MiniCPM-V 4.7 35B-A3B לעומת UI-Mate-27B: אחד קורא את המסך, האחר לוחץ על הכפתור

המשפט הראשון והכן לגבי MiniCPM-V 4.7 35B-A3B מול UI-Mate-27B הוא שהם לא מתחרים. שניהם הועלו ל-Hugging Face בלי הודעה, שניהם נושאים רישיון מתירני, שניהם מאומנים על עמודי שדרה ממשפחת Qwen, ושניהם מתוארים בתיעוד שלהם כחזקים בהבנת מה שמופיע על המסך — ולכן מתייגים אותם יחד. אבל האחד הוא מודל ראייה-שפה כללי שקורא תמונה ועונה בטקסט, והאחר הוא סוכן GUI שקורא צילום מסך ופולט פעולות עכבר ומקלדת תואמות pyautogui. ‏MiniCPM-V 4.7 35B-A3B יכול לומר לך מה כתוב בתיבת דו־שיח. ‏UI-Mate-27B יכול לסגור אותה. כל השאר בהשוואה הזו נובע מההבדל האחד הזה, והשאלה המועילה היא לא איזה מודל מנצח — אלא איזה חצי מהעבודה חסר לך.

שניהם גם מוקדמים. UI-Mate-27B הושק ב-14 באוגוסט 2026, עם מאמר שיצא יומיים אחריו וללא פוסט השקה מהמעבדה; היו לו אפס הורדות ב-Hugging Face כשסיקרנו אותו לראשונה, ועדיין אין API מתארח בשום מקום. MiniCPM-V 4.7 הגיע ב-6 באוקטובר בלי כרטיס כלל, ו-OpenBMB לא פרסמה כרטיס מודל, תג רישיון או מדור טענות עד 12 באוקטובר. אף אחד מהשניים לא הוערך באופן עצמאי. כל נתון ביצועים בכתבה הזו מסומן עם מי שדיווח עליו, ובשני המקרים מדובר במעבדה של המודל עצמו.

אותו גוף, שתי עבודות שונות

התחל ממה שגורם לצימוד להרגיש טבעי. שניהם מודלים מולטימודליים פתוחי-משקולות בינוניים עד גדולים עם רישיונות Apache-2.0. שניהם יושבים על אותה שושלת במעלה הזרם — UI-Mate-27B מכוונן עדין מ-Qwen3.6-27B, ומערך השפה של MiniCPM-V 4.7 35B-A3B הוא MoE דליל ממשפחת Qwen3.5. שניהם מכוונים לאותו תחום יישומים רחב, מסכים ומסמכים ומצב יישום, ושניהם שוחררו אל תוך דממה.

ואז הבט במה שכל אחד מהם מחזיר. MiniCPM-V 4.7 מחזיר טוקנים של טקסט. UI-Mate-27B מחזיר פעולה מובנית — קליק, הקשה במקלדת, גלילה, המתנה, אות סיום משימה — במרחב קואורדינטות מנורמל בגודל 1000×1000, שאותו סוכן הייחוס משנה בקנה מידה לרזולוציית צילום המסך האמיתית, כך שהתחזיות שורדות הבדלי קנה מידה בתצוגה בין מחשבים. כרטיס המודל מפורש ש-UI-Mate הוא "צ'ק-פוינט של סוכן ולא מודל צ'אט חזותי עצמאי", ושיש להשתמש במסגרת ההרצה הנלווית לכל דבר אמיתי.

ההבחנה הזו קובעת את רוב הפריסות האמיתיות. אם צינור העיבוד שלך הוא "קרא את צילום המסך הזה ותגיד לי מה לא בסדר בו", VLM כללי הוא הכלי הנכון, וסוכן הוא מוגזם עם מצב כשל גרוע יותר. אם צינור העיבוד שלך הוא "גרום לאפליקציה לעשות את הדבר", VLM לבדו משאיר אותך לכתוב את כל שכבת הפעולה בעצמך — מיפוי קואורדינטות, פענוח פעולות, התאוששות משגיאות, לוגיקת ניסיונות חוזרים — שזה החלק ש-UI-Mate הוציא עליו את תקציב למידת החיזוק שלו.

מהו MiniCPM-V 4.7 35B-A3B, נכון לעכשיו

ה-MoE הראשון של OpenBMB בסדרת MiniCPM-V: 256 מומחים עם 8 פעילים לכל טוקן על פני 40 שכבות, חלון הקשר של 262,144 טוקנים ואוצר מילים של 248,144 טוקנים, או בערך 3B פרמטרים פעילים מתוך 35.2B בסך הכול. הראייה עוברת 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 כשהפרטים העדינים הם העיקר. הוא מבין תמונות בודדות, סטים של תמונות מרובות וווידאו, ומחזיר טקסט.

