MiniCPM-V 4.7 מול Qwen3.8-Omni-Flash: שעה של וידאו בטלפון שלך, או קריאה אחת של 1M טוקנים

שני מהדורות, בהפרש של שישה שבועות, ששניהם טוענים לפתור את הבנת הווידאו — וקשה למצוא ביניהם מחלוקת גדולה יותר בשאלה היכן העבודה צריכה להתבצע. MiniCPM-V 4.7 35B-A3B מבית OpenBMB פועל על טלפון, בכ-שלושה גיגה-בייט, בקצב של יותר מ-13 טוקנים לשנייה כפי שדווח על ידי הספק, ולא עולה דבר לקריאה כי המחשבון נמצא בכיס שלך. Qwen3.8-Omni-Flash מבית Alibaba קולט טקסט, תמונה, אודיו ווידאו לחלון יחיד של מיליון טוקנים, עד שעה מלאה של אודיו-וידאו רציף לקריאה, ונמכר ב-0.15 דולר למיליון טוקני קלט עם הצהרת כותרת על אודיו זול ב-98% מקודמו. האחד מייעל עבור המכשיר; האחר מייעל עבור חלון ההקשר. עבור צוות עם חומרי צילום לעיבוד, ההבדל הזה מכריע את הארכיטקטורה לפני שכל בנצ'מרק עושה זאת. Qwen3.8-Flash נמצא בקטלוג ב-0.15 דולר למיליון טוקני קלט. בדקו את דגמי Qwen הניתנים לניתוב מפתח אחד, מחיר מחירון מועבר הלאה ללא תוספת של 0%, מעבר אוטומטי בין ספקים בעת כשל. הכשלים המתועדים של בינה מלאכותית ותקריות הסוכנים שמאחורי מהדורות כמו זו נאספים בארכיון תקריות ה-AI של OrcaRouter שבו כל רשומה כוללת מקורות משלה, חומרה, דירוג ביטחון ודגל שנוי במחלוקת.

שתי הימורים שונים לגבי לאן הולכים הפיקסלים

MiniCPM-V 4.7 35B-A3B הוא מודל שפה-חזות מסוג תערובת מומחים דלילה: 35.2B פרמטרים בסך הכול, כ-3B פעילים לכל אסימון, Apache-2.0, קלט טקסט ופלט טקסט, עם קלט תמונה, ריבוי תמונות ווידאו. הוא עלה ל-Hugging Face ב-6 וב-7 באוקטובר 2026, קיבל כרטיס מודל ב-12, ומוזג ל-llama.cpp במעלה הזרם ב-10. ההימור ההנדסי הוא שרוב העבודה החזותית שגרתית, מתרחשת במקום שבו המצלמה נמצאת, ואמורה לעולם לא לעזוב את המכשיר: דחיסת אסימונים חזותיים משולבת פי 4/16, זרימת מומחים, ופורק שמערים תזמון מומחים עם הצצה קדימה, דיוק מעורב ופענוח ספקולטיבי כדי להגיע ל-20.51 אסימונים לשנייה שפורסמו ב-iPhone 18 Pro Max.

Qwen3.8-Omni-Flash הוא המודל האומני-מודלי הנייטיבי של A​libaba, שנפתח ללקוחות API ב-18 בספטמבר 2026 עם הסלוגן "חושים אומני-מודליים. אספקה סוכנית." מיליון טוקנים של חלון הקשר, קלט מקסימלי של כ-991K, פלט מקסימלי של 131K, תקציב חשיבה המגיע ל-262K, ועד שעה של אודיו רציף או אודיו-וידאו בקריאה אחת. הקלט הוא טקסט, תמונה, אודיו ווידאו — כולל אודיו סטריאו ואודיו מרחבי בארבעה ערוצים. הפלט הוא טקסט בלבד. הוא מוגש בפלטפורמת Qianwen של A​libaba וב-A​libaba Cloud Model Studio תחת מזהה ה-API qwen3-8-omni-flash; המשקלים אינם משוחררים.

• היכן זה פועל — MiniCPM-V 4.7 35B-A3B: המכשיר שלך, iOS, Android, HarmonyOS, או GPU לצד השולחן. Qwen3.8-Omni-Flash: ה-API של A​libaba, באירוח בלבד.

• מבנה עלות — MiniCPM-V 4.7 35B-A3B: חומרה ועלות חשמל; הורדה של 21.2 GB Q4_K_M. Qwen3.8-Omni-Flash: $0.15 למיליון טוקני קלט, $0.016 במטמון, $0.47 פלט.

• מדיה לכל קריאה — MiniCPM-V 4.7 35B-A3B: מוגבל לפי זיכרון המכשיר ותקציב הדגימה, הנחיה אחת בכל פעם. Qwen3.8-Omni-Flash: עד שעה של אודיו-וידאו רציף.

