Molmo2-4B לעומת MiniCPM-V 4.7: אף אחד מהמודלים לא נמצא במקום שבו אתם חושבים שהוא נמצא

ההשוואה שבכותרת אינה קיימת במשקלים. Molmo2-4B הוא צ'קפוינט יחיד של 4.85B. MiniCPM-V 4.7 אינו מודל אחד אלא שניים, ואף אחד מהם אינו 4B: גרסה צפופה של 1.55B שנבנתה לטלפונים וגרסת תערובת מומחים של 35.2B עם כ-3B פרמטרים פעילים והקשר של 262,144 טוקנים. לכן קורא שמחפש "Molmo2-4B vs MiniCPM-V 4.7" למעשה שואל שאלה תלת-כיוונית — האם משבצת ה-4B שווה לאיוש בכלל, או שיורדים ל-1B בשביל טביעת הרגל או עולים ל-MoE בשביל היכולת? זו שאלה שימושית יותר מזו שהוקלדה, ויש לה תשובה ברורה יותר. החלטה בין שלושה מודלים היא בעיית ניתוב לפני שהיא בעיית מודלינג. ה-DSL לניתובמרכיב כמה מודלים לקריאה אחת במקום חוזה אחד לכל מודל.

גם התאריכים חשובים כאן, מפני ששני המודלים מתוארים לעיתים קרובות כחדשים מכפי שהם. Molmo2-4B הוכרז על ידי Allen Institute for AI ב-11 בדצמבר 2025, עם משקלים ב-Hugging Face מ-14 בדצמבר. המשקלים של MiniCPM-V 4.7 עלו ב-6 וב-7 באוקטובר 2026, כרטיס המודל הגיע ב-12 באוקטובר והודעה לעיתונות באנגלית מטעם ModelBest ו-OpenBMB ב-15 באוקטובר. השינוי האחרון בצד של Molmo אינו מודל חדש: Molmo2 הפך לארכיטקטורה נייטיבית ב-Transformers במעלה הזרם כאשר PR #43451 מוזג ב-9 באוקטובר 2026 ויצא ב-v5.20.0 ב-15 באוקטובר, וב-5 בנובמבר Ai2 פרסמה כיוונון עדין של Molmo2-4B עבור סביבת בדיקה רובוטית. אפשר לקרוא כל אחד מאלה כסיבה לבחון מחדש את המודל. אף אחד מהם אינו השקה.

שלוש נקודות ביקורת, שלושה מיקומים על העקומה

• פרמטרים — Molmo2-4B הוא 4.85B; MiniCPM-V 4.7-1B הוא 1.55B; MiniCPM-V 4.7-35B-A3B הוא 35.2B בסך הכול, עם כ-3B פעילים לכל טוקן.

• ארכיטקטורה — Molmo2-4B הוא מגדל SigLIP 2 המחובר ל-Qwen3-4B-Instruct-2507; זוג MiniCPM-V 4.7 משתמש בדחיסה מוקדמת בתוך ה-ViT מ-LLaVA-UHD v4 עם דחיסת אסימונים חזותיים משולבת של 4x/16x, וגרסת ה-35B היא ה-MoE הראשון בקו MiniCPM-V.

• הקשר — 36,864 פוזיציות עבור Molmo2-4B; 262,144 טוקנים עבור שני הווריאנטים של MiniCPM-V 4.7.

• מודאליות — Molmo2-4B מטפל בתמונה, בריבוי תמונות ובווידאו, ומפיק קואורדינטות הצבעה במרחב תמונה של 0–1000; MiniCPM-V 4.7 מטפל בתמונה בודדת, בריבוי תמונות ובווידאו, ועונה בטקסט.

• רישיון — Molmo2-4B הוא Apache 2.0 על המשקלים, כאשר הכרטיס מזהיר שנתוני האימון שלו כפופים לשימוש מחקרי אקדמי ולא מסחרי בלבד; שתי הגרסאות של MiniCPM-V 4.7 הן Apache 2.0.

