ghfind Menempatkan MiniCPM-V 4.7 di Balik Olok-olok GitHub-nya — dan Dokumennya Sendiri Tidak Sepakat Tentang Apa yang Berubah

Gulir ke bagian bawah ghfind.com dan ada baris kecil yang sebelumnya tidak ada: Sponsor model, tanda MiniCPM, dan tautan keluar ke modelbest.cn. Model di balik tanda itu adalah MiniCPM-V 4.7, rilis visi-bahasa OpenBMB dari 12 Oktober 2026. Bagi produk yang seluruh nilai jualnya adalah skor 0–100 "nilai dan kepercayaan" yang dapat direproduksi untuk akun GitHub mana pun, sponsor model bukanlah detail kosmetik — ini adalah pertanyaan tentang apa yang boleh disentuh oleh model. Dan dokumentasi ghfind sendiri memberikan dua jawaban berbeda untuk pertanyaan itu. Kegagalan AI dan insiden agen terdokumentasi di balik rilis seperti ini dikumpulkan dalam OrcaRouter AI Incident Archive di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda sengketa.

Itu adalah cerita yang layak ditulis, karena versi permukaannya — "situs roasting GitHub berganti model" — adalah siaran pers. Versi di baliknya adalah tentang produk penilaian yang harus meyakinkan orang bahwa angkanya bukan sekadar firasat, sambil mengadopsi model bahasa pada saat yang sama.

Apa yang sebenarnya ditampilkan halaman, dan apa yang tidak

Strip sponsorship itu nyata dan terlihat di homepage publik berbahasa Inggris. Strip itu berada di samping dua kontrol lain: opsi Gunakan model / API key Anda sendiri, dan slot logo kosong yang bertuliskan Logo Anda di sini. Jadi struktur yang diiklankan ghfind bukanlah "model kami, wajib" — melainkan sponsor default plus jalan keluar bring-your-own-key, yang merupakan desain wajar untuk produk yang menghabiskan kredit model pada setiap roast.

Tiga hal yang berulang kali disebut tentang perubahan ini tidak ada di halaman tersebut. Pertama, ghfind tidak memublikasikan angka trafik apa pun di situsnya, jadi angka apa pun yang menggambarkan kunjungan hariannya berasal dari tempat lain, bukan dari ghfind. Kedua, frasa "model utama" bukan milik ghfind — halaman itu menyebut Sponsor model. Ketiga, dan yang paling berguna, repositori open-source-nya masih menyertakan default yang sama sekali berbeda: berkas .env.example miliknya mengonfigurasi LLM roast terhadap step-3.7-flash milik StepFun, dengan fallback DeepSeek untuk kasus ketika penyedia utama terputus atau terkena rate-limit sebelum ada teks yang ter-streaming. Siapa pun yang melakukan self-hosting ghfind dari sumber akan mendapatkan konfigurasi itu, bukan endpoint MiniCPM.

Jadi, pernyataan yang akurat itu bersifat sempit dan lebih menarik daripada pernyataan yang luas: pada produk yang dihosting, MiniCPM adalah sponsor model yang disebutkan namanya. Dalam kode terbuka, MiniCPM bukanlah default. Itu adalah klaim yang berbeda, dan hanya klaim pertama yang didukung oleh apa yang dapat dilihat pembaca.

Produk, sebelum model

ghfind adalah aplikasi Next.js, AGPL-3.0, sekitar 260 bintang di GitHub, terus di-push sepanjang minggu saat teks ini ditulis. Inti utamanya sama sekali bukan LLM. Mesin TypeScript deterministik — diporting baris demi baris dari skill Python sumber terbuka bernama github-account-value, dengan tes paritas yang mengunci kedua implementasi agar selaras — membaca data publik GitHub dan menghasilkan skor di enam dimensi berbobot: kematangan akun, kualitas proyek orisinal, kualitas kontribusi, dampak ekosistem, pengaruh komunitas, dan keaslian aktivitas. Sepuluh red flag untuk perilaku farming mengurangi skor tersebut, dengan bobot lebih besar pada sinyal yang mahal dipalsukan, seperti pull request yang di-merge ke repositori yang bukan milik akun itu, dan bobot lebih kecil pada sinyal yang murah dibeli, seperti bintang dan pengikut.