• פלט — שניהם טקסט בלבד. אף מודל לא מדבר.

• רישיון — Apache-2.0 לעומת API מתארח ללא משקלים.

ה-98% הוא טענת עלות; הדקות הן ההשוואה האמיתית

הכותרת של Alibaba היא ששעה של קלט אודיו עולה 98% פחות מאשר ב-Qwen3.5-Omni-Plus, ושעה של אודיו-וידאו משולב עולה 93% פחות. הנתון הזה נגזר מתמחור של דגימה באורך שתי דקות והכפלה בשלושים, כאשר הווידאו נדגם ב-720p ובקצב של פריים אחד לשנייה — דרך לגיטימית לצטט עומס עבודה בייצור, וגם תיאור של מה שהמודל מתבקש להסתכל עליו. פריים אחד לשנייה מספיק כדי לדעת מה נאמר ובערך מה קרה. זה רחוק מאוד מלהיות מספיק כדי לבדוק פעולות ברמת הפריים או לתפוס ארטיפקט בפריים בודד.

הריצו את אותה אריתמטיקה מול מודל הטלפון, וצורת ההחלטה מתבהרת. שעה של צילום בקצב של פריים אחד לשנייה היא 3,600 תמונות. במכשיר שמפענח בקצב של 13 עד 20 טוקנים לשנייה, זו אינה משימה בקריאה אחת; זו משימה שמבוצעת באצוות, עם דגימה וסיכום תוך כדי תנועה, והמחיר הוא שעות של זמן שעון על חומרה שכבר בבעלותכם. דרך ה-API של A​libaba, אותה שעה היא קריאה אחת בתוך חלון של מיליון טוקנים, מתומחרת בטוקנים ומוחזרת בזמן שלוקח לנקודת הקצה. שתי האפשרויות אינן בחינם, והן אינן באותו מטבע.

נקודת ההצטלבות היא נפח ופרטיות, לא דיוק. למרפאה שלא יכולה לאפשר לפריימים לצאת מהבניין יש אפשרות אחת. ולצוות ניטור מדיה עם אלף שעות בחודש יש את האפשרות האחרת, משום שלדגום אלף שעות אל טלפונים הוא רכישת חומרה ובעיית תזמון, ואילו אלף שיחות של שעה הוא סעיף תקציבי. בין שני הקטבים האלה המספרים הופכים מעניינים: מחיר Qwen נמוך מספיק כדי שמאה שעות של סקירה יעלו כמה מאות דולרים ולא כמה אלפים — זה הטווח שבו "פשוט לשלוח את זה ל-API" מפסיק להרגיש כמו בזבוז.

במה כל אחד מהם באמת טוב, על סמך הראיות

הנתונים של השקת Qwen3.8-Omni-Flash הם כולם מול בסיס השוואה אחד — Qwen3.5-Omni-Plus — והשיפור הממוצע על פני כשלושים הערכות הוא יותר מ-26%. השינויים הגדולים ביותר הם WildClawBench-MM עם 71.0, עלייה של 36.5 נקודות, ודיאריזציה של דוברים ב-AliMeeting, שבה שיעור השגיאות יורד מ-88.11 ל-3.35 ו-cpWER מ-89.61 ל-17.18. דלתא כה גדולה ראויה לבחינה ולא למחיאות כפיים; ניתוח טכני סיני של ההשקה מייחס חלק ניכר ממנה להנדסת front-end ודיאריזציה שנעטפת סביב המודל ולא לחשיבה של המודל, ומזהיר שהמערכת נתפסת כמתמחה בשמיעה עם הסקת וידאו עמוקה חלשה יותר. זוהי קריאה של מבקר, לא שחזור, אבל זה האינסטינקט הנכון. כל המספרים הללו הם של Alibaba עצמה ואף אחד מהם לא שוחזר באופן עצמאי.

הראיות של MiniCPM-V 4.7 דקות יותר בדרך אחרת: חמישה תרשימי הערכה, ללא טבלה מספרית, ושתי השוואות כיווניות — ציון כולל גבוה יותר בזמן הסקה קצר יותר מאשר Qwen3.6 35B-A3B, ורווחים משמעותיים לעומת Qwen3.5 0.8B עבור אח ה-1B. העובדות הניתנות לשחזור הן אלה שב-config.json וברשימת הקבצים: 35.2B בסך הכול, 256 מומחים עם 8 פעילים, מיקום מקסימלי של 262,144 טוקנים, מגדל חזותי בן 27 שכבות, Apache-2.0, והורדה של 21.2 GB Q4_K_M. יש לקרוא את טענות התפוקה כמדידות ספק על חומרה שלא החזקתם ביד, ואת טענות הדיוק כלא מבוקרות — וזו בדיוק הדרך שבה OpenBMB מציגה אותן.

