MiniCPM-V 4.7 1B לעומת LFM2.5-VL 3B: OpenBMB אומרת שה-1B שלה מנצח דגם 3B. הנה מה שהטענה הזו מסתירה

MiniCPM-V 4.7 1B ו-LFM2.5-VL 3B הם שניהם מודלים חזותיים-לשוניים במשקלים פתוחים שנבנו לטלפונים ולמחשבים קטנים, והם מרוחקים פחות משלושה שבועות זה מזה בלוח השנה. MiniCPM-V 4.7 1B הועלה על ידי OpenBMB ב-6 באוקטובר 2026 ותוארך ל-12 באוקטובר בהערות השחרור של הספק. LFM2.5-VL 3B פורסם על ידי Liquid AI ב-11 באוגוסט 2026. האחד הוא 1.55 מיליארד פרמטרים ו-Apache 2.0. האחר הוא 3.12 מיליארד פרמטרים תחת רישיון LFM Open License v1.0. ודף המוצר של OpenBMB עצמו מציג טענה שצריכה לעצור כל מי שקונה על סמך גודל בלבד: שהמודל 1B שלה עולה על LFM2.5-VL 3B ב-OCR, בהסקת תרשימים ובהבנת וידאו. הכשלים המתועדים של בינה מלאכותית ותקריות סוכנים שמאחורי שחרורים כמו זה נאספים בארכיון תקריות ה-AI של OrcaRouter שבו כל רשומה נושאת את המקורות שלה, חומרה, דירוג ביטחון ודגל של שנוי במחלוקת.

המשפט הזה עושה הרבה עבודה. הוא גם, ככל שאפשר לבדוק, אינו עומד בסתירה לנתונים — וזה מעניין יותר מאשר אילו כן היה. המאמר הזה סוקר מה כל ספק פרסם בפועל, היכן ההשוואה אמיתית, ושתי הנקודות שבהן הטענה מחליפה בשקט את נושא הדיון.

הטענה, במילותיו של הספק עצמו

הדף של OpenBMB על מודל ה-1B אומר שהמודל "מהווה שדרוג מקיף לעומת MiniCPM-V 4.6-1.3B ועולה על Qwen3.5-0.8B ו-LFM2.5-VL-3B, ונשאר מוביל בקטגוריית הגודל שלו ב-OCR, בהסקה מתרשימים ובהבנת וידאו." הסעיף המשמעותי הוא "נשאר מוביל בקטגוריית הגודל שלו." ההשוואה ל-LFM2.5-VL 3B מוצגת כראיה לצפיפות יכולות; המשפט שאחריה מגביל את הטענה לקטגוריית גודל שה-LFM אינו נמצא בה.

הכרטיס של Liquid AI לא מחזיר את הטובה. הוא לא מזכיר את MiniCPM כלל, והוא משווה את המודל שלו ל-G​emma4 E2B ו-E4B, ל-InternVL 3.5 2B ו-4B, ול-Qwen3.5-2B ו-4B. כלומר, זו השוואה חד-צדדית: ספק אחד מדד את עצמו מול השני, והשני מעולם לא הכיר בהשוואה. הא-סימטריה הזו היא הדבר הראשון שצריך לדעת לפני שקוראים כל השוואה ראש-בראש, כולל זו.

מה כל ספק מצהיר באופן רשמי

Liquid AI מפרסמת טבלה מספרית. LFM2.5-VL-3B מדווח על MathVista 68.5, ‏MMMU Pro 30.5, ‏ChartQA 81.3 ו-OCRBenchv2 47.5 (תת-קבוצה באנגלית בלבד), לצד ציונים של מודל אחות באותן שורות. אלה מספרי ספק, שהורצו על ידי הספק, ואין חובה שאף גורם עצמאי יסכים איתם — אך ניתן להפריך אותם, וזה מה שהופך אותם לשימושיים. אם אתה משחזר 55 ב-MathVista, אתה יודע שמשהו בהגדרה שלך שונה.

OpenBMB מפרסמת סיכום מספרי בפרוזה ותרשימים מלאים מתחתיו. עבור ה-1B, העמוד מציין OCRBench 86.1, MathVista 74.3, CharXiv Reasoning 48.8, LongVideoBench 53.4 ו-MotionBench 54.55, ומציג את שאר ההשוואה כתמונות עם עמודת 4× ו-16×. כרטיס המודל עצמו אינו מכיל טבלת בנצ'מרקים כלל.

