MiniCPM-V 4.7 35B-A3B לעומת PixelUMM: רישיון אחד מכריע את זה עוד לפני שהבנצ'מרקים עושים זאת

יש החלטה שאתה יכול לקבל בין MiniCPM-V 4.7 35B-A3B ל-PixelUMM בלי לקרוא אפילו בנצ'מרק אחד, וזו כנראה ההחלטה החשובה ביותר. MiniCPM-V 4.7 35B-A3B הוא Apache-2.0. הצ'קפוינט של המודל של PixelUMM אינו כזה — הוא מופץ תחת הרישיון הלא-מסחרי החד-כיווני של NVIDIA, שמתיר מחקר והערכה בלבד, על צ'קפוינט ש-NVIDIA עצמה אומרת ש"לא אומת לשימוש בייצור או בסיכון גבוה". אם אתה בונה משהו שאתה מתכוון למכור, אחד משני המודלים האלה לא בא בחשבון, ושאר ההשוואה היא אקדמית. אם אתה עורך מחקר, התחום נפתח, והשאלה המעניינת הופכת להיות נגד מה בעצם מהמר העיצוב נטול המקודד של NVIDIA — כי הוא מהמר נגד בדיוק הארכיטקטורה שבה משתמש MiniCPM-V 4.7.

שני המודלים שוחררו בשקט. המשקולות של PixelUMM עלו ל-Hugging Face בשעה 21:40 UTC ב-1 באוקטובר 2026 בלי פוסט בבלוג, בלי הודעה לעיתונות ובלי הרצאה מרכזית; כתובת ה-URL של דף הפרויקט עדיין מציגה "preview". MiniCPM-V 4.7 הופיע ב-6 באוקטובר באותו אופן, ו-OpenBMB לא הוסיפה לו כרטיס מודל, רישיון או סעיף טענות עד 12 באוקטובר. אף אחד מהשניים לא עבר הערכה עצמאית על ידי איש, ולאף אחד מהשניים אין טבלת בנצ'מרק שקורא יכול לצטט — הכרטיס של PixelUMM אינו מדווח על ציונים כלל, וטענות הביצועים של MiniCPM-V 4.7 נמצאות בתוך תמונות תרשים ולא בטקסט. מה שלהלן מפריד בין מה שהמאגרים מצהירים לבין מה שאיש מחוץ לשתי המעבדות טרם אימת.

מהו PixelUMM, בפסקה אחת

PixelUMM הוא Transformer בעל 15,199,672,064 פרמטרים בלבד עם ראש יצירה איטרטיבי, הבנוי על עמוד שדרה Qwen3-8B המוצמד לגרסה ספציפית. התזה שלו מנוסחת בשורה הראשונה של הטקסט, והיא מנוגדת למוסכמה: ללא VAE וללא מקודד ראייה. בעוד מודל מאוחד קונבנציונלי נושא שני ממשקים חזותיים — Vision Transformer שמייצר מאפיינים סמנטיים להבנה ואוטואנקודר וריאציוני שמייצר וקטורי חביון לשחזור לצורך יצירה — PixelUMM אינו נושא אף אחד מהם. תמונות נחתכות לטלאי פיקסלים בגודל 16×16, ווידאו ל-tubelets מרחב-זמניים בני ארבעה פריימים, ושניהם מגיעים לעמוד השדרה באמצעות לא יותר מאשר הטלות לינאריות חד-שכבתיות, כאשר הפחתת רעש איטרטיבית מבצעת את עבודת היצירה. המאמר מתאר אותו כ-Mixture-of-Transformers המזווג קשב משותף עם פרמטרים ייעודיים למשימה. הוא מטפל בטקסט-לתמונה, יצירת טקסט מותנית בתמונה, הבנה מותנית בווידאו ויצירת וידאו, כולל טקסט-לווידאו ב-96 פריימים, 24 fps וארבע שניות.

העקבות סביבו השתרעו על פני כארבעה שבועות, וכולם שקטים. מאגר ה-GitHub nv-tlabs/PixelUMM נוצר ב-4 בספטמבר 2026 תחת Apache-2.0 ונשאר עם קומיט בודד במשך רוב החודש. ב-28–29 בספטמבר נחת הקומיט הראשוני ו-arXiv הקצה את הפרפרינט 2609.38597, שרשימת המחברים שלו משתרעת על פני NVIDIA ואוניברסיטת ווטרלו. מאגר המודל עצמו הופיע בשעה 21:40 UTC ב-1 באוקטובר, שמונה דקות לאחר קומיט אחרון ב-GitHub שהוסיף את ציטוט המאמר. המאמר אינו נושא שורת מקום פרסום — לא כנס, לא "accepted to" — מה שמצטייר כמו צוות מחקר שדוחף ארטיפקט לאוויר ולא כמו השקת מוצר, אם כי זו תצפית על הראיות ולא טענה על כוונה.

