LFM3-Omni-2B vs MiniCPM-V 4.7 35B-A3B : le nouveau venu et le tenant du titre

Deux chiffres, tous deux exacts, tous deux trompeurs si on les lit comme un verdict : MiniCPM-V 4.7 35B-A3B a été téléchargé environ 289 000 fois, et LFM3-Omni-2B a été téléchargé 83 fois. L'écart ressemble à une déroute. C'est en réalité une affaire de calendrier. Les poids d'OpenBMB ont été mis en ligne le 6 octobre 2026 ; ceux de Liquid AI le 21 octobre, et ils ont été annoncés le 27 octobre, un jour avant le relevé de ces chiffres. Un modèle qui existe depuis une semaine ne peut pas avoir un historique de téléchargements, et un modèle qui a six semaines d'avance et une communauté MiniCPM déjà établie en aura un, qu'il le mérite ou non.

Ainsi, la comparaison intéressante ne porte pas sur la popularité. Elle porte sur ce qu’une équipe qui choisit un petit modèle multimodal pour un appareil doit réellement prendre en compte : s’il doit pouvoir entendre, s’il doit être quantifié de six manières différentes et quelle licence restera acceptable lorsque le produit générera des revenus.

Ce qu'est chaque modèle

MiniCPM-V 4.7 35B-A3B est le premier modèle vision-langage à mélange d'experts d'OpenBMB : 35,2 milliards de paramètres stockés, avec un routage de 8 experts sur 256 par jeton, environ 3 milliards actifs, 40 couches de texte, derrière une tour de vision de 27 couches d'une taille cachée de 1 152 qui s'insère à la couche 6 de la pile de texte. Il lit des images, des ensembles multi-images, de la vidéo et du texte, et répond en texte. Il n'existe aucun chemin audio dans les 70,4 Go de poids. L'affirmation phare de la fiche technique ne porte pas sur la précision mais sur la viabilité : plus de 13 jetons par seconde sur un iPhone 17 Pro Max en utilisant environ 3 Go de mémoire, rendu possible par une astuce Lookahead Expert Scheduling qui prédit les experts de la couche suivante et les précharge pendant que la couche actuelle calcule.

LFM3-Omni-2B est l’entrée omni de Liquid AI dans la famille LFM3 : 2,17 milliards de paramètres denses sur un socle LFM3-1.7B, avec un encodeur visuel LFM3 et un encodeur audio causal LFM3 alimentant un vocabulaire unique de 128 000 tokens. Il traite le texte, les images, la vidéo avec ou sans son, et l’audio à 16 kHz, et produit du texte ou de la parole à 24 kHz, y compris du texte et de la parole entrelacés dans une même réponse. C’est un modèle non raisonnant par conception — la fiche indique que enable_thinking=True n’est pas pris en charge — et il est destiné aux téléphones, aux ordinateurs portables et aux matériels edge.

Les deux tiennent sur un téléphone. Un seul a été pensé pour ça.

Il est facile de classer les deux sous « petit modèle sur un appareil » et de passer à autre chose. L’ingénierie sous-jacente est à l’opposé.

Le problème d’OpenBMB était la bande passante mémoire sur un téléphone mobile, donc le modèle est creux d’une manière qui réduit ce qui doit être lu par token : 35,2 milliards stockés, 3 milliards sollicités. Le Lookahead Expert Scheduling est le signe révélateur : on ne met en place un préchargement des experts que lorsque le goulot d’étranglement est le déplacement des poids, et non leur multiplication. LFM3-Omni-2B résout le même problème en étant réellement petit : 2,17 milliards de paramètres denses, aucun routage du tout, tout en 16 bits, et pourtant quelques gigaoctets seulement.

Le compromis apparaît dans la quantification. MiniCPM-V 4.7 est livré avec des builds GGUF, AWQ, GPTQ, FP8, INT4 et BitsAndBytes, ainsi que des checkpoints draft DSpark pour le décodage spéculatif — un menu complet pour l’accélérateur sur lequel vous tomberez. LFM3-Omni-2B a des poids BF16 sur Hugging Face et une build Ollama en circulation, et cette fiche Ollama annonce un contexte de 125K contre 32K dans la fiche du modèle. Qu’il s’agisse d’un bug d’empaquetage ou d’une capacité non documentée reste, à l’heure où nous écrivons, non résolu. Si vous devez exécuter sur un NPU Rockchip ou un ordinateur portable Intel, le fournisseur doté de six formats de quantification est le pari le plus sûr dès le premier jour.

La ligne qui décide de la plupart des déploiements

MiniCPM-V 4.7 35B-A3B ne peut pas entendre. Pas de tour audio, pas de chemin ASR, pas de tête de parole. LFM3-Omni-2B peut entendre et répondre à voix haute, dans 19 locales vocales et 16 langues écrites.

Pour une charge de travail composée de documents, de graphiques, de captures d’écran ou d’images vidéo, cette différence est sans importance, et MiniCPM est le choix le plus solide sur presque tous les autres plans — plus grand, plus largement testé, mieux outillé. Pour tout ce qui implique un microphone dans la boucle, cela met immédiatement fin à la comparaison. On ne peut pas greffer l’ouïe sur MiniCPM-V 4.7 sans ajouter un modèle ASR distinct, puis un modèle TTS, et à ce stade, on fait tourner trois modèles pour faire ce qu’un seul checkpoint de 2,17 B fait nativement.