השוו בין השניים על המדד היחיד ששניהם מציינים בשמו. MathVista: MiniCPM-V 4.7 1B עם 74.3, LFM2.5-VL 3B עם 68.5. ה-1B מוביל ב-5.8 נקודות לפי הדיווח של הספק עצמו. ב-OCR, השניים משתמשים בכלים שונים — OCRBench לעומת תת-הקבוצה האנגלית של OCRBenchv2 — והמספרים אינם ברי-השוואה, וזה בדיוק מסוג הפרטים שמשפט "עולה על" מדלג עליהם.

כאשר ההשוואה היא בין דברים בני השוואה

• פרמטרים — 1.55B צפוף, BF16, 3.1 GB בדיסק לעומת 3.12B צפוף, BF16; ה-LFM הוא בערך פי שניים מהמודל

• מקודד חזותי — מגדל בסגנון SigLIP2, 27 שכבות, 1152 ממדים נסתרים, אריחים של 980 פיקסלים לעומת SigLIP2 NaFlex 400M, טלאים לא חופפים בגודל 512×512 בתוספת תמונה ממוזערת משונה בגודלה

• עמוד השדרה הטקסטואלי — תצורה שנגזרה מ-Qwen3.5 עם 24 שכבות, 1024 ממדים נסתרים, דפוס קשב לינארי-מלא ביחס 3:1 לעומת LFM2.5-2.6B, ארכיטקטורה היברידית בתכנון עצמי של Liquid AI

• הקשר — 262,144 אסימונים לעומת 32,768 אסימונים

• תקציב טוקנים חזותיים — דחיסה של 4× או 16× הניתנת להחלפה לכל בקשה לעומת תקציב טלאים קבוע של NaFlex שנקבע לפי רזולוציה

• רישיון — Apache 2.0 לעומת LFM Open License v1.0, הכולל תנאים מסחריים ולא מתירנות פשוטה

• שפות שצוינו — אנגלית וסינית בדוגמאות של הכרטיס לעומת 16 שפות המפורטות במפורש (מערבית ועד וייטנאמית)

• הערכה שפורסמה — חמישה איורים בפרוזה ובנוסף השוואות בתרשים בלבד לעומת טבלה מספרית על פני ארבעה בנצ'מרקים ושישה מודלים אחים

• הערכה עצמאית — אין רשומה של Artificial Analysis לאף אחד מהשניים נכון לכתיבת שורות אלה, לעומת אין רשומה של Artificial Analysis גם כן

• מהירות לפי דיווח הספק — אין נתון של טוקנים לשנייה עבור ה-1B באף מכשיר, לעומת 228 tok/s ב-Apple M5 Max, 116 tok/s ב-AMD Ryzen AI Max+ 395, 20 tok/s ב-Galaxy S26 Ultra

• זיכרון — כ-3.1 GB ב-BF16; Q4 GGUF בגודל 0.67 GB בתוספת מקרן חזותי בנפח 0.90–1.11 GB, לעומת פחות מ-3.3 GB כפי שפורסם, כאשר מוצעים בילדים של GGUF, ONNX ו-MLX.

• נתיבי הגשה בשמות — Transformers, SGLang, vLLM, llama.cpp, Ollama, OpenVINO, פענוח ספקולטיבי של DSpark לעומת Transformers, vLLM, SGLang, llama.cpp, ובנוסף ייצוא GGUF, ONNX ו-MLX

• סיפור on-device — אפליקציות iOS, Android ו-HarmonyOS ותמיכה מהיום הראשון ב-Rockchip, Houmo, Intel, AMD ו-Arm, כפי שהודגם בנתון פענוח של iPhone 17 Pro Max לעומת Galaxy S26 Ultra ובבנייה של MLX עבור Apple Silicon

שתי שורות ראויות למבט שני. חלון ההקשר הוא הבדל פי שמונה לטובת MiniCPM, וזה סוג של מספר שנראה מכריע עד שנזכרים שמודל 1B שמחזיק 262k אסימונים מחזיק מטמון KV גדול מהמשקולות שלו. בפועל, בטלפון, אף אחד מהמודלים לא יפעל אפילו קרוב לתקרה שלו. ושורת הרישיון היא זו שמכריעה אימוץ מסחרי לעתים קרובות יותר מכל בנצ'מרק: Apache 2.0 לא דורש שיחה עם עורך דין, ואילו LFM Open License כן דורש.

