LFM3-VL-2B vs MiniCPM-V 4.7 35B-A3B: La colonna che non è il modello

Apri la tabella dei benchmark per LFM3-VL-2B e troverai una colonna MiniCPM. È etichettata MiniCPM-V 4.7 1B. Quello è il fratello minore. Il modello che la maggior parte delle persone intende quando dice MiniCPM-V 4.7 — quello di OpenBMB, MiniCPM-V 4.7 35B-A3B, il primo checkpoint mixture-of-experts della linea MiniCPM-V — non compare affatto nella tabella di Liquid AI e, sui benchmark pubblicati da entrambi i laboratori, non è vicino all'1B. Quindi il confronto che le persone stanno effettivamente valutando, LFM3-VL-2B contro MiniCPM-V 4.7 35B-A3B, deve essere ricostruito a mano da due tabelle dei fornitori che condividono i nomi dei benchmark ma non gli harness di valutazione. Quello che segue è tale ricostruzione, con le cuciture lasciate visibili.

La discrepanza di dimensioni è la seconda sorpresa. Un modello ha 1,92 miliardi di parametri densi e occupa pochi gigabyte. L'altro memorizza 35,21 miliardi di parametri e ne tocca circa 3 miliardi per token. Letto come una scheda tecnica, non è affatto un confronto alla pari. Letto come due risposte alla stessa domanda — cosa puoi eseguire su un dispositivo che non controlli — è un disaccordo davvero interessante su come arrivarci.

Due modelli, un nome

La collisione di denominazione sta arrecando un danno concreto al modo in cui viene letta questa comparazione. La scheda di Liquid AI è scrupolosa in merito: la colonna indica 1B, e il modello 1B è un pari legittimo per un modello da 1,92B. Ma i risultati di ricerca, gli aggregatori e i riferimenti informali fanno tutti confluire "MiniCPM-V 4.7" in un'unica entità, e il 35B-A3B è la variante che incontra il pubblico — 289.535 download e 1.095 like su Hugging Face a fronte di 155.428 e qualche centinaio per il fratello 1B, al 28 ottobre 2026.

Le date spiegano una parte di quel divario, e non il resto. Il repository 35B-A3B di OpenBMB è stato creato il 7 ottobre 2026, con il rilascio datato 12 ottobre nei materiali del progetto stesso. Il repository LFM3-VL-2B di Liquid AI è stato pubblicato il 19 ottobre e la famiglia LFM3 è stata annunciata il 27 ottobre. LFM3-VL-2B esiste pubblicamente da nove giorni, quindi i suoi 255 download sono un fatto di calendario, non un verdetto. Il rapporto dei like è la riga più interessante: 45 per LFM3-VL-2B, 1.095 per MiniCPM. Coloro che hanno scaricato quest'ultimo lo hanno apprezzato abbastanza da dirlo.

Che cosa ciascuno è in realtà

• Parametri — LFM3-VL-2B è un modello denso da 1,92B: un backbone linguistico da 1,73B, un vision encoder interno da 164M e un proiettore da 25M. MiniCPM-V 4.7 35B-A3B memorizza 35,21B su 256 esperti e ne instrada 8 per token, circa 3B attivi.

• Backbone — 24 layer LFM3, ripartiti in 13 convoluzioni corte con gating, 5 layer di attenzione a finestra scorrevole e 6 layer di attenzione globale, rispetto a 40 layer transformer a dimensione nascosta 2.048.

• Percorso visivo — un encoder a 14 strati composto da 8 convoluzioni 2D depthwise con gating e 6 strati di attenzione bidirezionale su patch 16×16 con embedding rotazionali 2D, contrapposto a una torre a 27 strati con dimensione nascosta 1,152, inserita al livello 6 dello stack testuale, con compressione anticipata dei token all'interno dell'encoder e downsampling visivo commutabile 4× o 16×.