מה זה MiniCPM-V 4.7 35B-A3B

MiniCPM-V 4.7 35B-A3B הוא דגם ה-MoE הראשון של OpenBMB בסדרת MiniCPM-V: 256 מומחים עם 8 פעילים לכל טוקן, 40 שכבות, חלון הקשר של 262,144 טוקנים ואוצר מילים של 248,144 טוקנים, ומספק כ-3B פרמטרים פעילים מתוך 35.2B בסך הכול. הראייה פועלת דרך מודול SigLIP2 עם דחיסה מוקדמת intra-ViT של LLaVA-UHD v4 ומצב דחיסת טוקנים חזותיים מעורב 4x/16x לבחירה — 16x כברירת מחדל לתפוקה, 4x כשפרטים עדינים חשובים. הוא מבין תמונות בודדות, מספר תמונות ווידאו, ומשיב בטקסט. הוא אינו מייצר תמונות.

הטענה המרכזית של הכרטיס היא שזהו מודל MoE בקוד פתוח הראשון עם הסקה חלקה ונטולת אובדן על המכשיר, המושגת באמצעות Lookahead Expert Scheduling, כימות עדין ברמת השכבות ודגימה ספקולטיבית דרך ה-DSpark drafts הנפרדים, בקצב מדווח של יותר מ-13 טוקנים לשנייה על iPhone 17 Pro Max. נתון זה מדווח על ידי הספק, אינו משוחזר ואינו מסויג. הכרטיס גם טוען לציון כולל גבוה יותר במצב Instruct מאשר Qwen3.6 35B-A3B בזמן הסקה קצר יותר — טענה שמופיעה בתוך תמונת תרשים, כלומר היא אינה מספר שניתן לצטט ואסור להתייחס אליה ככזה.

המקום שבו MiniCPM-V 4.7 מוביל באופן חד-משמעי אינו בשום לוח תוצאות, אלא בלהקת התומכים — שכל פרטיה אמיתיים וניתנים להורדה: משקלי base, FP8, int4, AWQ, GPTQ ו-GGUF; תמיכה ב-SGLang, vLLM, llama.cpp, Ollama ו-OpenVINO; אפליקציות ל-iOS, Android ו-HarmonyOS; ו-Rockchip, Houmo, Intel, AMD ו-Arm רשומים עבור סיליקון כבר ביום הראשון. לפני שישה שבועות, הביקורת הכנה על המודל הזה הייתה שהוא צ'קפוינט לא מתועד. זה כבר אינו נכון — זה צ'קפוינט מתועד בלי בנצ'מרקים. בעיה אחרת, קטנה יותר.

הטיעון הארכיטקטוני המסתתר מאחורי ההשוואה

שני המודלים חלוקים בדבר מהותי, וכדאי לתת לכך שם, מפני שזהו החלק בהתמודדות הזו שאורך חיי המדף שלו ארוך מזה של כל אחד מהמודלים.

• כיצד הראייה מגיעה למודל השפה — PixelUMM משתמש בפיקסלים גולמיים ובהטלה ליניארית בודדת, ללא מקודד ראייה מאומן מראש בשום מקום במערכת; MiniCPM-V 4.7 משתמש במקודד SigLIP2 עם דחיסה מוקדמת בתוך ה-ViT ויחס הקטנת דגימה הניתן להגדרה.

• כיצד הגנרציה פועלת — PixelUMM חוזה פיקסלים באופן איטרטיבי דרך ראש flow-matching שאומן במשותף עם חיזוי טקסט אוטורגרסיבי; MiniCPM-V 4.7 מייצר טקסט ולא שום דבר אחר.

• מה שזה קונה — PixelUMM מקבל סט משקולות אחד שגם מתאר תמונה וגם מפיק אותה, במחיר של רישיון למחקר בלבד וללא ולידציה בסביבת ייצור; MiniCPM-V 4.7 מקבל מודל קטן, שניתן לקוונטיזציה, שניתן לפרוס אותו בטלפון, שיכול לקרוא את העולם אבל לא לצייר אותו מחדש.

• מספר פרמטרים — 15.2B צפוף-בערך מול 35.2B סה"כ עם 3B פעילים. מספר הפרמטרים הפעילים הוא זה שמנבא את עלות ההסקה, ובציר הזה מודל MiniCPM הוא הקטן מבין השניים בסדר גודל.

משקולות בדיסק — המאגר של PixelUMM מכיל 491 קבצים על פני ארבעה וריאנטים של צ'קפוינט; גרסת הבסיס של MiniCPM-V 4.7 מורכבת משישה־עשר פלחי BF16 בנפח של כ־70 GB.

