LFM3-VL-2B vs MiniCPM-V 4.7 1B: il divario di 14 punti che si riduce a 4 quando disattivi il pensiero

La differenza più rilevante tra LFM3-VL-2B e MiniCPM-V 4.7 1B non sta in nessuna delle due tabelle di benchmark. Sta nella riga della licenza. Il modello di OpenBMB è Apache 2.0. Quello di Liquid AI è la LFM Open License v1.0, che comporta condizioni commerciali anziché termini puramente permissivi. Per il resto i due modelli sono abbastanza vicini per dimensioni da essere sostituti diretti — 1,92B contro 1,55B — e sono arrivati a tre settimane di distanza l'uno dall'altro: MiniCPM-V 4.7 1B è stato pubblicato su Hugging Face il 6 ottobre ed è stato datato 12 ottobre nelle note di rilascio del fornitore, mentre LFM3-VL-2B era in un repository pubblico dal 19 ottobre ed è stato annunciato il 27 ottobre. Nella suite di 62 benchmark di Liquid il nuovo modello ottiene una media di 71,4 contro 57,5, un divario di 13,9 punti che si riduce a 4,6 punti nel momento in cui si disattiva il ragionamento sul modello Liquid.

Due modelli nella stessa classe di peso, con regole diverse

MiniCPM-V 4.7 1B è il più piccolo dei due, con circa 370 milioni di parametri in meno. Combina una torre visiva in stile SigLIP con un backbone linguistico derivato da Qwen3.5, utilizza una compressione dei token visivi 4× o 16× selezionabile per singola richiesta e dichiara una finestra di contesto di 256K nella documentazione del fornitore. È disponibile in build BF16, int4, AWQ, GPTQ e GGUF, con un modello draft DSpark dedicato per il decoding speculativo.

LFM3-VL-2B abbina il modello linguistico LFM3-1.7B a un nuovo encoder visivo interno da 164M e a un proiettore da 25M, con un contesto documentato di 128K, input video a 2 frame al secondo e una modalità no-thinking documentata.

• Parametri — 1,92B per LFM3-VL-2B rispetto a 1,55B per MiniCPM-V 4.7 1B, secondo la documentazione di OpenBMB; il badge delle dimensioni del modello di Hugging Face arrotonda quest'ultimo a 2B.

• Licenza — LFM Open License v1.0 vs Apache 2.0.

• Contesto — 128K token rispetto a un dichiarato 256K, sebbene le configurazioni di inferenza impostino comunemente il limite molto più in basso.

• Percorso visivo — un encoder interno da 164M con un token per blocco di patch 2×2 rispetto a una torre in stile SigLIP con compressione 4×/16×.

• Video — 2 fotogrammi al secondo, primo modello vision LFM ad accettare video vs supportato, con le metriche LongVideoBench e MotionBench pubblicate dal fornitore.

• Modalità di ragionamento — disponibile e misurato in entrambi i modi rispetto a disponibile e utilizzato durante l'esecuzione del benchmark.

• Media del fornitore sulla suite di 62 benchmark di Liquid — 71.4 con thinking, 62.1 senza thinking, contro 57.5.

Il divario aggregato è di 13,9 punti. Leggi prima la nota a piè di pagina.

La tabella di Liquid è l'unico artefatto che valuta entrambi i modelli sugli stessi 62 benchmark con la stessa normalizzazione, ed è il motivo per cui questo confronto è possibile. La scheda di OpenBMB non effettua benchmark rispetto a LFM3-VL-2B, che non esisteva quando è stato rilasciato MiniCPM-V 4.7 1B.

La nota a piè di pagina che conta: la modalità di ragionamento è stata usata per ogni modello nella tabella tranne LFM2.5-VL-3B, che non la supporta, e per la configurazione senza pensiero di LFM3-VL-2B. Quindi 71,4 e 57,5 sono entrambi punteggi ottenuti con il ragionamento abilitato, il che rende il confronto più equo rispetto all'abbinamento con LFM2.5. Entrambi i modelli vengono misurati nella loro migliore configurazione, sugli stessi strumenti, dallo stesso laboratorio.