הטענה הראשית של הכרטיס היא שזהו מודל MoE הראשון בקוד פתוח עם הסקה חלקה וללא אובדן על המכשיר — Lookahead Expert Scheduling, כימות עדין ברמת שכבה, ודגימה ספקולטיבית דרך טיוטות DSpark נפרדות — בקצב מדווח של יותר מ-13 טוקנים לשנייה ב-iPhone 17 Pro Max. הנתון הזה מדווח על ידי הספק, לא שוחזר ולא אומת. טענה שנייה, שהמודל עוקף את הציון הכולל של Qwen3.6 35B-A3B במצב Instruct בפחות זמן הסקה, מוצגת בתוך תמונת תרשים ולא בטבלה, ולכן לא ניתן לצטט אותה כמספר.

מה שמוחשי הוא ההפצה. משקולות Base, FP8, int4, AWQ, GPTQ ו-GGUF קיימות כולן; SGLang, vLLM, llama.cpp, Ollama ו-OpenVINO נתמכים; קיימות אפליקציות ל-iOS, Android ו-HarmonyOS; Rockchip, Houmo, Intel, AMD ו-Arm רשומים עבור סיליקון יום-אפס; והכרטיס מתעד קריאה לכלים, עם דוגמה מעובדת לקריאה במדור ההגשה. הפרט האחרון הזה חשוב להשוואה הזו: MiniCPM-V 4.7 יכול להיות שכבת התפיסה וההסקה בתוך סוכן שאתם בונים, למרות שהוא לא יפעל בעצמו.

מהו UI-Mate-27B, נכון לעכשיו

סוכן ה-GUI הבסיסי בעל 27 מיליארד הפרמטרים של הספק, שפורסם ב-14 באוגוסט 2026 לצד אח בעל 9B וגרסה מונחית-הדגמה, UI-Mate-democua-27B. האימון היה כיוונון עדין מפוקח שלאחריו למידת חיזוק מקוונת בסביבות GUI ניתנות להרצה — המודל למד באמצעות הפעלה ממשית של שולחנות עבודה, ולא מצילומי מסך סטטיים. מרחב הפעולות שלו מכסה עכבר, מקלדת, גלילה, המתנה, אינטראקציית משתמש ואותות השלמה, והפעולות הנפלטות תואמות pyautogui, כך שרתמת ההרצה יכולה להריץ אותן ישירות.

הגורם המבדל שעליו הספק נשען הוא ביצוע מונחה־הדגמה: מקליטים תהליך עבודה פעם אחת והסוכן מתאים אותו למסך הנוכחי, כאשר צילום המסך החי נתפס כסמכותי במקום לנגן מחדש תסריט קבוע. חומרי התמיכה מלאים באופן יוצא דופן עבור השקה שקטה — דף פרויקט עם סרטון הדגמה ואפליקציית macOS Apple Silicon, מאגר GitHub המכיל את הפרומפט הרשמי, מנתח התגובות ורתמת האינטראקציה, וכן preprint מ־arXiv 2608.15930 שהוגש יומיים לאחר שהמשקולות עלו.

המספרים המרכזיים הם ציון WindowsAgentArena של 66.2 ו-OSWorld-Verified של 77.0 כפי שמדווח הספק, שאם יחזיקו מעמד, יהיו בראש מה שפורסם במדד הזה השנה. איש מחוץ למעבדה לא שחזר אותם. ותמונת הפריסה דלה, כפי שבדרך כלל אופייני להשקות מוקדמות של סוכנים: אין API מתארח, נתיב הגשה מומלץ של vLLM מאחורי נקודת קצה תואמת OpenAI, והוראה מכוונת להשתמש בהארנס במקום לקרוא לצ'קפוינט כמות שהוא.

שמונה ממדים, שני הצדדים

• פלט — טקסט, מ-MiniCPM-V 4.7 35B-A3B; פעולות מובנות תואמות pyautogui, מ-UI-Mate-27B.

• קלט — טקסט, תמונות ווידאו, מול צילומי מסך בזמן אמת בתוספת הוראה. אף אחד מהם אינו קולט אודיו.

• מודל בסיס — MoE דליל ממשפחת Qwen3.5 עבור מודל MiniCPM, ‏Qwen3.6-27B עבור UI-Mate.

• גודל וצורה — 35.2B בסך הכול עם 3B פעילים על פני 256 מומחים; 27B צפוף. המודל הדליל זול יותר לכל טוקן, והצפוף פשוט יותר להגשה.

• הקשר — 262,144 טוקנים לעומת ברירת מחדל של חמישה צילומי מסך נשמרים, שזהו ההבדל הארכיטקטוני הגדול ביותר ביניהם והסיבה שאחד יכול לקרוא מערך מסמכים ארוך והאחר לא.

• רישיון — Apache-2.0 בשניהם, מה שהופך את הבחירה לטכנית ולא למשפטית, לשם שינוי.

• טענת כותרת, שניהם לפי דיווח הספק — יותר מ-13 טוקנים לשנייה על iPhone 17 Pro Max, מול WindowsAgentArena 66.2 ו-OSWorld-Verified 77.0. בנצ'מרקים שונים, בלי סקאלה משותפת, ואף אחד מהם לא שוחזר.

• זמין היום — שישה פורמטי כימות, חמש סביבות הרצה ואפליקציות מובייל, לעומת אפס הורדות בסיקור הראשון, ללא API מתארח, והרנס שהספק ממליץ לך להשתמש בו.

