MiniCPM-V 4.7 1B vs MiniCPM-V 4.7: dos checkpoints, un mismo nombre y un trabajo muy diferente

No existe ningún checkpoint llamado MiniCPM-V 4.7. OpenBMB nunca ha publicado uno, y la URL del modelo que lo alojaría devuelve un error de autorización en lugar de una página de pesos. El nombre es la serie. El 12 de octubre de 2026, esa serie lanzó dos cosas a las que un lector podría referirse razonablemente con ese nombre: MiniCPM-V 4.7 1B, un modelo denso de 1,55 mil millones de parámetros creado para caber en la memoria de trabajo de un teléfono, y el checkpoint de 35 mil millones de parámetros de mezcla dispersa de expertos que respalda cada afirmación destacada del lanzamiento: la demo en el dispositivo, el gráfico de la frontera de Pareto, la frase "primer MoE de código abierto que funciona sin problemas en el dispositivo". Compararlos no es una pelea justa y nunca se pretendió que lo fuera. Es una cuestión de cuánta memoria estás dispuesto a gastar, y de si los propios números del proveedor son lo suficientemente sólidos como para justificar gastarla.

El nombre es una serie, no un modelo

Dos repositorios llevan el nombre MiniCPM-V 4.7, y un tercero lo lleva con un sufijo. openbmb/MiniCPM-V-4.7-1B se creó el 6 de octubre de 2026 a las 17:40 UTC. openbmb/MiniCPM-V-4.7-35B-A3B se publicó después, el 7 de octubre a las 07:07 UTC. openbmb/MiniCPM-V-4.7-1B-DSpark —una cabeza de borrador especulativa de 213 millones de parámetros para el modelo pequeño— apareció el 8 de octubre. Los tres son Apache-2.0. El repositorio openbmb/MiniCPM-V-4.7 sin sufijo no existe, y vale la pena decirlo claramente porque una cantidad considerable de cobertura escribe como si existiera y cita un conjunto de cifras bajo el nombre del otro. El README de OpenBMB sitúa el lanzamiento en sí el 12 de octubre, que es la fecha que hay que usar si se necesita una: los repositorios se subieron primero y se anunciaron cuatro días después, en el orden habitual.

Así que el planteamiento honesto de «1B vs 4.7» no es una comparación entre un modelo pequeño y uno grande con el mismo nombre. Es una comparación entre las dos clases de tamaño que la serie ofrece realmente, donde una de ellas resulta ser la única que el nombre de la serie por sí solo encontrará.

Qué es realmente el 1B

Según los metadatos de safetensors, el checkpoint denso tiene 1.554.476.272 parámetros en BF16 —unos 3,11 GB en un único archivo de pesos, que es la cifra destacada para cualquiera que esté pensando en un teléfono móvil. Su columna vertebral lingüística está etiquetada como qwen3_6_text, con 24 capas de profundidad y un tamaño oculto de 1024, y su atención sigue un patrón de tres lineales a una completa: 18 de las 24 capas toman una ruta lineal y seis usan atención convencional. El vocabulario es de 248.094 tokens. La torre de visión es la propia de la familia minicpmv4_7_vision — 27 capas, tamaño oculto 1152, tamaño de parche 14, tamaño de imagen 980, insertada en la pila de lenguaje en la capa 6. Dos ajustes importan más que el resto para el trabajo con documentos: downsample_mode es 16x, y mrope_mode es canvas, que es el esquema de embeddings rotatorios multimodal que la familia usa para mantener intacta la estructura espacial a lo largo de una imagen dividida en secciones. Los embeddings de posición máximos son 262.144, así que la ventana de contexto es de 256K reales, no nominales.

En el momento de escribir esto, el repositorio muestra 14 descargas y 22 me gusta. Eso es poco, y es la medida honesta de cuánto ha ejercitado la comunidad el modelo hasta ahora.

Qué es en realidad el flagship

El checkpoint 35B-A3B tiene 35.212.875.824 parámetros en BF16 — 70,4 GB repartidos en dieciséis fragmentos safetensors, lo que supone 22 veces el tamaño del modelo denso en una sola descarga. Arquitectónicamente es un animal distinto: 40 capas, tamaño oculto 2048 y un feed-forward MoE disperso con 256 expertos, de los cuales 8 están activos por token, con moe_intermediate_size establecido en 512. El vocabulario es de 248.144, un poco más amplio que el del 1B. El patrón de atención es la misma idea a mayor profundidad — 30 capas lineales frente a 10 completas. Es el primer MoE de la línea MiniCPM-V, y es el checkpoint del que realmente trata la historia de eficiencia del proveedor: la afirmación de OpenBMB es de más de 13 tokens por segundo usando aproximadamente 3 GB de memoria en un iPhone 17 Pro Max, con Lookahead Expert Scheduling precargando pesos de expertos entre capas para que el enrutamiento disperso no se bloquee por el ancho de banda de memoria, además de una cabeza MTP emparejada y compresión mixta de tokens visuales 4x/16x. Esas son cifras del proveedor, medidas por el proveedor, en la demo del proveedor. Nadie más las ha reproducido todavía. El repositorio muestra 166 descargas y 43 me gusta — un orden de magnitud más de atención que la que ha atraído el 1B.

