MiniCPM-V 4.7 vs Gemma 4 12B: uno publica los benchmarks, el otro publica una imagen de ellos

Abre la ficha del modelo MiniCPM-V 4.7 y desplázate hasta la sección de evaluación. Encontrarás tres imágenes: un gráfico de frontera de rendimiento frente a tiempo de inferencia, una comparación general de visión-lenguaje y una comparación general de lenguaje. No encontrarás una tabla. Ahora abre la ficha de Gemma 4 12B y desplázate hasta el mismo lugar. Encontrarás MMLU Pro, AIME 2026, LiveCodeBench v6, GPQA Diamond, Codeforces ELO, MMMU Pro, MATH-Vision y una tasa de error de análisis de documentos, cada uno con un número que puedes copiar en una hoja de cálculo. Ambos modelos son de pesos abiertos, ambos son Apache 2.0, ambos se presentan como modelos multimodales que caben en el hardware que posees —y solo uno de ellos te permitirá comprobar su trabajo. Los fallos de IA y los incidentes de agentes documentados que hay detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive donde cada entrada incluye sus propias fuentes, su nivel de gravedad, su grado de confianza y su indicador de disputa.

Esa asimetría es la comparación real. MiniCPM-V 4.7, lanzado por OpenBMB el 12 de octubre de 2026, y Gemma 4 12B, lanzado por G​oogle DeepMind el 3 de junio de 2026, no son el mismo tipo de objeto, y la diferencia no es el tamaño. Es cuánto de su propia afirmación está dispuesto a poner por escrito cada proveedor.

Lo que cada proveedor te dirá, en cifras

La ficha de Gemma 4 12B publica sus puntuaciones frente a cinco hermanos y un predecesor, con el arnés de evaluación nombrado por benchmark. Para la variante 12B Unified específicamente, el proveedor reporta 77,2 en MMLU Pro, 77,5 en AIME 2026 sin herramientas, 72,0 en LiveCodeBench v6, 78,8 en GPQA Diamond, un ELO de Codeforces de 1659, 69,0 en Tau2 promediado en tres ejecuciones, 83,4 en MMMLU, y —el número que más honestamente enmarca lo que es un modelo 12B— 5,2 en Humanity's Last Exam sin herramientas. En el lado de visión reporta 69,1 en MMMU Pro, 79,7 en MATH-Vision, y 0,164 de distancia de edición promedio en OmniDocBench 1.5, donde menor es mejor.

Esas son cifras del proveedor. Nadie independiente tiene que estar de acuerdo con ellas, y en un modelo tan ampliamente desplegado algunas no sobrevivirán al contacto con un arnés diferente. Pero son falsables, que es la propiedad que importa. Si obtienes 62 en MMLU Pro con tu propia evaluación, sabes que algo anda mal en tu configuración o con la tarjeta.

La ficha de MiniCPM-V 4.7 presenta cuatro afirmaciones numéricas en prosa y ninguna tabla de benchmarks. La variante 35B-A3B decodifica a 13 o más tokens por segundo usando unos 3 GB de memoria en un iPhone 17 Pro Max. Lookahead Expert Scheduling ofrece una aceleración de 5× en dispositivos reales. La variante 1B supera a Qwen3.5 0.8B en puntuación global y eficiencia de inferencia. Y en modo Instruct, 35B-A3B alcanza una puntuación global más alta en menos tiempo de inferencia que Qwen3.6 35B-A3B. Todo lo demás —cada eje de la comparación— está dentro de las imágenes de las gráficas.

Eso no es deshonestidad. Los gráficos transmiten información, y un gráfico de frontera es posiblemente un mejor resumen de una relación de compromiso entre velocidad y calidad que una tabla de puntuaciones en diferentes benchmarks medidas con distintos tamaños de lote. Pero un gráfico no se puede citar, no se puede volver a derivar y no se puede comparar con el gráfico de otro proveedor sin que alguien lea posiciones de píxeles. Cuando la única evaluación pública de un modelo es una imagen, la postura correcta es tratar el modelo como no medido hasta que alguien lo mida.

Las dos arquitecturas están resolviendo problemas diferentes.

Lea más allá de las secciones de evaluación y los diseños divergen marcadamente, lo que constituye una señal más útil que cualquier puntuación individual.