• הפצה — Molmo2-4B הוא safetensors מסוג float32, בנפח 19.42 GB, בארבעה שברים, ללא כימותים רשמיים; MiniCPM-V 4.7 מגיע בגרסאות GGUF, int4, AWQ, GPTQ, FP8 ו-DSpark בשני הגדלים.

שורת ההפצה היא זו שמכריעה פרויקטים אמיתיים. הקשר של 262,144 טוקנים שימושי רק אם יש לך את היכולת להחזיק אותו, ו-OpenBMB עשתה את העבודה הלא-זוהרת של פרסום הפורמטים המקוונטים שאנשים באמת פורסים — ה-GGUF הרשמי של 1B ב-Q4_K_M הוא 672 MB, וזה ההבדל בין דמו לבין משהו שרץ על מכשיר שכבר יש לך.

איפה ה-4B באמת מנצח

המקרה של Molmo2-4B נשען על שני דברים שצמד MiniCPM-V 4.7 אינו עושה באותו אופן: הצבעה כפלט ממדרגה ראשונה, ומעקב וידאו עם חותמות זמן.

פורמט ההצבעה הוא נקודה מספרית בקואורדינטות 0–1000, עטופה בתג שכרטיס המודל מספק עבורו ביטוי רגולרי. הצבעה מרובת תמונות נשטחת לרשימה של שלשות של אינדקס פריים, x, y. זהו חוזה שונה מ"תאר היכן האובייקט נמצא", והוא משנה מה אפשר לבנות: צינורות חיתוך, המשכי אזור עניין, לולאות ספירה ואז אימות, וכל תהליך עבודה שבו שלב במורד הזרם צריך קואורדינטה ולא משפט.

הווידאו הוא המקום שאליו הולך תקציב הפרמטרים. כרטיס הנתונים של Ai2 מנה בין נתוני האימון שלו שאלות-תשובות על כתוביות וידאו, שאלות-תשובות על כתוביות משנה בווידאו, הצבעה בווידאו, מעקב בווידאו ושתי קבוצות הצבעה מרובות-תמונות, ומעבד-הקדם של הווידאו שפורסם משתמש כברירת מחדל ב-384 פריימים בקצב של 2 fps ברזולוציה 378×378 עם pooling בגודל 3×3. MiniCPM-V 4.7 אכן תומך בווידאו — OpenBMB מדווחת על 68.9 ב-LongVideoBench עבור 35B-A3B ועל 53.4 עבור 1B — אך במסלול הזה זהו מודל שפולט טקסט, ווידאו ארוך מתחרה עם הפרומפט על אותו תקציב טוקנים.

היכן ש-MiniCPM-V 4.7 מנצח, פעמיים

בתחתית הטווח, ה-1B הוא סוג אחר של אובייקט. עם 1.55 מיליארד פרמטרים הוא כשליש מגודלו של Molmo2-4B, הוא רץ תחת llama.cpp ו-Ollama, ו-OpenBMB מדווחת עבורו על OCRBench 86.1, MathVista 74.3 ו-CharXiv 48.8. אלה מספרי ספק על מערך בדיקות שנבחר על ידי הספק, ויש לקרוא אותם כך — אבל מודל 1.55B שעושה OCR לעמוד שלם באופן אמין הוא החלטת רכש שונה מהותית ממודל 4.85B שזקוק ל-GPU.

בקצה העליון של הטווח, ה-35B-A3B גורם לשאלת ה-4B להיראות פרובינציאלית. הנתונים שפרסמה OpenBMB עבורו כוללים MMMU 80.2, OCRBench 91.2 ב-4x טוקנים חזותיים ו-90.40 ב-16x, CharXiv 75.6, LongVideoBench 68.9, MathVerse 86.5 ו-MathVista 88. היא גם טוענת למשהו מעניין יותר מאשר מדד ביצועים: עם Lookahead Expert Scheduling, כימות שכבה-שכבה ודגימת ספקולטיבית של DSpark, ה-35B-A3B מפענח ב-13+ טוקנים/שנייה בתוך כ-3 GB זיכרון ב-iPhone 17 Pro Max. יש להתייחס לכך כאל טענת ספק לגבי שרשרת כלים ספציפית ולא כתכונה כללית של המודל — אך אם היא מחזיקה, היא מסירה את הסיבה הרגילה להעדיף 4B צפוף במכשיר.

