
MiniCPM-V 4.7 vs LLaDA-UI : un généraliste prêt pour téléphone face à un agent GUI à diffusion
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 187 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 414 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 87 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 138 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Placez MiniCPM-V 4.7 à côté de LLaDA-UI, et le cadre évident — généraliste contre spécialiste — se révèle être la manière la moins utile de lire la confrontation. MiniCPM-V 4.7, qu'OpenBMB a documenté et publié sous licence le 12 octobre 2026, est un modèle vision-langage à mélange d'experts clairsemé de 35,2 milliards de paramètres dont tout l'argument est l'efficacité : la fiche revendique plus de 13 jetons par seconde sur un iPhone 17 Pro Max et une meilleure position en termes de performance par temps d'inférence que Qwen3.6 35B-A3B. LLaDA-UI, l'agent GUI à mélange d'experts d'environ 16,7 milliards de paramètres d'inclusionAI, est d'une tout autre espèce — il ne génère pas du tout de jetons de gauche à droite, il débruite un bloc de ceux-ci d'un seul coup. La question qu'un développeur se pose réellement est plus étroite que « lequel est le meilleur » : c'est de savoir lequel de ces deux a été mesuré sur le poste pour lequel vous recrutez, et sur quelles preuves.
Les deux bases de preuves ne sont pas le même genre de chose.
Les deux modèles sont évalués par leur fournisseur, et aucun n’a été reproduit indépendamment. Au-delà de cela, la comparaison diverge.
• MiniCPM-V 4.7 — la section d'évaluation de sa fiche modèle se compose de cinq images : la performance globale vision-langage, la performance linguistique, le graphique de la variante 1B, un graphique de la frontière performance/temps d'inférence, et une comparaison de vitesse sur appareil. Le texte formule deux affirmations, toutes deux comparatives plutôt qu'absolues. La documentation publique ne contient aucun tableau de scores par benchmark.
• LLaDA-UI — le rapport technique, l'article arXiv et la page du projet donnent des benchmarks nommés avec des baselines nommées : ScreenSpot-Pro 52,9 contre 52,7 pour Qwen3-VL-8B, AndroidWorld 53,5 contre 47,9, MobileWorld 25,6 contre 9,4, WebVoyager 56,9 contre 45,2, avec ScreenSpot-V2 décrit comme proche et OSWorld-Verified présenté par inclusionAI lui-même comme l'écart restant.
• Ce que cela signifie en pratique — un modèle publie des chiffres au niveau des tâches que l'on peut contester, et l'autre publie un score composite que l'on ne peut pas décomposer. « Un score global plus élevé en moins de temps d'inférence » est une affirmation à propos d'un graphique, et la pondération qui sous-tend le composite n'est pas publiée. Un score de 52,9 sur ScreenSpot-Pro est une affirmation à propos d'un test défini avec un protocole défini.
• Aucun des deux n’est vérifié de manière indépendante — les chiffres de LLaDA-UI proviennent de sa propre page de projet et de son rapport technique ; ceux de MiniCPM-V 4.7 proviennent de graphiques dessinés par le fournisseur. Considérer l’un ou l’autre comme acquis serait une erreur, mais les considérer comme tout aussi instructifs serait une erreur différente.
Ce qu’est réellement chaque modèle
L'écart d'architecture est plus large que ne le suggèrent les nombres de paramètres, et il détermine la plupart des différences pratiques en aval.
• Base — MiniCPM-V 4.7 s'appuie sur un qwen3_5_moe_text backbone avec 256 experts, 8 actifs par token, 40 couches et un schéma d'attention linéaire-complet dans un rapport de trois pour un ; LLaDA-UI repose sur LLaDA2.0-mini-base, un modèle de langage à diffusion masquée.
• Génération — MiniCPM-V 4.7 est autorégressif, un token à la fois ; LLaDA-UI décode par blocs, en débruitant tout un bloc de positions de sortie en parallèle et en reconstruisant sous des conditions bidirectionnelles à l'intérieur de ce bloc.
• Paramètres — 35,2 milliards au total pour MiniCPM-V 4.7, avec 8 experts actifs sur 256 par token ; environ 16,7 milliards au total pour LLaDA-UI en tant que mélange d'experts.
• Contexte — position maximale de 262 144 tokens pour MiniCPM-V 4.7 ; la fiche de LLaDA-UI documente un --max-length par défaut de 8192 pour son script d'inférence, avec de grandes captures d'écran nécessitant de l'augmenter.
• Vision — MiniCPM-V 4.7 utilise une tour de 27 couches et de 1 152 de large avec un patch de 14 et une taille d'image de 980, avec une compression de tokens mixte 4x/16x ; LLaDA-UI utilise un ViT à résolution native initialisé à partir de SigLIP avec des embeddings rotatifs 2D et une fusion spatiale de quatre pour un vers un MLP à deux couches, explicitement afin de préserver le rapport d'aspect des captures d'écran de téléphone, d'ordinateur de bureau et de web.
