pro obtiene 55,5 frente a 4,9; ScreenSpot-v2 Desktop obtiene 94,6 frente a 51,5.

• Anclaje visual — 77,3 con razonamiento, 72,6 sin razonamiento, frente a 51,1. RefCOCO-avg alcanza 90,5 frente a 86,3.

• Razonamiento corporizado — 64,4 con pensamiento, 57,9 sin pensamiento, frente a 45,3.

• Agéntico — 42,5 con razonamiento, 32,9 sin razonamiento, frente a 16,9. La categoría más débil para los cuatro modelos de la tabla, y la mayor brecha relativa entre estos dos.

• Multilingüe — 84,4 con razonamiento, 76,2 sin razonamiento, frente a 77,4. La única categoría en la que el modelo Liquid sin razonamiento pierde frente al 1B.

ScreenSpot-Pro con 55.5 frente a 4.9 es la mayor brecha individual entre los dos modelos en cualquiera de los 62 benchmarks. Si estás creando automatización de UI, aquí no hay decisión que tomar; si estás creando un tutor de matemáticas, la clasificación se invierte. Un promedio de 13.9 puntos es un artefacto de promediar dos poblaciones que se comportan de manera muy diferente.

Dos arneses, dos cifras para el mismo benchmark

Esta es la parte que hace traicionera la comparación entre proveedores, y merece su propia sección porque ambos proveedores publican cifras de benchmarks con el mismo nombre.

OpenBMB reporta MathVista 74.3 para MiniCPM-V 4.7 1B en su propia página. La nueva ejecución de Liquid del mismo modelo en el mismo benchmark con el mismo nombre reporta 71.2. OpenBMB reporta OCRBench 86.1; el harness de Liquid reporta OCRBench v1 con 82.1. Ninguno de los dos laboratorios miente. Están usando formatos de prompt diferentes, reglas de extracción de respuestas diferentes o subconjuntos diferentes, y las diferencias resultantes de 3.1 y 4.0 puntos son variación ordinaria del harness.

La consecuencia es que no puedes tomar el 74,3 de OpenBMB y restarle la cifra de 68,5 de Liquid en MathVista sin pensamiento para LFM3-VL-2B y obtener así una victoria de 5,8 puntos. Esa era una lectura defendible antes del 27 de octubre, cuando el único benchmark compartido entre MiniCPM-V 4.7 1B y LFM2.5-VL-3B se midió con dos arneses distintos. No es defendible ahora que Liquid ha publicado ambos modelos en una misma tabla. Usa la tabla y trata cada cifra de página de proveedor como perteneciente a su propio instrumento.

El empate que zanja en silencio una vieja disputa

Dentro de esa misma tabla hay un resultado que nadie en ninguna de las dos empresas ha publicitado. MiniCPM-V 4.7 1B promedia 57,5 en las 62 pruebas de referencia. LFM2.5-VL-3B promedia 57,6.

La página de producto de OpenBMB afirma que el modelo 1B supera a LFM2.5-VL-3B en OCR, razonamiento sobre gráficos y comprensión de vídeo. En la suite de Liquid, esa afirmación es mitad verdadera y mitad falsa, y el agregado es un empate técnico:

• Documento, OCR y gráficos — 73,0 para MiniCPM-V 4.7 1B frente a 71,2 para LFM2.5-VL-3B. Afirmación respaldada, por un margen estrecho.

• Vídeo — 53,7 vs 41,3. Afirmación respaldada, de forma decisiva.

• Matemáticas — 51.8 vs 40.6. Afirmación respaldada y no mencionada en la afirmación original.

• Anclaje visual — 51,1 vs 68,3. La afirmación falla estrepitosamente.

• comprensión de la GUI — 45.3 frente a 66.0. La afirmación falla estrepitosamente.

• Agentic — 16,9 frente a 21,1. La afirmación no se sostiene.

Así que un modelo de 1,55B con Apache 2.0 iguala a un modelo de 3,1B de un laboratorio bien financiado en una suite compartida de 62 benchmarks, y lo consigue ganando algunas categorías de forma contundente y perdiendo otras de forma contundente. Ese es un resultado real sobre la densidad de capacidad, y también es una advertencia sobre lo que oculta un promedio. Lo que devuelve la comparación a LFM3-VL-2B: el modelo que supera a ambos es el que, con su modo de razonamiento, eleva sus categorías más débiles, no el que es uniformemente mejor.