• רישיון — Apache-2.0 לעומת NVIDIA One-Way Noncommercial עבור ה-checkpoint, כאשר Apache-2.0 חל רק על קוד המקור של PixelUMM ובסיס Qwen3-8B הוא בנפרד Apache-2.0. כרטיס PixelUMM גם מציין שהוא כולל קוד שעבר שינוי ונגזר מ-BAGEL, כך שתנאי upstream חלים בנוסף.

• הערכה ציבורית — אין, משני הצדדים. MiniCPM-V 4.7 לפחות מציג טענות ביצועים; הכרטיס של PixelUMM אינו מציין מספרי בנצ'מרק כלל.

איזה מהם אתה יכול בעצם להעמיד מול משתמש?

עקבו אחר הרישיון וסיפור הפריסה גם יחד, והבחירה נעשית ברובה מאליה.

PixelUMM הוא הארטיפקט המחקרי המעניין יותר והמוצר השמיש פחות. צ'קפוינט לא-מסחרי חוסם לחלוטין את השימושים המסחריים המובנים מאליהם, אין מתכון הגשה בכרטיס, אין גרסה מכומתת, אין נתון של אורך הקשר, ו-83 לייקים מול אפס הורדות מתועדות פירושם שלמעשה אף אחד מחוץ למחברים לא הריץ אותו. ערכו כרגע טמון בטיעון חזק ומפורסם לכך שמקודדי ראייה עשויים להיות מיותרים במודלים מאוחדים. שווה לעקוב אחר הטיעון הזה בין אם אי פעם תטען את המשקולות ובין אם לא.

MiniCPM-V 4.7 הוא זה שיש לו נתיב לייצור, והנתיב צר אך אמיתי. Apache-2.0 מסיר את שאלת הרישוי. שישה פורמטי כימות וחמש סביבות הרצה להסקה פירושם שאינך כותב קרנלים מותאמים אישית. שני מעבדים גרפיים או יותר עבור הבנייה הלא-מכומתת הם המכשול; הבניות המכומתות וסיפור ההרצה על המכשיר הם הפתרון העקיף, וטענת ההרצה על המכשיר היא בדיוק זו שלא אומתה באופן בלתי תלוי. התייחס לזה כמודל שאתה יכול להריץ היום וכטענת ביצועים שעדיין אינך יכול להסתמך עליה.

עבור צוותים שהתשובה שלהם היא "לא זה ולא זה, נקרא למשהו", המקבילה המתארחת הקרובה ביותר לצורת MiniCPM היא Qwen3.6 35B A3B — אותו 35B סה"כ, אותו 3B פעילים, אותו חלון הקשר 262K, אותו קלט טקסט-תמונה-וידאו — והיא מוגשת דרך OrcaRouter במחיר המחירון של הספק ללא תוספת, $0.25 למיליון טוקני קלט ו-$1.48 למיליון טוקני פלט, עם מעבר אוטומטי לגיבוי אם נתיב ספק מתדרדר. זה אינו תחליף לאף אחד מהמודלים במאמר זה; זוהי קבוצת הביקורת שאומרת לך מה אירוח עצמי של MoE דליל רב-מודאלי בנפח 70 GB באמת קונה לך.

היכן זה נוחת

אם מפשיטים את הארכיטקטורה, נשארים עם שתי מהדורות שקטות שמצביעות לכיוונים מנוגדים. NVIDIA פרסמה ארטיפקט ברמת מאמר תחת רישיון שמונע מרוב האנשים להשתמש בו, ומאגר בלי מתכון, בלי מבחני ביצועים ובלי הורדות. OpenBMB פרסמה מודל מתועד, ברישיון מתירני, רב-סביבות הרצה, עם טענת יעילות משכנעת וללא טבלת הערכה שתתמוך בה.

הדבר האחד שיכריע בכל אחד מהם: עבור PixelUMM, כל שחזור עצמאי מכל סוג שהוא — 0 הורדות פירושו שאין שום נקודת נתונים חיצונית בעולם, והתזה בדבר היותו נטול מקודד היא בדיוק מסוג הטענות שאו מחזיקות מעמד או מתפוררות במגע עם מימוש שני. עבור MiniCPM-V 4.7, טבלת בנצ'מרק, או אורך קבלה משוחזר על הטיוטה של DSpark, שהוא החלק היחיד במשפחה שנושא מספרים מפורסמים. אף אחד מהם עדיין לא קיים. שניהם הסיבה לכך ששני המודלים האלה עדיין ראויים למעקב ולא לגניזה — הם נמצאים בשלב מוקדם יותר בחייהם הציבוריים מכפי שהסיקור מרמז, ואף אחד מהם לא הוגדר כהשקה על ידי המעבדה שיצרה אותו.