L’inverse est également vrai. LFM3-Omni-2B lit des images, mais c’est un modèle de 2,17 B qui les lit : sa fiche indique OCRBench 806, DocVQA 92,47 et MMMU 42,44, avec MMMU-Pro à 27,28. Ce sont des chiffres honorables pour cette taille, mais non compétitifs face à un modèle de 35 B sur des mises en page documentaires difficiles. Si la tâche consiste en tableaux denses et formulaires numérisés, le modèle plus grand l’emporte sur la tâche, avant même de considérer le routage 8-sur-256 qui le rend peu coûteux à exécuter.

Là où les chiffres s'arrêtent

Voici la partie inconfortable : il n’existe aucun tableau comparatif honnête, car OpenBMB publie les résultats de son MiniCPM-V 4.7 sous forme d’images de graphiques plutôt que de tableaux numériques. Il n’y a aucun chiffre MMStar, MMMU ou OCRBench à citer depuis la fiche du 35B-A3B. Tout ce qui met un nombre dans cette colonne provient soit du modèle frère 1B — un modèle différent avec une architecture différente —, soit de l’invention.

La fiche de LFM3-Omni-2B, en revanche, est un tableau complet : MMStar 55,67, MMMU 42,44, MMMU-Pro 27,28, MMBench 73,68, SEEDBench 75,07, RealWorldQA 66,54, MathVista 62,50, POPE 89,34, DocVQA 92,47, InfoVQA 64,08, OCRBench 806, MVBench 58,03, Video-MME 57,70, plus une colonne parole allant de l'ASR anglais à un taux d'erreur de mot de 6,36 jusqu'au TTS UTMOSv2 à 3,80. Tout a été mesuré par Liquid AI, avec le propre template de chat de chaque modèle comparé et un décodage glouton, et rien n'a été reproduit.

Un tableau fourni par un vendeur vaut mieux qu’un graphique fourni par un vendeur, mais ce n’est pas équivalent à une évaluation indépendante. Aucun des deux modèles n’en dispose. C’est la situation actuelle dans toute la catégorie small-omni, et c’est pourquoi les contraintes de déploiement finissent par compter davantage qu’un point de MMMU.

Licences, à lire avant l’expédition du prototype

MiniCPM-V 4.7 est sous Apache 2.0. Pas de test de revenus, pas de clause de domaine d'utilisation, pas de négociation. LFM3-Omni-2B est sous la LFM Open License v1.0, la licence à seuil de chiffre d'affaires que Liquid applique à l'ensemble de LFM3. Pour un projet personnel ou une jeune startup, les deux sont équivalentes en pratique. Pour une entreprise dépassant le seuil, l'une d'elles exige une conversation avec un avocat, et l'autre non — et cette conversation coûte bien moins cher maintenant qu'après l'intégration du modèle au produit.

C’est l’axe le moins glamour de la comparaison, et celui qui a le plus de chances de faire pencher la balance dans une entreprise réelle.

Comment les deux s'intègrent dans une seule architecture

La réponse réaliste pour la plupart des équipes n’est pas de « choisir une seule option ». C’est un modèle embarqué pour le cas courant et un modèle hébergé pour les requêtes que le modèle embarqué gère mal. Garder cette seconde moitié portable est la partie qui survit à un changement de modèle embarqué : OrcaRouter offre une API unique pour plus de 200 modèles hébergés, avec 0 % de marge sur le prix catalogue du fournisseur, un basculement automatique en cas de panne d’un fournisseur, et un DSL de routage qui déplace une requête vers un autre modèle sans modification de code. Ni LFM3-Omni-2B ni MiniCPM-V 4.7 ne figurent dans ce catalogue — tous deux sont des téléchargements de poids, et cet article ne suggère pas le contraire. L’idée est que le niveau de repli ne devrait pas être reconstruit à chaque changement du niveau embarqué, et avec un niveau embarqué qui évolue encore toutes les quelques semaines, il changera.

Lequel mettre sur l'appareil

Choisissez MiniCPM-V 4.7 35B-A3B si vous avez besoin de qualité visuelle, d'un format de quantification que vous pouvez réellement déployer, d'Apache 2.0 et d'un écosystème qui compte six semaines de retours de terrain. Son nombre de téléchargements n'est pas un indicateur de qualité, mais les rapports de bogues qui accompagnent 289 000 téléchargements constituent une forme de test dont LFM3-Omni-2B ne dispose pas encore.

Choisissez LFM3-Omni-2B si le produit a besoin d’une voix, si l’appareil est suffisamment limité en mémoire pour que 3 Go de poids actifs restent encore excessifs, ou si vous voulez un seul checkpoint plutôt qu’une pile ASR-plus-LLM-plus-TTS. Acceptez les scores de vision du modèle plus petit, la licence à seuil de chiffre d’affaires et le fait que vous êtes un utilisateur précoce d’un modèle dont l’annonce date d’un jour.

Ce qui trancherait, c’est une seule exécution indépendante — le même banc d’essai, les deux modèles, OCRBench et MMMU et une tâche vocale. Personne ne l’a fait. Tant que personne ne le fait, le classement honnête est : MiniCPM pour la vision, LFM3-Omni pour la parole, et un tableur pour tout le reste.