• Sortie — MiniCPM-V 4.7 produit du texte, la compréhension d'images et de vidéos constituant le côté entrée ; LLaDA-UI produit des coordonnées normalisées dans une plage de 0 à 999 et des séquences étiquetées de raisonnement et d'action destinées à être exécutées.
• Licence — Apache-2.0 pour MiniCPM-V 4.7, déclarée le 12 octobre ; aucune licence n'est mentionnée nulle part sur la page du projet LLaDA-UI ni sur la fiche du modèle.
Ce dernier point n'est pas une note de bas de page si vous livrez. L'un de ces deux, vous pouvez le mettre dans un produit commercial dès aujourd'hui sans discussion ; l'autre, non.
Le décodage est là où réside la véritable séparation
La diffusion par blocs est la raison pour laquelle LLaDA-UI existe en tant que ligne de travail distincte plutôt que comme un autre fine-tuning. Dans une boucle d'agent autorégressive, chaque token d'action dépend de chaque token qui le précède, de sorte que la coordonnée de clic à la fin d'une réponse attend le raisonnement qui la précède. Dans un agent de diffusion, le bloc est raffiné comme une unité, et la conséquence pratique qu'inclusionAI met en avant est la latence : lors d'un test d'API apparié, la page du projet rapporte 4,8 à 6,4 secondes contre 17 à 53 secondes pour Qwen3-VL-8B, décrites comme des accélérations moyennes de 3,58x sur le web, 6,83x sur ordinateur de bureau et 8,95x sur les entrées mobiles, tout en émettant plus de tokens par appel. Sur les entrées MobileWorld, les moyennes rapportées sont de 5,9 secondes contre 53,0.
Ces chiffres sont mesurés par le fournisseur, appariés et non mis en cache sur le banc d’essai propre au laboratoire, et ils doivent être lus comme tels. Mais l’orientation mérite d’être prise au sérieux, même avec cette réserve, car les boucles d’agents multiplient la latence. Un agent d’interface qui effectue dix étapes paie dix fois le coût par étape, et une différence de dix secondes par étape fait la différence entre une démo et un produit.
MiniCPM-V 4.7 s’attaque au même problème par l’autre bout. Il conserve le décodage autorégressif et rend chaque étape peu coûteuse grâce à l’ordonnancement des experts — un prédicteur inter-couches précharge les experts dont la couche suivante aura probablement besoin, en donnant la priorité à ceux que le routeur réel a effectivement sélectionnés, la fiche précisant explicitement que la prédiction ne sert qu’au préchargement et que le routage propre du modèle régit toujours le calcul. Ajoutez à cela une quantification couche par couche et l’échantillonnage spéculatif DSpark, et l’on revendique plus de 13 jetons par seconde pour un MoE de 35 milliards de paramètres sur un téléphone portable. Mécanisme différent, même objectif : rendre la boucle assez rapide pour qu’un appareil puisse l’exécuter.

Ce en quoi chacun est bon, formulé aussi restrictivement que les preuves le permettent.
• Choisissez LLaDA-UI lorsque la tâche est une interface — clics, saisie, navigation dans une application mobile, une fenêtre de bureau ou une page web. C'est celui des deux qui dispose de scores d'ancrage et de navigation publiés, d'une convention de coordonnées documentée et d'exemples de requêtes fournis pour mobile, bureau et web.
• Choisissez MiniCPM-V 4.7 lorsque la tâche consiste à comprendre — décrire une photographie, lire un document, analyser un PDF, répondre à une question sur une vidéo, exécuter sur du matériel que vous possédez. C’est celui des deux qui présente une attention documentée portée à l’OCR, à l’analyse de PDF et à l’ancrage visuel dans son cookbook, avec une prise en charge native dans SGLang, vLLM, llama.cpp et Ollama, et avec des variantes quantifiées publiées pour le téléchargement.
• Le chevauchement est plus faible qu'il n'y paraît — la fiche de MiniCPM-V 4.7 mentionne le visual grounding comme guide de recettes, mais ne publie aucun score de grounding. La fiche de LLaDA-UI ne porte que sur une seule tâche. Si votre charge de travail est l'automatisation d'interface graphique, vous comparez un spécialiste mesuré à un généraliste non mesuré ; si votre charge de travail est la compréhension de documents et d'images, vous comparez un généraliste documenté à un modèle qui n'a jamais été conçu pour cela.