Inti dari desain itu adalah auditabilitas. Dengan akun GitHub yang sama dan tanggal pengumpulan yang sama, angka itu seharusnya menjadi angka yang sama setiap kali, untuk semua orang. Itulah yang membuat skor dapat digunakan untuk hal seperti triase antrean issue, yang juga dilakukan ghfind melalui GitHub App yang memberi label pada issue masuk dengan band penulis.

Titik masuknya model ada di hilir: mengubah hasil yang sudah tetap menjadi kalimat roasting, sekumpulan tag, dan laporan tertulis. Itulah bagian yang di-screenshot dan dibagikan pengguna, dan itulah bagian yang secara alami akan dilekati oleh sponsor.

Kontradiksi yang layak diperhatikan

Di sinilah kedua dokumen itu berpisah.

README repositori ini menjelaskan dua lintasan LLM yang terpisah: seorang juri faktual dapat menerapkan kalibrasi ±10 yang terbatas, lalu seorang penulis mengubah hasil tetap itu menjadi tag, baris roast teratas, dan laporan. Penulis tidak dapat mengubah skor. Baca kalimat itu dua kali. Penulis secara eksplisit dilarang menggeser angka tersebut, dan juri secara eksplisit diizinkan menggesernya hingga sepuluh poin — pada skala seratus poin, itu sepersepuluh dari seluruh rentang.

Berkas llms.txt milik situs itu sendiri, yang ditulis untuk agen dan mesin, menyatakan sesuatu yang lebih tegas: mesin yang sepenuhnya deterministik … Masukan yang sama selalu menghasilkan skor yang sama; tidak ada LLM yang menyentuh angka tersebut.

Keduanya tidak bisa benar sekaligus. Entah proses judge ada di jalur default dan batas ±10 itu nyata, sehingga skor bersifat deterministik hingga kalibrasi yang bergantung pada model — atau judge tidak ada di jalur default dan README menjelaskan mode opsional. Yang tidak diperdebatkan adalah bahwa teks milik repositori itu sendiri mempertimbangkan sebuah model memiliki pengaruh terbatas atas angka tersebut, sementara deskripsi machine-readable yang menghadap publik mengatakan model tidak memiliki pengaruh sama sekali.

Ini menjadi lebih penting, bukan lebih tidak penting, karena sponsor model kini disebutkan di halaman tersebut. Jika sebuah model dapat menggeser skor sepuluh poin, maka model mana yang melakukan penjurian adalah pertanyaan yang berhak diajukan pengguna — bukan karena ada yang curang, tetapi karena klaim reproduksibilitas hanya sekuat pengecualian terdokumentasi terlemahnya. Produk yang menerbitkan halaman metodologi berutang kepada pembacanya satu kalimat yang menetapkan mana dari dua deskripsinya yang berlaku saat ini.

Mengapa model visi, untuk produk teks

Pilihan model multimodal untuk situs penilaian GitHub tampak aneh sampai Anda melihat apa yang sebenarnya diberikan kepada model tersebut. MiniCPM-V 4.7 tidak diminta untuk membaca repositori; ia diminta untuk membaca prompt. Model bahasa-visi semakin banyak digunakan sebagai juri umum yang murah karena dilatih pada input yang saling terjalin dan cenderung mematuhi instruksi keluaran terstruktur dengan baik, serta karena satu model yang juga dapat menerima tangkapan layar akan berguna begitu pengguna menempelkan tangkapan profil ke dalam alur dukungan.

Ada juga logika biaya. Varian 35B-A3B mengaktifkan sekitar tiga miliar parameter per token di seluruh campuran 256-expert, dan varian 1B adalah model dense yang cukup kecil untuk dijalankan di ponsel. Untuk produk yang proses roast-nya berjalan pada setiap pemindaian profil, model yang bisa disajikan dengan murah — atau dijalankan sendiri — adalah proposisi ekonomi yang berbeda dari panggilan API frontier per roast. Itulah alasan yang sama situs ini menawarkan jalur bring-your-own-key: tagihan model berskala dengan lalu lintas, dan lalu lintas adalah hal yang ingin ditumbuhkan oleh situs penilaian.

