MiniCPM-V 4.7 1B en un iPhone de uso diario: qué significa realmente «se ejecuta más allá del Pro Max»

MiniCPM-V 4.7 1B es un modelo de visión-lenguaje de 1550 millones de parámetros que OpenBMB subió a Hugging Face el 6 de octubre de 2026 y fechó el 12 de octubre en sus propias notas de la versión. Tiene una tarjeta de modelo, once variantes cuantizadas, una etiqueta de Ollama y una aplicación de demostración en el dispositivo. Lo que no tiene es una versión del relato que se sostenga cuando se calcula el coste del hardware. La afirmación que circula por los círculos de desarrolladores —que el modelo ahora se ejecuta en una aplicación OnDeviceLLM en iPhones normales, no solo en un Pro Max de 12 GB— es la parte que merece un examen detenido, porque "se ejecuta en un teléfono" y "se ejecuta en tu teléfono" están separados por unos 3 GB de margen de memoria que la mayoría de los iPhones no tienen. Los fallos de IA y los incidentes de agentes documentados que hay detrás de lanzamientos como este se recopilan en el Archivo de Incidentes de IA de OrcaRouter donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.

Esta es la situación actual, con las costuras a la vista. Todo lo que sigue se ha leído directamente de los archivos de pesos, de la documentación propia de OpenBMB o de las especificaciones publicadas por Apple. Cuando una cifra procede de la publicación de un desarrollador y no de un artefacto reproducible, este artículo lo indica.

Qué se sabe realmente y qué solo se afirma

El modelo es real y se puede descargar. El checkpoint BF16 tiene 1.554.476.272 parámetros, lo que supone aproximadamente 3,1 GB en disco. El repositorio incluye una model card completa —algo poco habitual en la historia reciente de esta familia— que especifica un backbone de texto Qwen3.5, una torre de visión SigLIP2 con 27 capas y 1152 de anchura oculta, mosaicos de entrada de 980 píxeles, una ventana de contexto de 262.144 tokens y licencia Apache 2.0. La entrada del README de OpenBMB sitúa el lanzamiento en 2026-10-12; el repositorio de Hugging Face se creó el 2026-10-06. Esa diferencia de seis días es el desfase entre la subida y el anuncio por el que se conoce a esta familia, y es la razón por la que un artículo de octubre puede seguir calificando de lanzamiento discreto a un repositorio de hace seis días.

Lo que no está establecido por ningún artefacto es la afirmación específica de que el 1B se ejecuta en OnDeviceLLM en “iPhones de uso cotidiano más allá del 12GB Pro Max”. Una publicación de un desarrollador es el origen de ese planteamiento. El repositorio público del proyecto OnDeviceLLM —que es un kit de inicio para aplicaciones de chat y traducción sin conexión, no un producto de App Store ya lanzado— tiene cero estrellas y su último push fue el 27 de julio de 2026. Es diez semanas anterior a los pesos de MiniCPM-V 4.7, por lo que cualquier compatibilidad con este modelo en él es reciente y no está documentada. Trata “ya se ejecuta en OnDeviceLLM” como el informe de alguien que lo hizo, no como una vía de despliegue respaldada por el proveedor.

Esa distinción importa porque las cifras del propio proveedor sobre el dispositivo no tienen nada que ver con el 1B.

La cifra de 3 GB corresponde al 35B, no al 1B.

La afirmación principal de OpenBMB —«13+ tokens/s con solo 3 GB de memoria en iPhone 17 Pro Max»— está vinculada a la 35B-A3B variante Mixture-of-Experts, que se ejecuta en el iPhone más grande que vende Apple. La técnica que hay detrás, Lookahead Expert Scheduling, mantiene la mayoría de los pesos de los expertos en SSD y precarga los que probablemente necesite la siguiente capa. Es una impresionante obra de ingeniería de sistemas y es la razón por la que el nombre 35B sigue apareciendo en la cobertura relacionada con teléfonos.