• La friction de déploiement joue dans l'autre sens — MiniCPM-V 4.7 propose des checkpoints GGUF, AWQ, GPTQ, int4 et FP8, ainsi qu'un chemin OpenVINO et une prise en charge annoncée dès le jour 0 pour les puces Rockchip, Houmo, Intel, AMD et Arm. Le chemin de service de LLaDA-UI exige les correctifs de diffusion multimodale SGLang propres au laboratoire et son script serve_llada_ui.sh ; la fiche du modèle indique clairement que le serveur ne peut pas être démarré à partir d'une installation SGLang standard.
La question du coût que personne ne publie
Aucun des deux modèles n’a de prix public par token, car aucun n’est un point de terminaison hébergé que vous louez au million de tokens. Vous hébergez les deux, ce qui signifie que le coût, c’est votre matériel et votre latence. Cela recadre le choix : un checkpoint de 16,7 milliards de paramètres d’environ 32 Go en BF16 représente un engagement nettement plus faible qu’un modèle de 70 Go à 35 milliards de paramètres, et si la tâche de l’agent n’a besoin que du plus petit modèle, le plus grand ne vous apporte rien sur cette charge de travail.
Le cas hybride est celui où une couche de routage justifie son existence. Exécutez localement le petit modèle conçu pour la tâche afin d'accomplir le travail d'interface routinier, et confiez les cas vraiment ardus — une capture d'écran dense, un document inhabituel, une question qui exige les connaissances générales d'un modèle plus grand — à un point de terminaison hébergé. OrcaRouter place plus de 200 modèles hébergés derrière une seule clé avec le prix catalogue de chaque fournisseur répercuté à 0 % de marge et un basculement automatique lorsqu'un fournisseur se dégrade, et son DSL de routage permet à un seul appel de distribuer un cas difficile vers plusieurs modèles lorsque la réponse doit être juste plutôt qu'économique. Ni MiniCPM-V 4.7 ni LLaDA-UI n'est servi par son intermédiaire — ce sont tous deux des checkpoints à poids ouverts que vous exécutez vous-même, et le routeur est ce qui se trouve de l'autre côté de ce transfert.

Trois questions auxquelles il vaut la peine de répondre avant de vous engager
L'avantage de vitesse de LLaDA-UI est-il réel sur votre matériel ? Les chiffres de 3 à 9x sont des mesures appariées, sans cache, sur le banc d'essai propre au laboratoire, face à une seule référence. La diffusion par blocs a des caractéristiques de mémoire différentes de celles du décodage autorégressif, et une accélération mesurée sur le GPU du fournisseur ne se transpose pas automatiquement au vôtre. C'est le chiffre qui mérite le plus d'être reproduit avant de vous appuyer dessus.
MiniCPM-V 4.7 peut-il seulement être orienté vers une tâche d’interface ? Vraisemblablement — c’est un modèle vision-langage dont l’outillage de grounding est documenté — mais la fiche ne publie aucun benchmark d’agent GUI, aucune convention de coordonnées et aucun vocabulaire d’actions. Construire aujourd’hui un agent GUI sur cette base revient à définir soi-même le format de sortie et à espérer que le modèle le respecte. LLaDA-UI a résolu ce problème délibérément, avec un raisonnement balisé ainsi que des sorties d’actions et des vocabulaires par plateforme.
Lequel sera encore pris en charge dans six mois ? OpenBMB a livré toute une famille autour de MiniCPM-V 4.7 — deux variantes de base, cinq formats de quantification, deux modèles de draft DSpark, un cookbook et un dépôt de déploiement en périphérie — en moins d'une semaine, sous licence Apache-2.0. LLaDA-UI dispose d'un rapport technique, d'un article arXiv, d'une page de projet et d'un dépôt de code, et d'aucune licence déclarée. L'étendue de l'infrastructure environnante est un indicateur raisonnable de la volonté d'un laboratoire de garder quelque chose en vie.
Le verdict
Ces deux modèles ne sont pas des substituts, et la recommandation honnête découle de cela plutôt que du nombre de paramètres. Si vous développez de l'automatisation d'interface, LLaDA-UI est le produit le plus abouti, et ce malgré sa taille de modèle inférieure — mesuré sur la tâche, avec un format de sortie documenté et une voie de mise en service, et comportant le risque de licence que vous devez résoudre avant la mise en production. Si vous construisez quoi que ce soit qui implique de regarder des images, de lire des documents ou de fonctionner sur un téléphone, c'est MiniCPM-V 4.7 qui dispose de l'écosystème, de la licence permissive et du récit de déploiement, et ses affirmations d'efficacité sont exactement aussi solides qu'un graphique non reproduit peut le permettre. Les équipes qui ont besoin des deux les font tourner ensemble, et la couche de routage est la partie la moins coûteuse de cet arrangement.

