MiniCPM-V 4.7 ya cuenta con una tarjeta de modelo: OpenBMB publicó los benchmarks, la licencia y la afirmación de funcionamiento en el dispositivo

Durante los primeros seis días de su vida, MiniCPM-V 4.7 fue una carpeta de 70 GB de tensores bfloat16 sin README — sin tarjeta de modelo, sin etiqueta de licencia, sin tabla de benchmarks, nada que te dijera para qué servía. Eso cambió el 12 de octubre de 2026, cuando OpenBMB hizo commit de una tarjeta de modelo completa a openbmb/MiniCPM-V-4.7-35B-A3B, declaró una licencia Apache-2.0, reescribió el README del repositorio MiniCPM-o para que encabezara con la nueva serie, y lo anunció como un lanzamiento de MLLM de código abierto dirigido a dispositivos iOS, Android y HarmonyOS. La misma pasada de documentación afectó al modelo hermano de 1B, que ahora lleva la estructura de tarjeta idéntica. Este artículo trata sobre el delta — lo que la tarjeta afirma en realidad, cuáles de esas afirmaciones puedes comprobar tú mismo, y cuáles de ellas existen hoy solo como píxeles en un PNG proporcionado por el proveedor.

¿Qué llegó el 12 de octubre y qué ya estaba allí?

Los pesos no se movieron. openbmb/MiniCPM-V-4.7-1B se creó el 6 de octubre de 2026 a las 17:40 UTC y openbmb/MiniCPM-V-4.7-35B-A3B el 7 de octubre a las 07:07 UTC; ambos siguen reportando una marca de tiempo de última modificación del 12 de octubre porque ese último día se dedicó a la prosa, no a los parámetros. El registro de commits en el repositorio 35B para el 12 de octubre es un sprint de documentación: añadir ficha del modelo a las 16:08, actualizar ficha del modelo a las 16:15, renombrar 35BA3B a las 16:23, añadir metadatos a las 16:26, URL absolutas de recursos a las 16:50, cuatro commits de añadir primeros pasos hasta las 17:07, y enlazar documento LES a las 17:09. Todo lo que está por debajo de esa línea en el historial es inicialización. El repositorio pasó de dieciocho archivos y ninguna ficha a una versión documentada con imágenes, gráficos de evaluación, instrucciones de despliegue y una licencia, en el espacio de aproximadamente una hora.

Eso importa para cómo interpretas el anuncio, porque una publicación de lanzamiento no es lo mismo que un lanzamiento. Nada del checkpoint cambió el 12 de octubre. Lo que cambió es que MiniCPM-V 4.7 dejó de ser una subida sin explicación y se convirtió en un producto que puedes evaluar sobre el papel.

Las dos variantes, y por qué no son el mismo lanzamiento

El anuncio describe dos modelos y, por debajo de la torre de visión, no guardan ninguna relación arquitectónica entre sí: uno es una mezcla de expertos dispersa y el otro, un modelo denso pequeño.

• MiniCPM-V 4.7 35B-A3B — 35.2 mil millones de parámetros totales como un MoE disperso, 256 expertos con 8 activos por token, 40 capas de texto, tamaño oculto 2,048, 16 cabezas de consulta frente a 2 cabezas de clave/valor, posición máxima de 262,144 tokens, vocabulario 248,144.

• MiniCPM-V 4.7 1B — un backbone denso qwen3_5_text, 24 capas con tamaño oculto de 1.024, 8 cabezas de consulta frente a 2 cabezas de clave/valor, el mismo contexto de 262.144 tokens, vocabulario de 248.094, un único archivo safetensors de 3,1 GB.

• Torre de visión compartida — minicpmv4_7_vision, 27 capas con tamaño oculto de 1.152, tamaño de parche 14, tamaño de imagen 980, insertada en la capa 6 de la pila de texto.

• Compresión — submuestreo mixto de tokens visuales de 4x y 16x, con la técnica de compresión temprana intra-ViT que OpenBMB atribuye a LLaVA-UHD v4; el valor predeterminado es 16x, y 4x es el ajuste de mayor detalle.

• Estructura de atención — un patrón repetitivo de tres a uno en ambas variantes: tres linear_attention capas seguidas de una full_attention capa, diez veces a lo largo de las 40 capas de texto del modelo 35B.

• Licencia — Apache-2.0 en ambos, declarado en el front matter de la tarjeta, lo que supone la primera vez que alguno de los dos repositorios menciona términos de ningún tipo.

El 35B-A3B es el que encabeza el anuncio, y es el que tiene la interesante historia de ingeniería: toda la propuesta es que una MoE dispersa con 35 mil millones de parámetros almacenados se puede hacer funcionar sin problemas en un teléfono.