El 1B no necesita nada de eso. Es un modelo denso que cabe en memoria sin más. Sobre el papel, eso lo convierte en el más democrático de los dos, y es la razón por la que el enfoque del "iPhone de todos los días" tiene recorrido. Pero la aritmética es menos favorable de lo que sugiere el planteamiento:

• Pesos BF16: 3,1 GB en disco y, aproximadamente, la misma cantidad residente en memoria una vez cargados, antes de cualquier caché KV o activaciones de visión • GGUF Q8_0: 1,08 GB de pesos, más un proyector de visión de 0,90 GB con el ajuste de compresión de 4×, o 1,11 GB a 16× • GGUF Q4_K_M: 0,67 GB de pesos, con la misma sobrecarga del proyector • Proyector de visión: esta es la parte que la gente olvida; no se reduce con la cuantización del modelo de lenguaje y se contabiliza una vez por cada modelo cargado • Contexto: hasta 262.144 tokens sobre el papel; cada token de caché KV es memoria adicional que la ficha del modelo no presupuesta

Una compilación Q4 con el proyector de 16× se queda cerca de 1,8 GB de pesos. Añádele una caché KV funcional para unos miles de tokens de conversación y marcadores de posición de imágenes, y ya le estás pidiendo a una app algo del orden de 2,2–2,8 GB. En un Pro Max de 12 GB eso es cómodo. En un iPhone de 8 GB, donde el sistema operativo y todas las demás apps residentes ya compiten por el mismo fondo, una app que pide 2,5 GB está pidiendo una fracción importante de lo que queda. iOS se lo concederá, o eliminará la app por jetsam bajo presión de memoria.

Por qué la línea de RAM de un iPhone es la verdadera especificación

Apple no publica la RAM del iPhone en sus especificaciones de marketing, y nunca ha animado a los desarrolladores a tratar el teléfono como un ordenador con memoria direccionable. Esa es la limitación contra la que choca la afirmación «más allá del Pro Max de 12 GB». El segmento Pro Max lleva, desde hace varias generaciones, más memoria que los modelos estándar, y la diferencia entre «el teléfono del vídeo de análisis» y «el teléfono que un lector lleva en el bolsillo» es precisamente la diferencia de la que depende el argumento de este modelo en cuanto a lo que ofrece en el propio dispositivo.

La versión honesta de la afirmación es más acotada y sigue siendo interesante: un modelo de visión de 1B que antes requería una laptop o un teléfono insignia ahora cabe dentro del presupuesto de memoria de un teléfono de gama media, si usas una cuantización de 4 bits y aceptas un contexto más corto. Eso es un verdadero descenso de categoría de hardware. No es lo mismo que «funciona en todos los iPhone», y la diferencia merece decirse con claridad porque decide si un lector puede lanzarlo.

La ficha del modelo no lo resuelve. Documenta compatibilidad con iOS, Android y HarmonyOS, soporte de chips desde el primer día de Rockchip, Houmo, Intel, AMD y Arm, y enlaza a un repositorio de despliegue en el borde con aplicaciones y código fuente. En ningún lugar enumera la memoria mínima del dispositivo, una matriz de dispositivos probados ni una tasa de tokens por dispositivo para el 1B. El único dispositivo nombrado en los propios recursos de demostración del 1B es un iPhone 17 Pro Max, el mismo dispositivo que el titular del 35B.

En qué es realmente bueno el modelo, con 1B

La razón por la que vale la pena hacer las cuentas de memoria es que un modelo de 1B que realiza comprensión de documentos y pantallas en un teléfono es una categoría de producto distinta a la de un chatbot. Significa que un recibo, un formulario, un menú, una etiqueta o una captura de pantalla se pueden convertir en texto estructurado sin una ida y vuelta por la red: sin subir nada, sin costo por imagen, sin un mínimo de latencia fijado por una torre de telefonía celular.