החלק שהטענה משנה בו את הנושא

OpenBMB משווה את המודל שלה למתחרה שכפול מגודלו, על מדדים שהיא בחרה, ומדווחת על התוצאה בפרוזה. זה לא לא ישר — המספרים מפורסמים וההשוואה מוצהרת. אבל היא עונה על שאלה שאף אחד שמטמיע מודל לא באמת שואל. אף אחד לא בוחר בין 1B ל-3B כי הוא רוצה שהקטן יהיה טוב יותר. בוחרים כי אחד מתאים למכשיר שלהם והשני לא, או כי לאחד יש כיסוי השפות שהם צריכים, או כי הרישיון של אחד עובר בדיקה משפטית.

בנוגע לראשון מביניהם, הקריאה הכנה היא ששניהם מתאימים. הכרטיס של LFM2.5-VL-3B מצהיר על פחות מ-3.3 GB ומדגים 20 טוקנים לשנייה ב-Galaxy S26 Ultra. MiniCPM-V 4.7 1B ב-Q4 עם המקרן שלו מגיע לקרוב ל-1.8 GB. אז היתרון האמיתי של ה-1B אינו "זה רץ על טלפון והאחר לא" — אלא מרווח נשימה: בערך גיגה וחצי פחות זיכרון, אשר במכשיר Android בינוני הוא ההבדל בין אפליקציה ששורדת לכזו שהמערכת הורגת.

בנקודה השנייה, ההשוואה מתהפכת. LFM2.5-VL-3B מציין 16 שפות בכרטיס שלו ומספק בניות ONNX ו-MLX לצד GGUF. התיעוד של MiniCPM-V 4.7 1B מוכוון לדוגמאות באנגלית ובסינית, וההיצע שלו לשימוש על המכשיר מוכוון לתמיכת שבבים של iOS, Android ו-HarmonyOS ולא לכיסוי שפות. אם המוצר שלכם משווק בטורקית, פולנית או וייטנאמית, המודל הגדול יותר עם הרישיון המגביל יותר הוא זה שיש לו הצהרה פומבית לתמיכה בכם.

בנקודה השלישית, Apache 2.0 מנצח באופן מוחלט ואין הרבה על מה לדון.

במה כל אחד מהם באמת טוב יותר

LFM2.5-VL-3B בנוי סביב קבוצה מוגדרת של משימות, והכרטיס שלו אומר זאת במפורש: עבודה חד-סבבית, בעלת תפוקה גבוהה וזמן השהיה נמוך, כגון זיהוי אובייקטים כמעט בזמן אמת בהגדרות רכב, OCR באצווה של מסמכים סרוקים עם סימון פריסה, ותרגום במכשיר של תפריטים ושלטי דרכים. הכרטיס גם מפרט למה המודל לא מיועד — משימות עם הקשר ארוך ודורשות חשיבה, עיצוב אתרים חזותי, ושאלות טכניות בנוגע לשרטוטים. סוג כזה של הנחיה שלילית הוא נדיר וכדאי לתת בו אמון יותר מאשר בטענות החיוביות.

MiniCPM-V 4.7 1B בנוי סביב צפיפות יכולות בתחתית טווח הגדלים. דחיסת הטוקנים המשולבת 4×/16× היא הביטוי הברור ביותר לכך: אותו צ'קפוינט יכול לשרת קריאת מסמך מפורטת ומעבר זול בתמונת ממוזערת, לפי בחירה לכל בקשה. בקרות החיתוך (36 פרוסות לתמונות, 1 לווידאו), פרמטרי דגימת הפריימים לווידאו, ורשומות ה-cookbook הנפרדות לניתוח PDF ול-grounding — כולם מצביעים על עומס עבודה של מסמכים ומסכים ולא על עומס זיהוי. הוא מגיע גם עם ראשי פענוח ספקולטיבי DSpark כרכיב נפרד בעל 213M פרמטרים, שזה מנוף תפוקה אמיתי אם סביבת הריצה שלך תומכת בכך, ונטל מת אם לא.