La comparación, dimensión por dimensión

Seis dimensiones, ambos lados, con una nota sobre cuánto peso tiene cada número.

• Parámetros y forma — MiniCPM-V 4.7 1B: 1,55B denso, todos los parámetros activos en cada token. El buque insignia de MiniCPM-V 4.7: 35,2B en total, disperso, 8 de 256 expertos por token. Los dos totales no son cantidades comparables; el presupuesto activo del MoE es lo que determina el cómputo por token, y OpenBMB no lo publica. Lee "A3B" como parte del nombre, no como una medición.

• Huella de pesos — MiniCPM-V 4.7 1B: 3,11 GB en un único archivo BF16, que es la razón misma de su existencia. MiniCPM-V 4.7 35B-A3B: 70,4 GB repartidos en dieciséis fragmentos en BF16. La cifra de 3 GB en el dispositivo del proveedor se aplica al modelo más grande solo después de la cuantización y el streaming de expertos, no a la descarga sin procesar.

• Atención y contexto — ambos: 256K posiciones, un patrón de atención lineal a completa de 3:1, y el mismo canvas en modo mRoPE. MiniCPM-V 4.7 1B lo ejecuta en 24 capas; el modelo insignia en 40. Esta es la única dimensión donde los dos modelos son genuinamente el mismo diseño, escalado.

• Ruta de visión — en ambos casos: la propia minicpmv4_7_vision torre de la familia con submuestreo de 16x. La diferencia está al otro lado del paso de compresión: los gráficos del modelo insignia anuncian un esquema mixto 4x/16x que el 1B no declara.

• Licencia — ambas: Apache-2.0, declarada en el repositorio y confirmada en el README del proyecto. Esto es importante porque es lo contrario de lo que parecía la misma serie una semana antes; no hay ambigüedad que reportar aquí para ninguno de los dos puntos de control.

• Evidencia de calidad — MiniCPM-V 4.7 1B: solo gráficos del fabricante. MiniCPM-V 4.7 35B-A3B: gráficos del fabricante, un video de demostración del fabricante en un iPad M4 y un iPhone, y una afirmación publicada de tokens por segundo en el dispositivo. Ninguno tiene una evaluación independiente, y ninguno ha sido sometido a pruebas comparativas por un tercero con un arnés fijo.

Lo que afirman los propios gráficos del proveedor

OpenBMB publicó gráficos de referencia para ambos checkpoints, y la diferencia en lo que pueden soportar es instructiva. El gráfico de 1B sitúa al modelo en MMBench 83,17, OCRBench 86,10 y OmniDocBench v1.6 85,39, por delante del modelo de clase 1.3B de la generación anterior junto al que aparece en la misma figura en las tres (81,89, 83,80 y 82,52 respectivamente). Esos datos son reportados por el proveedor y no han sido reproducidos, y el propio etiquetado de columnas del gráfico debe leerse con cuidado, porque una fila muestra un valor que no es creíble para un modelo de este tamaño. Considera los números absolutos como marketing y los deltas frente a la generación anterior como la única parte con una lógica interna.

The 35B-A3B chart is more legible because the comparison is more crowded. It reports MMMU 80.22, MathVista 88.00, OCRBench 91.20, OCRBench_v2 68.47, OmniDocBench v1.6 94.24, CharXiv reasoning 75.60, TextVQA 84.99 and CCOCR 81.14, against a field that includes two 35B-A3B-class mixture-of-experts models, a 31B Gemma and a 27B Qwen3.8. On the vendor's own numbers the MoE wins most rows narrowly and loses a couple — MMMU-Pro and MathVision go the other way. Again: vendor-reported, unreproduced, and the only fair reading is "the vendor believes it is at parity or better," not "it is at parity or better."