Equo non significa indipendente. Liquid ha scelto i benchmark e li ha eseguiti. La tabella è insolitamente completa — include righe a livello di categoria e per singolo benchmark, e cita ogni concorrente — ma nessuna terza parte ne ha riprodotto alcuna parte.

Disattiva il thinking e il modello 1B vince 24 volte su 62

LFM3-VL-2B pubblica un secondo punteggio per gli stessi pesi con il ragionamento disabilitato. Quella colonna è quella interessante, perché mostra da dove proviene effettivamente l'aggregato di 13,9 punti. Senza ragionamento, LFM3-VL-2B vince su 35 benchmark, MiniCPM-V 4.7 1B vince su 24 e 3 sono in pareggio. Il divario medio scende a 4,6 punti.

Ancora più sorprendente è ciò che il 1B vince in quella configurazione. Si aggiudica la maggior parte del gruppo di ragionamento matematico e sui grafici, spesso con un ampio margine.

• We-Math (testmini, strict) — 47,8 per MiniCPM-V 4.7 1B contro 20,1 per LFM3-VL-2B senza pensiero, e 68,6 con il pensiero.

• LogicVista — 46,1 contro 30,2 senza thinking, 60,4 con thinking.

• MathVista (mini) — 71,2 contro 68,5 senza pensiero, 84,2 con pensiero.

• ChartQA (test) — 88,8 vs 81,4 senza thinking, 92,7 con thinking.

• CharXiv (descrittivo) — 73,4 vs 65,5 senza thinking, 87,5 con thinking.

• DynaMath — 63.8 vs 57.7 senza pensiero.

• MMMU (val) — 51,0 vs 48,6 senza thinking, 55,7 con thinking.

Il risultato di We-Math è quello su cui vale la pena soffermarsi: un vantaggio di 27,7 punti per il modello 1B quando a nessuno dei due modelli è consentito ragionare — e un vantaggio di 20,8 punti per LFM3-VL-2B nel momento in cui gli è consentito. We-Math è un benchmark di accuratezza rigorosa su matematica visiva a più passaggi, e il punteggio non si sposta gradualmente tra i due modelli. Si ribalta. È l'illustrazione singola più chiara nella tabella di ciò che il modo di ragionamento sta offrendo.

In pratica: se disattivi il ragionamento per ridurre la latenza e il tuo carico di lavoro comprende numeri in grafici o diagrammi, il vantaggio aggregato del modello più grande non ti protegge. Il modello 1B è lo strumento migliore.

Dove LFM3-VL-2B vince indipendentemente dalla modalità

È vero anche il contrario, e le categorie sono altrettanto concrete. Cinque di esse sono quasi a senso unico anche nella colonna del senza pensiero.

• Comprensione dell'interfaccia grafica — 83,1 con thinking, 81,5 senza thinking, contro 45,3 di MiniCPM-V 4.7 1B. ScreenSpot-Pro è 55,5 contro 4,9; ScreenSpot-v2 Desktop è 94,6 contro 51,5.

• Visual grounding — 77,3 con thinking, 72,6 senza thinking, rispetto a 51,1. La media RefCOCO si attesta a 90,5 rispetto a 86,3.

• Ragionamento incarnato — 64,4 con thinking, 57,9 senza thinking, rispetto a 45,3.

• Agentic — 42,5 con thinking, 32,9 senza thinking, contro 16,9. La categoria più debole per tutti e quattro i modelli della tabella, e il divario relativo più ampio tra questi due.

• Multilingue — 84,4 con thinking, 76,2 senza thinking, contro 77,4. L'unica categoria in cui il modello Liquid senza thinking perde contro il modello 1B.