החלוקה המעשית: אם אתם מזהים אובייקטים בזרם מצלמה או מתרגמים שילוט בקצב של 20 פריימים לשנייה, נתוני ההשהיה וכיסוי השפות של LFM הם הטיעון. אם אתם הופכים צילומי מסך, קבלות ותמונות עמודים לטקסט מובנה עם תקציב טוקנים שבשליטתכם, מתג הדחיסה של MiniCPM הוא הטיעון.

הפער שעל הקונה לגלם במחיר

LFM2.5-VL-3B זמין מאז 11 באוגוסט 2026 — עשרה שבועות נכון לזמן כתיבת הדברים — וזה, במונחים של משקולות פתוחות, מספיק זמן כדי שאקוסיסטם הכימות יתייצב. גרסאות GGUF, ONNX ו-MLX מסופקות מהיצרן עצמו. לכל סביבת הרצה שסביר שתשתמשו בה יש מסלול עובד.

MiniCPM-V 4.7 1B הוא בן שלושה שבועות, והכרטיס שלו נפתח באזהרה לגבי אי-התאמות גרסאות CUDA שעלולות לשבור פענוח וידאו דרך torchcodec, עם שני פתרונות עקיפין מתועדים. הארכיטקטורה חדשה — model_type שלא היה קיים לפני חודש — וגרסת Transformers המינימלית היא 5.18.0. שום דבר מזה אינו פגם. זהו המס הסטנדרטי על אימוץ מודל בחודש הראשון שלו, והסיבה לכך שמהדורה שקטה עם הערכה מבוססת תרשימים היא מועמדת טובה לבדיקה זה לצד זה ומועמדת מפוקפקת למסלול ייצור בשבוע הראשון.

הדרך הזולה לבצע את המבחן הזה היא להשאיר את המודל הקיים משרת בזמן שאתם מעריכים את החדש, וזו בעיית ניתוב ולא בעיית מודלים. OrcaRouter מריץ יותר מ-200 מודלים מתארחים מאחורי נקודת קצה אחת תואמת OpenAI ללא תוספת מחיר, ומעביר את מחיר המחירון של כל ספק ללא שינוי, כך שהורדת מחיר מספק מופיעה בחשבון שלכם באותו יום ולא אחרי מחזור תמחור מחדש. ה-DSL לניתוב שלו יכול להחזיק מודל ראשי ומודל גיבוי בקריאה אחת, ומעבר אוטומטי לגיבוי שומר על הנתיב פעיל כשספק חווה שעה רעה — וזה מה שאתם רוצים כשהמודל בניסוי הוא צ'קפוינט מקומי של 1B והמודל בייצור הוא משהו שאתם משלמים עליו. אף אחד מהמודלים במאמר הזה אינו בקטלוג הזה: שניהם צ'קפוינטים שאתם מריצים בעצמכם, והנתב יושב סביבם במקום להציע דרך לקרוא להם.

הטענה, הוכרעה

האם MiniCPM-V 4.7 1B מנצח את LFM2.5-VL 3B? ב-MathVista, בפער של 5.8 נקודות כפי ששני היצרנים מדווחים. ב-OCR, השניים פרסמו כלי מדידה שונים ולא ניתן לבצע את ההשוואה. בהסקת תרשימים ובהבנת וידאו, OpenBMB טוענת לניצחון ומפרסמת אותו כתרשים, ו-Liquid AI מעולם לא הגיבה. ההשוואה היחידה שאפשר לבדוק במלואה תומכת בטענה; האחרות הן היצרן שמעריך את שיעורי הבית של עצמו בפורמט שמקשה על ציטוט.

הטענה לא מחזיקה מעמד כשקוראים אותה כ"המודל הקטן פשוט טוב יותר". LFM2.5-VL-3B מציע 16 שפות, גרסאות ONNX ו-MLX מיוצאות, נתון מהירות מתועד בטלפון Android שנמכר בפועל, וכרטיס שאומר לך היכן לא להשתמש בו. MiniCPM-V 4.7 1B מציע תקציב טוקנים שניתן להחליף, חלון הקשר של 262k, Apache 2.0, וכ-1.8 GB של זיכרון מכומת. אלה מוצרים שונים הלבושים באותה שורת בנצ'מרק, והתשובה הנכונה תלויה באיזו מהרשימות האלה מתאימה לפריסה שלך — לא באיזה מספר גדול יותר.

בדוק את שניהם על התמונות שלך בקוונטיזציה שלך. המשקלים בחינם, והעלות היחידה היא אחר הצהריים.