Licencia, descargas y lo que realmente puedes distribuir

La diferencia de licencia decidirá más despliegues que cualquier fila anterior. Apache 2.0 no exige ninguna conversación con un equipo legal. La LFM Open License v1.0 conlleva condiciones comerciales y, si bien es lo bastante abierta como para que Liquid distribuya todos los modelos de la familia bajo ella, no es el mismo permiso.

La adopción cuenta una historia similar. En Hugging Face, MiniCPM-V 4.7 1B ha acumulado aproximadamente 155.000 descargas y algo más de 400 me gusta desde el 6 de octubre. LFM3-VL-2B, en el momento de escribir esto, tiene unos pocos cientos de descargas y 16 me gusta, tras llevar nueve días disponible al público y uno desde su anuncio. Los recuentos de descargas son una señal ruidosa —las canalizaciones de CI y los espejos de cuantización los inflan—, pero una diferencia de tres órdenes de magnitud no es ruido. Refleja que un modelo tiene un mes de herramientas, tutoriales y cuantizaciones de la comunidad detrás, y el otro tiene un día.

El conjunto de herramientas sigue el mismo patrón. MiniCPM-V 4.7 1B incluye Transformers, SGLang, vLLM, llama.cpp, Ollama y OpenVINO, además de aplicaciones nativas para iOS, Android y HarmonyOS. LFM3-VL-2B tiene SGLang desde el lanzamiento, pesos GGUF disponibles y soporte para llama.cpp aún en revisión —sin entrada de vídeo en la implementación pendiente, según su propia ficha.

¿Qué modelo para qué trabajo?

• automatización de UI, lectura de pantalla, percepción robótica — LFM3-VL-2B, sin dudarlo, y el modo sin razonamiento es suficiente. ScreenSpot-Pro con 55,5 frente a 4,9 no es un margen que se pueda compensar con ingeniería.

• Razonamiento sobre gráficos, matemáticas visuales, preguntas con diagramas — MiniCPM-V 4.7 1B si trabaja sin razonamiento, y una verdadera prueba si no lo hace. Compruebe We-Math con sus propios datos; una brecha de 27,7 puntos sin pensamiento es el tipo de cosa que aparece de inmediato en producción.

• Vídeo largo — más cerca de lo que sugieren los promedios de la categoría. LFM3-VL-2B lidera la categoría de Vídeo 61,2 frente a 53,7, pero MiniCPM-V 4.7 1B de hecho gana Video-MMMU 50,1 frente a 49,6 incluso contra la configuración de pensamiento.

• Cualquier cosa que deba pasar por legal sin una revisión — MiniCPM-V 4.7 1B, solo con Apache 2.0.

• Cualquier cosa que hoy necesite un stack de inferencia maduro — MiniCPM-V 4.7 1B, al menos durante las próximas semanas, hasta que llama.cpp integre el soporte de LFM3-VL.

Dónde encaja un enrutador cuando ninguno de los dos modelos está en él

Ninguno de estos checkpoints está en el catálogo de OrcaRouter; ambos son pesos que descargas, cuantizas y ejecutas. El uso interesante de una capa de enrutamiento aquí no es servirlos, sino componer alrededor de ellos. Fusión de modelos permite que un panel de modelos responda la misma pregunta en conjunto, y un especialista local de 1,55B en matemáticas visuales emparejado con un modelo alojado que es más fuerte en las categorías donde aquel pierde —fundamentación, trabajo agéntico— es una configuración que supera a cualquiera de los dos modelos por separado. El DSL de enrutamiento es la forma de expresar qué tramo se encarga de qué pregunta sin reescribir la aplicación cada vez que se publica un checkpoint.

El resumen honesto es que el titular de 13,9 puntos es real, está medido en el banco de pruebas de un laboratorio y resulta engañoso como decisión de compra. LFM3-VL-2B es el mejor modelo para pantallas y anclaje visual por un margen al que no se acerca nada más en su clase de tamaño. MiniCPM-V 4.7 1B es el mejor modelo para matemáticas visuales sin razonamiento, se distribuye bajo una licencia que no requiere negociación y empata con un modelo del doble de su tamaño en la misma suite. La respuesta correcta depende de cuál de esas frases describe tu carga de trabajo, y el promedio de ningún proveedor te lo dirá.