ScreenSpot-Pro a 55.5 contro 4.9 è il singolo divario più ampio tra i due modelli in qualsiasi punto dei 62 benchmark. Se stai realizzando automazione UI, qui non c'è alcuna decisione da prendere; se stai realizzando un tutor di matematica, la classifica si inverte. Una media di 13,9 punti è un artefatto della media di due popolazioni che si comportano in modo molto diverso.

Due harness, due numeri per lo stesso benchmark

Questa è la parte che rende insidioso il confronto tra fornitori diversi, e merita una sezione a sé perché entrambi i fornitori pubblicano numeri per benchmark con lo stesso nome.

OpenBMB riporta MathVista 74,3 per MiniCPM-V 4.7 1B sulla propria pagina. La ri-esecuzione di Liquid dello stesso modello sullo stesso benchmark con lo stesso nome riporta 71,2. OpenBMB riporta OCRBench 86,1; l'harness di Liquid riporta OCRBench v1 a 82,1. Nessuno dei due laboratori mente. Stanno usando formati di prompt diversi, regole di estrazione delle risposte diverse o sottoinsiemi diversi, e le differenze risultanti di 3,1 e 4,0 punti sono la normale variabilità dell'harness.

La conseguenza è che non puoi prendere il 74,3 di OpenBMB e sottrarre il dato MathVista senza thinking di Liquid, 68,5, per LFM3-VL-2B, per ottenere una vittoria di 5,8 punti. Era un'interpretazione difendibile prima del 27 ottobre, quando l'unico benchmark condiviso tra MiniCPM-V 4.7 1B e LFM2.5-VL-3B veniva misurato su due harness diversi. Non è più difendibile ora che Liquid ha pubblicato entrambi i modelli in un'unica tabella. Usa la tabella e considera ogni cifra della pagina del fornitore come appartenente al suo strumento.

Il pareggio che tacitamente dirime una vecchia discussione

All'interno di quella stessa tabella c'è un risultato che nessuna delle due aziende ha pubblicizzato. MiniCPM-V 4.7 1B ha una media di 57,5 sui 62 benchmark. LFM2.5-VL-3B ha una media di 57,6.

La pagina prodotto di OpenBMB afferma che il modello 1B supera LFM2.5-VL-3B su OCR, ragionamento sui grafici e comprensione video. Nella suite di Liquid, quell’affermazione è metà giusta e metà sbagliata, e il risultato aggregato è un pareggio assoluto:

• Documento, OCR e grafici — 73,0 per MiniCPM-V 4.7 1B contro 71,2 per LFM2.5-VL-3B. Affermazione supportata, di stretta misura.

• Video — 53,7 vs 41,3. Affermazione supportata, in modo decisivo.

• Matematica — 51,8 vs 40,6. Affermazione supportata, e non menzionata nell'affermazione originale.

• Visual grounding — 51,1 vs 68,3. L'affermazione fallisce nettamente.

• Comprensione dell'interfaccia grafica — 45,3 vs 66,0. L'affermazione fallisce nettamente.

• Agentic — 16,9 vs 21,1. L'affermazione non regge.

Quindi un modello Apache 2.0 da 1.55B eguaglia un modello da 3.1B di un laboratorio ben finanziato su una suite condivisa di 62 benchmark, e lo fa vincendo alcune categorie in modo decisivo e perdendone altre in modo decisivo. Questo è un risultato reale sulla densità di capacità, ed è anche un avvertimento su ciò che una media nasconde. Il che riporta il confronto a LFM3-VL-2B: il modello che batte entrambi è quello la cui modalità di ragionamento migliora le sue categorie più deboli, non quello che è uniformemente migliore.

Licenza, download e cosa puoi effettivamente distribuire

La differenza di licenza deciderà più distribuzioni di qualsiasi riga sopra. Apache 2.0 non richiede alcun confronto con un team legale. La LFM Open License v1.0 comporta condizioni commerciali e, sebbene sia abbastanza aperta da far sì che Liquid distribuisca ogni modello della famiglia con essa, non è la stessa autorizzazione.