Las cifras de 1B publicadas por OpenBMB —todas reportadas por el proveedor y ninguna reproducida de forma independiente hasta la fecha de redacción— sitúan OCRBench en 86,1, MathVista en 74,3, CharXiv Reasoning en 48,8, LongVideoBench en 53,4 y MotionBench en 54,55. La comparación destacada del proveedor es con Qwen3.5 0.8B, al que, según afirma, supera tanto en puntuación global como en eficiencia de inferencia, y con MiniCPM-V 4.6, sobre el que dice mejorar en las capacidades fundamentales. Esos son los benchmarks del propio proveedor, ejecutados por el proveedor, y la ficha del modelo los presenta como gráficos en lugar de como una tabla con detalles del harness.

Dos detalles arquitectónicos importan más que las puntuaciones para cualquiera que realmente despliegue esto:

• Compresión visual mixta de 4×/16× — quien llama decide por solicitud si una imagen se convierte en una secuencia de tokens detallada o en una económica, de modo que el escaneo de un recibo y una miniatura pueden compartir un despliegue • Compresión temprana dentro del ViT, tomada de LLaVA-UHD v4 — los tokens visuales se recortan dentro del codificador de visión en lugar de después, que es lo que hace que la ruta de 4× sea asequible en primer lugar • Segmentación en mosaicos — las imágenes de alta resolución se dividen en mosaicos de 448×448 más una vista general de baja resolución, con el número de mosaicos como parámetro en tiempo de ejecución (la tarjeta recomienda 36 para imágenes, 1 para vídeo) • Muestreo de vídeo — max_num_frames tiene un valor predeterminado de 128, y stack_frames compone los subfotogramas en una cuadrícula, que es como un teléfono procesa una grabación de pantalla sin mantener cada fotograma en memoria

Para el caso de uso de recibos que menciona el prompt, el flujo es: capturar, reducir la escala a algo cercano a 980 píxeles en el lado largo, ejecutar a 4× con un número alto de divisiones y solicitar una salida estructurada. La ruta de 4× con 36 divisiones es la configuración costosa; la ruta de 16× usa aproximadamente una cuarta parte de los tokens y es donde el teléfono se mantiene ágil. Que 16× baste para leer un recibo térmico es una pregunta que solo tus propias imágenes pueden responder, y ningún benchmark publicado en la ficha informa la precisión de OCR por modo de reducción de escala.

La brecha entre «demo» y «app»

Tres cosas se interponen entre una demo funcional y una app de iOS lista para publicar, y ninguna de ellas son los pesos del modelo.

El primero es el empaquetado. El modelo se distribuye en formatos Transformers, GGUF, AWQ, GPTQ e int4. Solo GGUF cuenta con un motor de ejecución local maduro en iOS —llama.cpp y sus derivados—, y solo el repositorio GGUF incluye el archivo separado del proyector de visión (mmproj) que necesita la ruta multimodal. Si empiezas desde el checkpoint BF16 esperando un reemplazo directo de un solo archivo, descubrirás que el proyector es un segundo artefacto con su propio tamaño.

El segundo es el presupuesto térmico. Un modelo de 1B que genera unos cientos de tokens es una carga de trabajo en ráfaga; un modelo de 1B que hace OCR de una página de 36 cortes es una carga sostenida. El GIF de demostración del proveedor es una grabación de pantalla, no una traza térmica. Ninguna cifra publicada en la ficha ofrece tokens por segundo sostenidos en ningún teléfono, que es la cifra que decide si una app de escaneo se siente instantánea en el tercer documento o en el trigésimo.