La afirmación de que se ejecuta en el dispositivo es la verdadera novedad, y se trata de un problema de planificación

Cualquiera que haya intentado ejecutar un MoE en un teléfono sabe cuál es el modo de fallo. Los parámetros totales residen en el almacenamiento, solo unos pocos se activan por token y, en un dispositivo sin la RAM ni el ancho de banda para mantener a todos los expertos, los pesos se paginan hacia dentro y hacia fuera. El resultado se decodifica a una velocidad que hace imposible la conversación. El truco obvio —bloquear el enrutador a un subconjunto fijo de expertos para todo el prompt— lo hace rápido y, en silencio, le quita capacidad, porque los tokens ya no pueden llegar a expertos que el modelo habría elegido de otro modo.

La respuesta de OpenBMB son tres técnicas superpuestas, y la tarjeta es inusualmente específica sobre lo que hace cada una:

• Lookahead Expert Scheduling (LES) — un predictor de enrutamiento entre capas precarga los expertos que probablemente necesitará la siguiente capa, priorizando, entre los expertos, aquellos que el enrutador real seleccionó efectivamente y solapando su cómputo con la carga de todo lo demás que aún se requiere. La tarjeta se cuida de señalar que la predicción solo impulsa la precarga y la planificación; el cómputo sigue el enrutamiento propio del modelo a nivel de token, y los expertos que la predicción no anticipó se cargan y se evalúan con normalidad.

• Cuantización de grano fino capa por capa — reduce la huella de los pesos de los expertos y el tráfico de memoria, de modo que el patrón de carga se ajuste a la memoria y el ancho de banda del dispositivo.

• Muestreo especulativo de DSpark — integra la ruta del modelo borrador en el bucle de inferencia del dispositivo, junto con la planificación y la cuantización.

La cifra destacada es de 13+ tokens por segundo en un iPhone 17 Pro Max para el 35B-A3B. Es una medición del proveedor, en un dispositivo que no hemos visto, usando una aplicación que no hemos ejecutado, y es la única cifra de este lanzamiento que más conviene tomar con reservas hasta que alguien fuera del laboratorio la reproduzca. También es la afirmación sobre la que se sustenta todo el marco de «el primer MoE de código abierto que se ejecuta sin problemas en el dispositivo sin comprometer el rendimiento»: una afirmación que, por definición, es difícil de refutar, porque «sin comprometer el rendimiento» se mide con respecto a una línea de base que elige el proveedor.

La parte de la tarjeta que es información verdaderamente nueva: la lista de ecosistemas

Antes del 12 de octubre no había ninguna receta de servicio publicada en absoluto. La tarjeta ahora nombra los frameworks con los que se espera que funcione el modelo, y la lista es lo suficientemente amplia como para ser útil sin importar cómo resulten los benchmarks:

• Inferencia — SGLang, vLLM, llama.cpp y Ollama, con una ruta de transformers serve para un endpoint local compatible con OpenAI y una ruta de OpenVINO para CPU, GPU y NPU de Intel.

• Ajuste fino — SWIFT y LLaMA-Factory, además de una receta de entrenamiento que OpenBMB llama Self-Replay Fine-Tuning, posicionada como una forma de bajo costo de ampliar capacidades a la vez que limita el olvido.

• Cuantización — GGUF, BNB, AWQ, GPTQ y FP8, con repositorios separados publicados para las variantes AWQ, GPTQ, int4, FP8 y GGUF del modelo 35B.

• Hardware — se anuncia soporte desde el día 0 para las plataformas de chips de Rockchip, Houmo, Intel, AMD y Arm, junto con el despliegue en iOS, Android y HarmonyOS.

• Herramientas — un recetario con guías de tareas para chat de una sola imagen, chat con varias imágenes, vídeo, OCR, análisis de PDF y grounding visual, además de un repositorio de despliegue en el borde que contiene las aplicaciones para teléfono.

• Decodificación especulativa — checkpoints de borrador DSpark separados para los modelos objetivo de 35B y 1B.

El efecto práctico es que MiniCPM-V 4.7 pasó de «tendrías que escribir el cargador tú mismo» a «hay una ruta documentada en al menos cuatro stacks de servicio». Si estabas esperando la tarjeta antes de dedicar tiempo a una prueba local, la espera terminó; si estabas esperando evidencia independiente de que los números en el dispositivo son reales, no.

Qué establecen y qué no establecen los benchmarks

La sección de evaluación de la tarjeta es honesta sobre lo que es: reportado por el proveedor, no reproducido de forma independiente. Se hacen explícitamente dos afirmaciones comparativas, y ambas se plantean como comparaciones en lugar de puntuaciones absolutas. En modo Instruct, se afirma que 35B-A3B alcanza una puntuación general más alta en menos tiempo de inferencia que Qwen3.6 35B-A3B —una afirmación de rendimiento frente a latencia, no una afirmación de calidad bruta. Se afirma que la variante de 1B mejora las capacidades principales de MiniCPM-V 4.6 y supera sustancialmente a Qwen3.5 0.8B tanto en puntuación general como en eficiencia de inferencia.