L'adozione racconta una storia simile. Su Hugging Face, MiniCPM-V 4.7 1B ha accumulato circa 155.000 download e poco più di 400 like dal 6 ottobre. LFM3-VL-2B, al momento in cui scriviamo, si attesta su poche centinaia di download e 16 like, essendo pubblico da nove giorni e annunciato da appena uno. I conteggi dei download sono un segnale rumoroso — le pipeline CI e i mirror di quantizzazione li gonfiano — ma un divario di tre ordini di grandezza non è rumore. Rispecchia il fatto che un modello ha alle spalle un mese di strumenti, tutorial e quantizzazioni della community, mentre l'altro ha un giorno.

Il tooling segue lo stesso schema. MiniCPM-V 4.7 1B elenca Transformers, SGLang, vLLM, llama.cpp, Ollama e OpenVINO, oltre ad applicazioni native per iOS, Android e HarmonyOS. LFM3-VL-2B ha SGLang al lancio, pesi GGUF disponibili e il supporto a llama.cpp ancora in revisione — senza input video nell'implementazione in sospeso, secondo la sua stessa scheda.

Quale modello per quale compito

• Automazione dell'interfaccia utente, lettura dello schermo, percezione robotica — LFM3-VL-2B, senza esitazione, e la modalità senza pensiero va bene. ScreenSpot-Pro a 55,5 contro 4,9 non è un margine che si possa aggirare con l'ingegneria.

• Ragionamento sui grafici, matematica visiva, domande sui diagrammi — MiniCPM-V 4.7 1B se operate senza ragionamento, e una vera competizione se non lo fate. Verificate We-Math sui vostri dati; un divario di 27,7 punti senza ragionamento è il tipo di cosa che emerge immediatamente in produzione.

• Video lungo — più vicino di quanto suggeriscano le medie di categoria. LFM3-VL-2B guida la categoria Video con 61,2 contro 53,7, ma MiniCPM-V 4.7 1B vince in realtà Video-MMMU 50,1 a 49,6 anche rispetto alla configurazione thinking.

• Tutto ciò che deve passare il vaglio legale senza una revisione — MiniCPM-V 4.7 1B, solo con Apache 2.0.

• Tutto ciò che oggi richiede uno stack di inferenza maturo — MiniCPM-V 4.7 1B, almeno per le prossime settimane, finché llama.cpp non integra il supporto a LFM3-VL.

Dove si colloca un router quando nessuno dei due modelli è presente su di esso

Nessuno di questi checkpoint è nel catalogo di OrcaRouter; entrambi sono pesi che scarichi, quantizzi ed esegui. L'uso interessante di un livello di routing in questo caso non è servirli, ma comporli attorno a essi. La fusione di modelli consente a un gruppo di modelli di rispondere insieme alla stessa domanda, e uno specialista locale da 1,55B in matematica visiva abbinato a un modello ospitato più forte nelle categorie in cui perde — grounding, lavoro agentico — è una configurazione che batte ciascuno dei due modelli da solo. Il DSL di routing è il modo in cui esprimi quale componente gestisce quale domanda senza riscrivere l'applicazione ogni volta che viene rilasciato un checkpoint.

Il riassunto onesto è che il dato principale di 13,9 punti è reale, misurato sul banco di prova di un solo laboratorio, e fuorviante come criterio d'acquisto. LFM3-VL-2B è il modello migliore per schermate e grounding con un margine che nessun altro nella sua classe di dimensioni avvicina. MiniCPM-V 4.7 1B è il modello migliore per la matematica visiva senza ragionamento, è distribuito con una licenza che non richiede negoziati e pareggia con un modello del doppio delle sue dimensioni sulla stessa suite. La risposta giusta dipende da quale di queste frasi descrive il vostro carico di lavoro — e la media di nessuno dei due fornitori ve lo dirà.