איפה שהם בעצם חופפים

יש משימה אחת ששניהם יכולים לנסות: להבין צילום מסך של ממשק משתמש מספיק טוב כדי לענות על שאלה לגביו. שאל "איזה שדה נכשל באימות" וכל אחד מהמודלים יכול לענות באופן סביר. שאל "תקן את זה" ורק UI-Mate-27B מפיק פעולה, ורק אם הקמת את המערך — לולאת צילומי המסך, המנתח, המבצע, שינוי קנה המידה של הקואורדינטות, ומדיניות הניסיונות החוזרים כשהלחיצה נוחתת במקום לא צפוי.

החפיפה ההפוכה חלשה יותר, אך אמיתית. התמיכה של MiniCPM-V 4.7 בקריאה לכלים משמעה שאפשר לבנות סוכן סביבו — תפיסה ותכנון על מודל הראייה, עם שכבת פעולה משלך המחוברת אליו באמצעות קריאות פונקציה. זו ארכיטקטורה לגיטימית והיא מעניקה לך שליטה מלאה על מרחב הפעולה. היא גם, בערך, ממציאה מחדש את מה ש-UI-Mate כבר השקיעה בו למידת חיזוק, ועושה זאת בלי נתוני אימון ייעודיים ל-GUI. מוטב שצוותים יבחרו באיזו שכבה הם רוצים לשלוט מאשר באיזה מודל עדיף באופן שטחי בצילומי מסך.

הגשת שניהם, והיכן משתלב נתב

אף אחד מהמודלים אינו מתארח בשום מקום, כולל כאן — גם MiniCPM-V 4.7 35B-A3B וגם UI-Mate-27B אינם מופיעים בשום מקום בקטלוג של OrcaRouter, ואין לקרוא שום דבר במאמר זה כטענה שאנו מנתבים אותם. שניהם צ'קפוינטים שאתם מורידים ומריצים בעצמכם, ולגבי UI-Mate המשמעות היא שני דברים: כ-27B של משקולות, ונקודת קצה תואמת OpenAI, מכיוון שה-README של היצרן עצמו ממליץ להגיש אותו עם vLLM, וה-harness מצפה לכתובת בסיס תואמת.

נקודת הקצה הזו היא החלק המעניין בתכנון עלויות, כי ל-harness לא אכפת איזה מודל עונה כל עוד נקודת הקצה מתפקדת כמצופה. OrcaRouter מעמידה יותר מ-200 מודלים מתארחים מאחורי מפתח אחד במחיר המחירון של כל ספק, בלי תוספת רווח מצדנו, עם failover אוטומטי בין מסלולי ספקים, מה שהופך אותה לכתובת בסיס מסוג drop-in עבור צד התכנון של סוכן — וה-DSL של הניתוב מאפשר להרכיב מודל זול לשלבים שגרתיים ומודל חזק יותר להחלטות החשובות, בקריאה אחת במקום בשתי אינטגרציות. הצורה המתארחת הקרובה ביותר לפרופיל העלויות של מודל MiniCPM היא Qwen3.6 35B A3B — 35B בסך הכול, 3B פעילים, חלון הקשר של 262K — במחיר של $0.25 למיליון טוקנים בקלט ו-$1.48 למיליון טוקנים בפלט. אם זה עדיף על אירוח עצמי של MoE דליל בנפח 70GB זו שאלה שאפשר לענות עליה אחר הצהריים אחד, וזה לא נכון לגבי אף אחד משני המודלים שבכותרת.

איזה אחד אתה רוצה

קח את UI-Mate-27B אם אתה צריך מודל שפועל — אוטומציית שולחן עבודה, תחליף ל-RPA, זרימות עבודה יישומיות ארוכות טווח — ואם אתה מקבל את המחיר שמגיע עם זה: בנצ'מרק לפי דיווח הספק, בלי שחזור בלתי תלוי, בלי מסלול מתארח, והרנס שעליך לאמץ במקום לחקור. הצד החיובי הוא שהכול במהדורה הזו מתועד היטב באופן יוצא דופן, מהמאמר לפרומפט למפרסר, ואח ה-9B נותן לך מודל זול יותר שעליו תוכל לבנות אב-טיפוס.

קח את MiniCPM-V 4.7 35B-A3B אם אתה זקוק לתפיסה — מסמכים ארוכים, ציי צילומי מסך, וידאו — ואתה מוכן לקחת על עצמך את שכבת הפעולה. אתה מקבל את הרישיון המתירני, שישה פורמטי כימות, חמש סביבות הרצה, חלון של 262K וסיפור פריסה ברמת טלפון שאף אחד מחוץ ל-OpenBMB לא אימת.

מה ישנה את זה: ריצה משוחזרת של OSWorld או WindowsAgentArena עבור UI-Mate, שתהפוך את הטענה המרכזית שלה משיווק למדידה; וטבלת הערכה עבור MiniCPM-V 4.7, שאינה קיימת כלל. עד שאחד מאלה יגיע, ההחלטה שייכת לתרשים הארכיטקטורה שלך ולא לאף אחד משני לוחות התוצאות — מפענח או עובד, ואתה אמור לדעת באיזה מהם חסר לך.