Gemma 4 12B no tiene encoder. No hay una torre de visión separada ni un codificador de audio separado: los parches de imagen sin procesar y las formas de onda de audio se proyectan directamente en el espacio de embeddings del modelo de lenguaje mediante capas lineales ligeras. La razón que da G​oogle es la latencia y el ajuste fino en una sola pasada: un modelo, una sola ejecución de entrenamiento, todas las modalidades. La contrapartida es que la empresa apuesta a que un transformer de solo decodificador puede aprender a ver lo suficientemente bien sin un front-end visual dedicado. Su propia cifra de 69.1 en MMMU Pro, frente a 76.9 del hermano de 31B que sí incorpora un codificador de visión de aproximadamente 550M de parámetros, sugiere que la apuesta cuesta algo en razonamiento visual fino.

MiniCPM-V 4.7 va en la dirección opuesta. Mantiene una torre de visión dedicada —ancho oculto de 1152, 27 capas, mosaicos de 980 píxeles— e invierte su ingeniería en abaratar esa torre. La compresión temprana intra-ViT tomada de LLaVA-UHD v4 recorta los tokens visuales dentro del codificador en lugar de después de él, y un conmutador mixto de submuestreo 4×/16× permite que quien llama elija entre detalle y coste por solicitud. En el lado del lenguaje, el 35B-A3B es una mezcla de 256 expertos que activa 8 expertos por token, distribuida en un patrón 3:1 de atención lineal a atención completa a lo largo de 40 capas.

La consecuencia práctica de ese diseño es que la ruta de vídeo de MiniCPM es inusualmente explícita. La ficha expone max_num_frames en 128, un parámetro stack_frames que compone subfotogramas en una cuadrícula entre fotogramas principales, y una orientación separada sobre el número de cortes para imágenes (36) frente a vídeo (1). Si estás creando algo que lee grabaciones de pantalla o vídeo de clase, ese nivel de control sobre lo que se muestrea es la característica. Gemma 4 12B también procesa vídeo, como secuencias de fotogramas, pero su ficha documenta el formato en lugar de la economía del muestreo.

Las filas que realmente lo deciden

• Parámetros — 35,21B en total, 8 de 256 expertos activos, además de un modelo hermano denso de 1,55B frente a 11,95B denso

• Modalidades de entrada — texto, imagen, video, con OCR y análisis de PDF destacados frente a texto, imagen, video y audio nativo

• Contexto — 262,144 tokens frente a 262,144 tokens en el 12B, 128K en los modelos hermanos de la serie E

• Licencia — Apache 2.0, pesos descargables vs Apache 2.0, pesos descargables

• Evaluación publicada — gráficos de frontera y comparación, cuatro afirmaciones en prosa frente a una tabla numérica completa en ocho hermanos

• Evaluación independiente — ninguna entrada de Artificial Analysis para ninguna de las dos variantes de 4.7 a la fecha de redacción, frente a una página de Artificial Analysis con posicionamiento en inteligencia y rendimiento

• Memoria en BF16 — aproximadamente 70 GB de pesos para el 35B-A3B, unos 3.1 GB para el 1B frente a aproximadamente 24 GB

• Formatos cuantizados incluidos — GGUF, bitsandbytes, AWQ, GPTQ, FP8, int4 frente al checkpoint original, además de compilaciones GGUF y QAT de la comunidad y de G​oogle y terceros

• Rutas de servicio definidas por el proveedor: SGLang, vLLM, llama.cpp, Ollama, Transformers, OpenVINO vs Transformers, con el ecosistema más amplio aportado por la comunidad

• Historia en el dispositivo: aplicaciones para iOS, Android y HarmonyOS, además de compatibilidad desde el primer día con Rockchip, Houmo, Intel, AMD y Arm, frente a un diseño optimizado para portátiles y GPU de consumo

Tres cargas de trabajo, tres respuestas

Comprensión de pantallas y documentos a gran escala. Es aquí hacia donde apunta el diseño de MiniCPM-V 4.7 y donde su documentación es más sólida. El modo de submuestreo 4×, la configuración de 36 cortes, las entradas de recetario de OCR y de análisis de PDF, y los controles explícitos de muestreo de fotogramas para vídeo describen todos un flujo de trabajo para convertir contenido renderizado en texto estructurado. Gemma 4 12B también resulta creíble aquí —su distancia de edición de 0.164 en OmniDocBench es una cifra real de análisis de documentos—, pero la ficha del proveedor trata el análisis de documentos como una capacidad más entre muchas, en lugar del principio organizador.

Todo lo que necesite oír.Gemma 4 12B acepta audio de forma nativa, con CoVoST en 38.5 y FLEURS en 0.069 en su ficha. MiniCPM-V 4.7 no lo hace. El trabajo de audio de OpenBMB reside en la línea separada MiniCPM-o, y la ficha de 4.7 no incluye ninguna modalidad de audio. Si tu entrada incluye voz, la comparación termina antes de empezar: un modelo necesita un paso de transcripción delante y el otro no.