Jika Anda membangun sendiri pipeline semacam itu — inti deterministik dengan lapisan narasi berbasis model di atasnya — pertanyaan operasionalnya adalah berapa banyak penyedia yang ingin Anda pegang kuncinya. OrcaRouter menempatkan lebih dari 200 model terkelola di balik satu endpoint yang kompatibel dengan OpenAI dengan markup 0%, dengan harga daftar tiap penyedia diteruskan apa adanya dan failover otomatis saat penyedia mengalami penurunan kinerja; DSL routing-nya dapat mengirim tahap penilai yang murah dan tahap penulis yang lebih mahal ke model berbeda dalam satu panggilan. Satu batasan yang jujur: MiniCPM-V 4.7 tidak ada di katalog kami, jadi jika itu model yang Anda inginkan, Anda pergi ke platform milik OpenBMB sendiri untuk mendapatkannya. Router adalah bagian yang menjaga jalur cadangan tetap siap ketika satu endpoint bersponsor menjadi satu-satunya yang menghalangi antara Anda dan kotak panggang yang kosong.

Apa sebenarnya MiniCPM-V 4.7, per minggu ini

Sisi model layak mendapatkan presisi yang sama. Repositori OpenBMB memuat entri News bertanggal 2026-10-12 yang berbunyi “MiniCPM-V 4.7 dirilis,” dan repositori Hugging Face dibuat pada hari-hari sebelum itu — 6 Oktober untuk 1B dan 7 Oktober untuk 35B-A3B — yang seperti itulah tampilan unggahan bobot secara bertahap. Kartu model menyusul. Entri News kedua pada 2026-10-15 mengumumkan head speculative-decoding DSpark dalam BF16 dan GGUF untuk kedua ukuran.

• Ukuran — 35B-A3B sparse mixture of experts dengan total 35,21 miliar parameter, dan varian dense 1B dengan 1,55 miliar

• Lisensi — Apache 2.0 untuk keduanya, bobot dapat diunduh, tanpa pembatasan akses

• Konteks — 262,144 token pada kedua varian

• Arsitektur — 256 pakar dengan 8 aktif per token pada model 35B; pola attention linear-ke-full 3:1 di seluruh 40 lapisan; menara visi dengan lebar hidden 1152 dan ubin masukan 980 piksel

• Kuantisasi — build GGUF, bitsandbytes, AWQ, GPTQ, FP8, dan int4 dipublikasikan bersama bobot BF16

• Penyajian — SGLang, vLLM, llama.cpp, dan Ollama tercantum sebagai didukung; Ollama memiliki entri pihak pertama

• Klaim vendor — 13+ token per detik dengan sekitar 3 GB memori pada iPhone 17 Pro Max, dan percepatan 5× di perangkat dari Lookahead Expert Scheduling

Distribusi — sekitar 95.000 unduhan bulanan pada repositori 35B-A3B dan 46.000 pada 1B, dengan sekitar 1.079 dan 398 suka

Semua yang ada dalam daftar itu dapat diperiksa dari kartu dan file konfigurasi. Yang belum tersedia adalah evaluasi independen. Katalog model Artificial Analysis tidak memiliki entri untuk kedua varian MiniCPM-V 4.7 pada saat penulisan ini, sehingga angka 13 token per detik, percepatan 5×, dan klaim bahwa 35B-A3B "mencapai skor keseluruhan yang lebih tinggi dalam waktu inferensi yang lebih singkat daripada Qwen3.6 35B-A3B" semuanya dilaporkan oleh vendor dan belum direproduksi. Itu normal untuk model yang berusia delapan hari, dan itulah alasan untuk memperlakukan penempatan sponsor sebagai sinyal tentang struktur biaya ghfind, bukan sebagai sinyal tentang kualitas model.