כל אלה מדווחים על ידי הספקים. לא OpenBMB ולא Ai2 פרסמו תוצאות עבור המודל שלהן על מערך הבנצ'מרקים של האחרת, כך שאף שורה למעלה אינה השוואה ישירה ראש בראש.

תפריט הפריסה הוא ההבדל שאינו מוערך מספיק

MiniCPM-V 4.7 מפרט את SGLang, vLLM, llama.cpp ו-Ollama להסקה, את SWIFT ו-LLaMA-Factory לכוונון עדין, ותמיכה מיום האפס ב-Rockchip, Houmo, Intel, AMD ו-Arm. הכרטיס של Molmo2-4B מפרט את Transformers עם קוד מרוחק, תלות נפרדת ב-molmo_utils ו-decord2 לווידאו, ומסמכי הפלטפורמה של AI2 עצמה מפנים ל-vLLM nightly ולא ליציבה. הפער הצטמצם באוקטובר, כאשר תמיכה מקורית ב-Transformers נכנסה ב-v5.20.0 ודרישת הקוד המרוחק הפכה לאופציונלית, אך זה עדיין פער: לפרויקט אחד יש מטריצת כימות, ולשני יש מהדורת מחקר.

כאן ניתוב מצדיק את מקומו ולא נשאר סיסמה. צוות שרוצה את MiniCPM-V 4.7 1B על המכשיר למסלול הזול ומודל גדול יותר למסלול המורכב לא צריך שני חוזים כדי לעשות זאת — ה-DSL לניתוב מרכיב כמה מודלים מאחורי נקודת קצה אחת, ו0% תוספת מחיר פירושו שמחיר המחירון של הספק הוא מה שאתם משלמים, כך שהורדת מחיר מצד הספק נכנסת לתוקף באותו יום. זה חשוב יותר להחלטה בין שלושה מודלים כמו זו מאשר להחלטת A או B פשוטה.

איך באמת לבחור

אם המגבלה היא זיכרון, קחו את MiniCPM-V 4.7-1B. שום דבר בחבילת Molmo2-4B לא מתקרב ל-672 MB, ושום מידת דיוק בהצבעה לא מפצה על מודל שלא נכנס.

אם האילוץ הוא יכולת לכל דולר ואתם יכולים להריץ MoE, בחרו ב-MiniCPM-V 4.7-35B-A3B. לפי המספרים של OpenBMB עצמה הוא בליגה אחרת משני המודלים הקטנים יותר, ומספר הפרמטרים הפעילים משאיר את העלות לכל טוקן קרובה יותר ל-3B מאשר ל-35B.

אם הדרישה היא קואורדינטה, קח את Molmo2-4B. נקודות עם חותמות זמן, הצבעה ומעקב על פני תמונות מרובות הם הסיבות לכך שהמודל קיים; שום דבר בתיעוד של MiniCPM-V 4.7 לא מתאר חוזה פלט שקול.

ואם אתה באמת צריך מודל כללי בדרגת 4B שמטפל בתמונה, בריבוי תמונות ובווידאו בלי הורדה של 19 GB ב-float32, התשובה הכנה היא שההתאמה המסוימת הזו לא מציעה אחד כזה — Molmo2-4B הוא המודל היחיד בהשוואה שנמצא בחריץ הזה, והוא נכנס עם כלי הפריסה הדלים ביותר מבין השלושה. מה היה משנה את זה: גרסה מכומתת רשמית של Molmo2-4B, או MiniCPM-V בדרגת 4B. אף אחד מהם לא קיים היום.