• Contesto — 128K token su LFM3-VL-2B, 256K sul MiniCPM, sia input che output.

• Input — testo, immagini e video a 2 fotogrammi al secondo per il modello Liquid; testo, immagini e video per quello OpenBMB. Nessuno dei due sente l'audio, in nessuna direzione.

• Pesi su disco — circa 3,8 GB in BF16 rispetto a circa 65,6 GiB in BF16.

• Licenza — LFM Open License v1.0, che Liquid descrive come gratuita per uso commerciale al di sotto di 10 milioni di dollari di fatturato annuo, rispetto ad Apache 2.0 senza condizioni sul fatturato.

Il disaccordo architetturale è tutta la storia. Liquid ha scommesso che un piccolo modello denso più un encoder visivo progettato ad hoc batte una torre in stile SigLIP sul calcolo per immagine, e ha pubblicato una tabella di categoria per dimostrarlo. OpenBMB ha scommesso che puoi mantenere le capacità di un modello da 35B e farlo comunque funzionare su un telefono facendo scorrere la parte costosa invece di tenerla residente. Entrambe sono scommesse sulla memoria, fatte in direzioni opposte.

Il divario è reale, ed è più stretto di quanto la narrazione suggerisca

Ecco cosa dicono le due tabelle dei fornitori quando si affiancano le righe giuste. È tutto auto-dichiarato dai laboratori, e le avvertenze sull'harness vengono dopo.

• MMMU — LFM3-VL-2B 55,7 con il pensiero attivo, 48,6 con il pensiero disattivato; MiniCPM-V 4.7 35B-A3B 80,22 con compressione visiva 4×, 80,00 con 16×.

• MMStar — 74,4 contro 80,67 a 4×, 80,13 a 16×.

• OCRBench v1 — 86,3 contro 91,20 a 4×, 90,40 a 16×.

• MathVista — 84,2 con ragionamento, 68,5 senza, contro 88,00 a 4× e 87,30 a 16×.

• Ragionamento CharXiv — 70,2 rispetto a 75,60 a 4×, 69,20 a 16×.

MMMU è dove il 35B dimostra di valere la sua dimensione: un divario di 24,5 punti rispetto alla configurazione thinking, 31,6 punti rispetto a quella no-thinking. Si tratta del benchmark di ragionamento multimodale di livello universitario, e il margine è abbastanza ampio da resistere a qualsiasi obiezione ragionevole sulle differenze di harness.

Tutto il resto è più vicino di quanto lasci intendere l'inquadratura. OCRBench è un divario di 4,9 punti. MathVista è a 3,8 punti quando LFM3-VL-2B pensa. Sul ragionamento CharXiv il modello Liquid perde di 5,4 punti in modalità thinking — e batte di un punto il valore 16× del 35B. Un modello 2B a meno di cinque punti da un 35B su OCR dei documenti e grafici è il risultato che dovrebbe ricevere più attenzione del titolo MMMU.

Ora le avvertenze, perché contano. I dati di Liquid provengono da un'unica esecuzione su 62 benchmark con vLLM 0.27.1, normalizzati su una scala 0–100, con la modalità di ragionamento attivata per ogni modello tranne le configurazioni indicate diversamente. I cinque numeri di OpenBMB sono pubblicati come immagini di grafici anziché come tabella numerica e sono stati trascritti qui dalla lettura di quei grafici da parte di un aggregatore di terze parti, quindi considerate i decimali come approssimativi. I due laboratori non concordano sui budget di token visivi, sulle impostazioni di prompting o di decoding, e la suddivisione 4× rispetto a 16× sul lato OpenBMB cambia i suoi punteggi fino a sei punti da sola. Si tratta di due insiemi di affermazioni affiancati, non di un esperimento controllato.

Dove il modello piccolo ha dei numeri, quello grande non ne pubblica.