Esta es la parte que vale la pena señalar. Las cifras reales no están en el texto. La sección de evaluación consta de cinco imágenes enlazadas —un gráfico de rendimiento general para las tareas de visión-lenguaje del modelo 35B, un gráfico de lenguaje, el gráfico del 1B, un gráfico de frontera de rendimiento-eficiencia y un GIF de comparación de velocidad en dispositivo— y el texto que las rodea contiene la narrativa, no las cifras. No hay una tabla por benchmark en el README, así que no hay una puntuación legible por máquina que citar y, en consecuencia, nada que este artículo pueda citar como número. «Una puntuación general más alta que Qwen3.6 35B-A3B» es lo más preciso que llega a ser el registro público actualmente.

De esto se derivan dos consecuencias. En primer lugar, MiniCPM-V 4.7 no aparece en las clasificaciones neutrales de terceros a las que normalmente recurriríamos para una comparación auditada: ni índice de razonamiento, ni índice agéntico, ni una puntuación multimodal evaluada de forma independiente. En segundo lugar, el agregado que OpenBMB está trazando es el compuesto propio del proveedor a partir de los grupos de referencia que él mismo seleccionó, lo que significa que la afirmación de una «puntuación general más alta» es tan significativa como la ponderación que la sustenta, y esa ponderación tampoco se ha publicado. Nada de esto hace que las cifras sean incorrectas. Las convierte en no auditadas, que es algo distinto, y la distinción importa más precisamente allí donde las cifras son más sólidas.

Lo que puedes verificar tú mismo, hoy

Quita el marketing y queda un núcleo sólido y verificable, todo ello legible desde el repositorio sin tener que confiar en nadie:

• Bytes de pesos — dieciséis fragmentos de safetensors en el modelo de 35B que suman 70.425.903.448 bytes, consistente con un checkpoint BF16 de 35,2B; el modelo de 1B es un único archivo de 3,1 GB.

• Arquitectura — todas las cifras estructurales anteriores están en config.json, publicadas abiertamente y coinciden con el texto de la tarjeta.

• Licencia — Apache-2.0, declarada en el front matter de la tarjeta y ahora sin ambigüedad. Para uso comercial, esta es la línea más importante del lanzamiento, y es nueva.

• Variantes cuantizadas — Existen repositorios AWQ, GPTQ, int4, FP8 y GGUF que se pueden descargar, por lo que el despliegue no es algo teórico a nivel de pesos.

• Señales de adopción — a fecha del 13 de octubre, el repositorio 35B acumula aproximadamente 166 descargas y 38 «me gusta», un avance frente a las cifras cercanas a cero que registraba cuando era una carga inexplicada, aunque sigue siendo una cifra pequeña para un lanzamiento que se presenta como frontera de Pareto.

Lo que no puedes verificar es la afirmación que sostiene el lanzamiento: que este es el primer MoE de código abierto que se ejecuta en un teléfono sin sacrificar nada, a más de 13 tokens por segundo. Eso queda a la espera de un tercero con un iPhone y un cronómetro.

Dónde encaja un router y dónde no

OrcaRouter no sirve MiniCPM-V 4.7. Es un checkpoint de pesos abiertos, lo que significa que el modelo en sí es algo que alojas tú: en una estación de trabajo, en un equipo con GPU o en el teléfono al que apunta la tarjeta. El lugar donde una capa de enrutamiento se gana su sitio está al otro lado de ese planteamiento: el punto en el que un modelo de visión autoalojado decide que se ha quedado sin recursos y le pasa el fotograma difícil a algo más grande. OrcaRouter pone más de 200 modelos alojados detrás de una sola clave, traslada el precio de lista de cada proveedor con un margen del 0% de modo que un cambio de precio de un proveedor se refleja ese mismo día, y hace conmutación por error automáticamente cuando un proveedor se degrada, que es justo la forma que necesita una configuración híbrida, con el modelo local barato encargándose del trabajo rutinario y un modelo alojado absorbiendo los casos que no puede asumir.

Qué ver a continuación

Tres cosas convertirían este lanzamiento de una afirmación documentada en un hecho indiscutible. Una medición independiente en el dispositivo del modelo 35B —alguien con un iPhone 17 Pro Max, la app publicada y su propia medición de tiempos— zanjaría la cifra sobre la que descansa toda la propuesta. Una tabla por benchmark con puntuaciones reales, en lugar de gráficos, permitiría contrastar la afirmación de Pareto con la línea base que menciona. Y una corrida en una tabla de clasificación neutral pondría a MiniCPM-V 4.7 junto a modelos evaluados bajo condiciones que no eligió. Hasta entonces, el resumen honesto es que OpenBMB lanzó un modelo real, con licencia Apache-2.0 y bien documentado, con una historia de eficiencia creíble y no demostrada, y que la diferencia entre esas dos cosas es exactamente la diferencia entre una ficha y un benchmark.