El tercero es el resto de tu stack. La inferencia en el dispositivo se encarga de la imagen. No se encarga de la parte en la que concilias el recibo extraído con un libro mayor, escalas una línea ambigua a un modelo más grande o recurres a una alternativa cuando el teléfono es tan antiguo que la app se niega a cargar los pesos. Esa es la frontera donde un enrutador se gana su lugar en vez de reemplazar algo: OrcaRouter pone más de 200 modelos alojados detrás de un único endpoint compatible con OpenAI con 0 % de recargo, trasladando directamente el precio de lista de cada proveedor, con conmutación automática por error y un DSL de enrutamiento para configuraciones de principal y respaldo. Un extractor en el teléfono puede entregar sus casos inciertos a un modelo de visión alojado, y la misma clave sirve para ambas rutas. MiniCPM-V 4.7 1B en sí no está en ese catálogo —es un checkpoint que ejecutas tú mismo—, así que el enrutador es la ruta de escalado, no la forma de llamar a este modelo.

El patrón de lanzamiento silencioso, y por qué sigue generando esta confusión.

MiniCPM-V 4.7 llegó sin un evento de lanzamiento. El repositorio 35B-A3B apareció el 6 de octubre de 2026 sin ninguna tarjeta de modelo —la tarjeta llegó seis días después junto con la nota de lanzamiento fechada. El 1B siguió el mismo patrón: primero el repositorio, después la documentación y, durante todo el proceso, el descubrimiento por parte de la comunidad. En ese intervalo, la cobertura se completa con el artefacto que exista, por lo que los primeros artículos describían un modelo MoE de 35B y luego tuvieron que revisarse cuando aparecieron el 1B y su tarjeta.

Esto no es una crítica a la ingeniería de OpenBMB. Es una descripción de cómo se propaga la información sobre este modelo, y es la razón por la que una afirmación como «funciona en iPhones de uso cotidiano» puede difundirse más rápido que las cifras de memoria que la matizan. El repositorio es la fuente principal. La tarjeta es la fuente principal. La captura de pantalla de un desarrollador de una app funcionando en su teléfono es un dato, no una especificación.

Qué hacer con esto, concretamente

Si tienes un Pro Max o un iPad. Descarga el GGUF Q8_0 y el proyector de 16×, ejecútalo con llama.cpp u Ollama y prueba tus propios documentos con ambas configuraciones de reducción de resolución. Tendrás una ruta local de OCR y de QA de imágenes funcionando en una tarde, y el modelo de 1B es lo bastante pequeño como para mantenerlo residente junto a otras aplicaciones.

Si tienes un iPhone estándar. Empieza con Q4_K_M y el proyector de 16×, limita el número de slices a algo modesto y mide. La aritmética de memoria dice que debería caber; el comportamiento térmico y de jetsam bajo uso sostenido es la parte que nadie ha publicado. Prueba en el dispositivo más antiguo que tengas intención de soportar, no en el más nuevo.

Si estás construyendo un producto. Trata el modelo en el dispositivo como la vía rápida y un modelo alojado como la vía de la corrección. La escalada es una decisión de enrutamiento, y construirla desde el primer día sale más barato que añadirla a posteriori después del primer ticket de soporte sobre un recibo que el teléfono leyó mal.

La afirmación con la que empezó este artículo —que un modelo multimodal de 1B ahora se ejecuta en teléfonos por debajo del nivel Pro Max— es plausible según la aritmética de memoria y no está demostrada en los registros publicados. Es un estado normal para un modelo tan joven, y es una razón para probar en lugar de esperar. Los pesos son Apache 2.0, las cuantizaciones existen, y lo único que se interpone entre tú y una respuesta es una tarde con tu propio hardware.

En resumen: MiniCPM-V 4.7 1B es un modelo de visión real, documentado y con licencia Apache-2.0 que ocupa aproximadamente 1.8 GB en Q4 junto con su proyector de visión, lo suficientemente pequeño como para que los teléfonos de gama media sean un objetivo creíble y no solo el Pro Max de 12 GB. El proveedor no ha publicado una matriz de dispositivos ni una cifra de memoria mínima, y la afirmación del "iPhone de uso diario" proviene de un informe de un desarrollador, no de la ficha del modelo. Pruébalo en tu propio dispositivo antes de planificar en función de él.