Hay un problema de etiquetado que vale la pena señalar en lugar de resolver. El repositorio se llama 1B. La barra lateral de Hugging Face describe el modelo como de 2B parámetros. Los metadatos de safetensors dicen 1,554,476,272 — unos 1.55B. El propio gráfico del proveedor etiqueta la fila como 1.3B. Cuatro fuentes, cuatro números, y el más pequeño de ellos está en el gráfico al que apunta el marketing. Nada de esto cambia lo que hace el modelo, pero si estás calculando el presupuesto de memoria con base en una hoja de especificaciones, presupuesta con base en el archivo de 3.11 GB en lugar de cualquiera de las etiquetas.

¿Cuál quieres realmente?

Si la limitación es un teléfono, un portátil, una única GPU pequeña o cualquier cosa con un límite de consumo energético, solo uno de estos es candidato. MiniCPM-V 4.7 1B existe precisamente para que un modelo multimodal con contexto de 256K quepa en unos pocos gigabytes, se distribuye bajo una licencia que permite el uso comercial, y el ecosistema de cuantización ya está ahí — versiones GGUF, AWQ, GPTQ, int4 y FP8, además de soporte desde el primer día por parte de Rockchip, Houmo, Intel, AMD y fabricantes de hardware Arm, y de OpenVINO. Para OCR en el dispositivo, comprensión de capturas de pantalla y análisis de documentos con una huella de 3 GB, es la versión de esta serie que responde a la pregunta.

MiniCPM-V 4.7 35B-A3B responde a una diferente. No es una versión más grande del mismo producto; es el intento de mantener la calidad de un modelo de clase 35B mientras solo se paga por 8 expertos por token, y si la afirmación de rendimiento del proveedor se sostiene, es el resultado de ingeniería más interesante de los dos. También es, con 70.4 GB en BF16, una descarga para servidor o estación de trabajo, y su historia en dispositivo pasa por la cuantización y el streaming de expertos en lugar de por el archivo que se obtiene del Hub.

Dónde encaja un router y dónde no

Ninguno de los dos checkpoints está alojado en OrcaRouter. MiniCPM no aparece en nuestro catálogo en absoluto, y el consejo correcto para cualquiera que quiera ejecutar cualquiera de estos es descargar los pesos y servirlos por su cuenta — llama.cpp, Ollama, vLLM o SGLang admiten la arquitectura, y la lista de soporte desde el primer día anterior es inusualmente amplia para un lanzamiento tan reciente. La cuestión del enrutamiento solo llega en el siguiente paso, que es qué ocurre cuando un modelo local pequeño no basta para una petición concreta y el trabajo tiene que ir a algo alojado. Ese traspaso es una decisión de enrutamiento más que un segundo contrato: OrcaRouter pone un par de cientos de modelos alojados detrás de una sola clave al precio de lista de cada proveedor sin añadir nada extra, con failover cuando un proveedor se degrada. Entre los modelos de visión alojados en esa lista hay varios de la misma clase de peso que el 1B — qwen/qwen3-vl-8b-instruct y su variante de razonamiento, qwen/qwen3-vl-235b-a22b-instruct para el extremo más pesado, y deepseek/deepseek-v4-flash-vision-exp para trabajo con documentos de contexto largo. Ese es el nivel por encima de esta familia, no un sustituto de ella, y conviene dejar claro de qué lado de la línea se sitúa cada modelo.

Qué ver

Dos cosas zanjarán esta comparación y ninguna existe todavía. La primera es una evaluación independiente: el mismo banco de pruebas ejecutado contra ambos checkpoints, en el mismo hardware y sin que el proveedor elija los prompts. Hasta que eso aparezca, cada cifra de precisión de este artículo es del propio proveedor y debería citarse con esa salvedad. La segunda es la cabeza de borrador de DSpark, que ya está publicada para el 1B y es el mecanismo que haría que la inferencia de modelos pequeños sea considerablemente más rápida en un teléfono. Si la decodificación especulativa funciona como se anuncia a esta escala, el 1B denso se convierte en una respuesta bastante mejor de lo que su tamaño sugiere, y el 35B-A3B sigue siendo el modelo al que uno recurre solo cuando la solicitud realmente lo necesita.

Lo que no necesita esperar a nada es la licencia, la arquitectura, la huella y las herramientas. Esos están en los repositorios, son Apache-2.0 para ambos checkpoints, y bastan para decidir hoy cuál de los dos va en tu hardware.

La mitad alojada de ese patrón es una decisión de enrutamiento más que un segundo contrato. el precio de lista de cada proveedor sin margen añadido por nuestra parte Ninguno de los checkpoints de MiniCPM-V 4.7 es un modelo alojado en OrcaRouter: ambos son pesos que usted mismo sirve.