דבר אחד משותף לשניהם: אין לוח תוצאות בלתי תלוי. נכון לזמן כתיבת הדברים, אף אחד מהמודלים אינו מופיע בלוח מובילים ניטרלי של צד שלישי עם ציון מולטימודלי מבוקר. לפיכך, השוואה ביניהם על בסיס "בנצ'מרקים" משמעה היה להעמיד תרשים של ספק אחד לצד תרשים של ספק אחר ולקרוא לתוצאה מדידה. אל תעשו זאת.

דגימה אג'נטית לעומת דגימה קבועה

ההבדל הטכני המעניין ביותר הוא לא גודל או מהירות — אלא מי מחליט במה להסתכל.

Qwen3.8-Omni-Flash מגיע עם מה ש-Alibaba מכנה מצב הבנה אגנטית (Agentic Understanding), שבו המודל בוחר מה לבדוק במקום לעבד כל פריים, ואוסף ראיות בסבבים מגס לדק. ב-OmniVideoBench המצב הזה מעלה את הדיוק מ-63.4 ל-67.8 תוך צמצום הטוקנים לשאילתה מ-145,736 ל-79,117 — ירידה של 45.7%. דיוק גבוה יותר ועלות נמוכה יותר בו-זמנית הם הטענה החזקה ביותר באותו שחרור, והיא זו שתומכת בצורה הישירה ביותר במסר האגנטי.

המקבילה של MiniCPM-V 4.7 היא בחירה סטטית שנעשית לכל תמונה: דחיסה של פי 16 כברירת מחדל, ופי 4 כאשר הפרטים חשובים. המודל אינו מחליט להביט מקרוב יותר; הקורא הוא זה שמחליט, באמצעות העברת הגדרה אחרת. זהו התכנון הנכון עבור התקן עם תקציב אנרגיה קבוע, והתכנון הלא נכון עבור סרטון בן שעה שבו תשעים השניות המעניינות אינן מוכרזות מראש.

שאלת הניתוב, בניסוח כן

אף אחד מהמודלים אינו מוגש על ידי OrcaRouter. MiniCPM-V 4.7 35B-A3B הוא צ'קפוינט שאתם מארחים; Qwen3.8-Omni-Flash פועל על הפלטפורמות של Alibaba עצמה וגם אינו נמצא בקטלוג שלנו. מה ששכבת ניתוב טובה בו בארכיטקטורה הזו הוא התפר בין השניים: להחליט, בכל בקשה, אם הקליפ שגרתי דיו עבור המודל המקומי או ארוך מספיק כדי להצדיק קריאה למודל מתארח, ולעבור לגיבוי כאשר הצד המתארח מדרדר.

OrcaRouter מעמיד יותר מ-200 מודלים מתארחים מאחורי מפתח אחד ומעביר את מחיר המחירון של הספק הלאה במרווח של 0%, כך שהורדת מחיר מצד ספק — מהסוג ש-A​libaba ביצעה זה עתה באודיו — מגיעה לחשבונית שלך באותו יום ולא בחידוש. הוא גם עובר אוטומטית בין ספקים במקרה של כשל, מה שחשוב יותר עבור מודל omni מתארח מאשר עבור טלפון: הטלפון אינו חווה השבתה, ואילו ה-API כן. השוואה אחת שאפשר לאמת כבר נמצאת בקטלוג שלנו: Qwen3.8-Flash, המודל הרב-מודלי שלצדו נבנה וריאנט ה-omni הזה, ניתן לניתוב במחיר של $0.15 למיליון טוקני קלט ו-$0.47 לפלט — אותו מחיר מחירון ש-A​libaba מצטטת עבור מודל ה-omni החדש.

בחירה, בפסקה אחת

בחר ב-MiniCPM-V 4.7 35B-A3B כאשר הפריימים אינם יכולים לצאת מהמכשיר, כאשר עומס העבודה מורכב מהרבה מבטים קצרים ולא ממעט מבטים ארוכים, כאשר הפעלה לא מקוונת היא דרישה, או כאשר העלות לכל קריאה היא זו שהורגת את כלכלת היחידה שלך. בחר ב-Qwen3.8-Omni-Flash כאשר הקלט ארוך, המודאליות מעורבות — אודיו ווידאו ומצגות בקריאה אחת — ואתה מעדיף לשלם לפי טוקן מאשר לבנות צינור דגימה. בחר בשניהם כאשר יש לך שכבת טלפון שמסננת את תשעים האחוזים השגרתיים ושכבת API שקולטת את המקרים בני השעה, וקבל את העובדה שאתה כעת מתחזק שני פורמטי פרומפט, שתי מדיניות דגימה, וגבול אחד ברור מאוד לגבי אילו פריימים מורשים לחצות אותו.