Una única GPU de consumo con un presupuesto fijo. Gemma 4 12B en 4 bits cabe en menos de 8 GB y deja margen para el contexto; el 35B-A3B en 4 bits no cabe en una sola tarjeta de consumo y la narrativa de rendimiento de su propia ficha se centra en teléfonos que mantienen 3 GB residentes, no en una GPU con 70 GB de pesos de expertos que paginar. Si la restricción es «una tarjeta que ya tienes», el 12B es la respuesta y la variante de 1B es la única MiniCPM que aplica.

La brecha que un comprador debería incorporar en el precio

Ambos modelos se pueden descargar gratis, así que la línea de la licencia queda empatada y el coste real es todo lo que viene después. Para Gemma 4 12B, el ecosistema ha tenido cuatro meses y medio para ponerse al día: compilaciones cuantizadas del propio Google, conversiones GGUF de la comunidad, checkpoints QAT e indexación independiente que te permite compararlo con cien otros modelos en la misma escala. Para MiniCPM-V 4.7, llevas ocho días con una arquitectura nueva —un nuevo model_type, un nuevo diseño de atención, una versión mínima de Transformers— y la propia ficha del proveedor comienza con una nota sobre desajustes de versión de CUDA que rompen la decodificación de vídeo mediante torchcodec.

Eso no es una crítica al modelo. Es el impuesto estándar por adoptar cualquier cosa en sus primeras dos semanas, y es la razón por la que un lanzamiento silencioso con una evaluación basada solo en gráficos es un mal candidato para una ruta de producción y un buen candidato para una prueba en paralelo. La forma de abaratar esa prueba es mantener el sistema actual en servicio mientras evalúas al nuevo, lo cual es un problema de enrutamiento y no de modelado.

OrcaRouter ejecuta más de 200 modelos alojados detrás de un único endpoint compatible con OpenAI con un 0 % de margen, el precio de lista del proveedor se pasa directamente, así que el coste de probar un segundo modelo es un cambio de configuración en lugar de un segundo contrato. Su DSL de enrutamiento puede contener una ruta principal y una de respaldo en una sola llamada, y la conmutación automática por error mantiene activa la ruta principal cuando un proveedor tiene un mal momento. La nota de cobertura es la parte importante aquí: nuestro catálogo incluye Gemma 4 26B-A4B y Gemma 4 31B, no este 12B, y no incluye MiniCPM-V 4.7 en absoluto. Los dos modelos de los que trata este artículo son checkpoints que ejecutas tú mismo — el router es lo que los rodea, no una forma de llamarlos.

¿Qué lo resolvería?

La comparación actualmente está desequilibrada de una manera que es fácil de enunciar y fácil de corregir. Gemma 4 12B tiene cifras con las que se puede discutir. MiniCPM-V 4.7 tiene afirmaciones que solo se pueden aceptar o rechazar: 13 tokens por segundo, 3 GB, una aceleración de 5×, mejor que un competidor con nombre en una puntuación global sin nombre. Cada una de ellas sería más útil como una fila de tabla, y OpenBMB es claramente capaz de producir una; las fichas anteriores de la familia incluían tablas estándar de benchmarks.

Por eso, la postura útil es asimétrica a propósito. Si necesitas una decisión esta semana, Gemma 4 12B es el modelo cuyo comportamiento puedes predecir a partir de las cifras publicadas, y su compatibilidad con audio es una capacidad que ninguna cantidad de paciencia añadirá a MiniCPM-V 4.7. Si estás desarrollando para teléfonos, para HarmonyOS, para una placa Rockchip, o para leer pantallas y documentos donde la ruta de submuestreo 4× es exactamente la adecuada, la ingeniería de MiniCPM-V 4.7 está más específicamente adaptada a tu problema que cualquier cosa que Google haya lanzado en este tamaño — y la tabla ausente es una razón para medirlo tú mismo, no una razón para descartarlo.

Una última cosa que vale la pena decir sin rodeos, porque es la parte que no encaja en el planteamiento de ninguno de los dos proveedores. Ninguno de estos modelos compite por el mismo comprador que una API de frontera. Compiten contra la decisión de no ejecutar ningún modelo en local. El argumento más fuerte de Gemma 4 12B es que cuatro meses de ecosistema significan que el camino aburrido funciona; el argumento más fuerte de MiniCPM-V 4.7 es que un modelo de 1B en 3 GB se ejecuta donde un 12B no puede llegar. Elige primero la restricción y luego el modelo: la tabla de benchmarks, cuando llegue, solo reordenará modelos dentro de una categoría que ya hayas elegido.