Bagian yang belum dapat diverifikasi oleh siapa pun

Yang menyatukan kembali dua paruh cerita ini. Kredibilitas ghfind bertumpu pada sebuah angka yang diklaimnya dapat direproduksi. Kredibilitas MiniCPM-V 4.7 bertumpu pada benchmark yang diterbitkan vendornya seminggu lalu. Sponsorship itu menyatukan keduanya tanpa bukti terpublikasi tentang bagaimana model tersebut berperilaku sebagai juri — tidak ada tingkat kesepakatan terhadap penilai manusia, tidak ada pengukuran drift antarversi model, tidak ada pernyataan apakah mengganti sponsor akan mengubah skor siapa pun.

Semua itu adalah hal-hal yang murah untuk diterbitkan dan mahal untuk dipertanyakan kemudian. Pengukuran spesifik yang dapat menyelesaikannya adalah uji skor ulang: ambil sampel akun yang tetap, jalankan pipeline dengan proses penilaian (judge) diaktifkan dan dinonaktifkan, lalu laporkan distribusi selisihnya. Jika hasilnya mengelompok di nol, ±10 adalah pagar pengaman yang tidak pernah terpicu dan pernyataan "tidak ada LLM yang menyentuh angka itu" secara efektif benar. Jika hasilnya menyebar, kalibrasi benar-benar berperan dan halaman metodologi perlu menyatakan hal itu.

Sampai saat itu, pembacaan yang jujur adalah ini. ghfind adalah penilai deterministik yang dibangun dengan baik dengan pemisahan yang luar biasa jelas antara angka dan prosanya, dan kini ia memiliki sponsor model yang disebutkan namanya yang perannya dalam pipeline didokumentasikan secara tidak konsisten di berbagai berkasnya sendiri. MiniCPM-V 4.7 adalah rilis multimodal yang nyata, berlisensi Apache, dan benar-benar hemat memori yang hadir delapan hari lalu dengan kartu model, tindak lanjut DSpark, dan tanpa tolok ukur independen. Tidak satu pun dari fakta itu merupakan skandal. Keduanya adalah hal yang hanya Anda sadari saat membaca repositori, bukan halaman depan — yang, untuk produk yang menilai karya orang lain, adalah hal minimal yang bisa dilakukan seorang pembaca.

Cara memeriksa skor Anda sendiri secara konkret

Jika Anda memiliki profil di situs tersebut, jalur deterministik adalah yang perlu diuji. ghfind menyediakan endpoint skor yang tidak memerlukan autentikasi dan tidak memanggil model, dan skill penilaian yang mendasarinya bersifat open source, jadi angka yang Anda dapatkan dari API dan angka yang Anda dapatkan dari situs seharusnya sama. Jika tidak sama, perbedaannya berasal dari waktu pengumpulan — situs menyimpan cache selama satu hari — atau dari proses kalibrasi, dan keduanya dapat dibedakan dengan menanyakan apakah selisih tersebut stabil pada pengujian berulang.

Bagi siapa pun yang membangun alat serupa, pelajaran arsitektural dari ghfind lebih bernilai daripada berita model: pertahankan angka di dalam kode, pertahankan prosa di dalam model, dan buat batas di antara keduanya cukup eksplisit sehingga pembaca dapat memeriksanya. Mode kegagalannya bukanlah menggunakan LLM. Mode kegagalannya adalah mendokumentasikan batas tersebut di dua tempat dan membiarkan kedua deskripsi itu melenceng.

Apa yang perlu dipantau berikutnya terbatas. {{1}}ghfind{{/1}} memiliki changelog publik dan repositori yang menerima push hampir setiap hari, jadi catatan metodologi yang menyelaraskan kalibrasi ±10 dengan sikap “no LLM” akan cepat terlihat. Di sisi model, benchmark independen pertama untuk {{2}}MiniCPM-V 4.7{{/2}} — atau laporan pertama tentang berapa biayanya per roast pada volume besar — adalah angka yang akan mengubah sebuah kerja sama sponsor menjadi argumen. Keduanya belum ada. Keduanya hanya berjarak satu publikasi lagi.