Liquid ha pubblicato 62 righe. OpenBMB ne ha pubblicate cinque. Questa asimmetria è il fatto più sottostimato in questo confronto, e taglia in una direzione che lusinga il modello più piccolo.

• Grounding visivo — RefCOCO-avg 90,5, RefCOCO-M 95,2, Point-Bench 73,8, RefSpatial-Bench 49,8 per LFM3-VL-2B. Nella valutazione pubblicata di MiniCPM-V 4.7 35B-A3B non compare una riga equivalente.

• Comprensione della GUI — ScreenSpot-Pro 55,5, ScreenSpot-v2 a 94,6 su desktop, 92,2 su mobile, 89,9 sul web. Ancora una volta, nulla pubblicato sul fronte OpenBMB.

• Ragionamento incarnato — EmbSpatial-Bench 82,9, RoboSpatial-Home 63,4, Where2Place 44,9. Stessa assenza.

• {{1}}Video{{/1}} — {{2}}Video-MME 62,8{{/2}} senza sottotitoli, {{3}}MVBench 69,4{{/3}}, {{4}}MLVU 71,3{{/4}}, {{5}}ActivityNet-QA 71,2{{/5}}. MiniCPM-V 4.7 supporta i video e la scheda ne parla diffusamente, ma la tabella numerica non contiene una riga video che possiamo verificare.

Questa è assenza di prove, non una vittoria automatica. Se stai costruendo una pipeline per la robotica o per agenti che operano sullo schermo, la posizione onesta è che la capacità del 35B su quei compiti è sconosciuta, non debole. Ma «sconosciuta» è di per sé un problema di procurement: non puoi pianificare un deployment basandoti su un numero che nessuno ha pubblicato, e LFM3-VL-2B è l'unico dei due di cui puoi leggere le prestazioni di grounding e GUI prima di scaricarlo.

L'argomento della memoria vale in entrambe le direzioni.

Il motivo abituale per scegliere un 2B invece di un 35B è che il 2B ci sta. LFM3-VL-2B ci sta davvero, del tutto e in modo prevedibile: circa 3,8 GB in BF16, residente, senza paging, nessuna sorpresa quando il dispositivo è sotto carico. È una proprietà davvero solida per un prodotto che distribuisci su hardware che non controlli.

MiniCPM-V 4.7 35B-A3B non entra neanche lontanamente in un telefono con 65,6 GiB, e l'intero design di OpenBMB esiste proprio per questo. Lookahead Expert Scheduling prevede il routing del livello successivo e precarica gli esperti che si aspetta; la quantizzazione a grana fine per livello riduce tali esperti così che si spostino più rapidamente; il campionamento speculativo DSpark copre gli stalli di decodifica. Il produttore dichiara oltre 13 token al secondo su un iPhone 17 Pro Max utilizzando circa 3 GB di memoria, e oltre 17 su un iPad Pro M4 con 16 GB.

Quindi la tesi dell'elaborazione on-device non è «il 35B è piccolo». È «il 35B fa streaming, e lo streaming è abbastanza fluido da essere utilizzabile». Sono scommesse diverse con modalità di errore diverse. Un modello residente da 3,8 GB degrada in modo controllato — o è caricato oppure no. Un modello in streaming da 65,6 GiB degrada in base alla larghezza di banda della memoria flash, al throttling termico e alla latenza di avvio a freddo, tutti fattori che variano da dispositivo a dispositivo in modi che un benchmark su un singolo iPhone non riesce a cogliere.

La distinzione pratica: se non si ha controllo né sulla velocità di archiviazione né sull'involucro termico, la soluzione residente è il percorso a minor rischio. Se si distribuisce su hardware di punta recente e si punta all'accuratezza, l'approccio di OpenBMB non è più teorico: è un modello rilasciato con un fork funzionante alle spalle.

Il tooling del primo giorno non è un pareggio

LFM3-VL-2B include pesi BF16 che richiedono transformers 5.21 o versioni successive, oltre a GGUF, tra cui un checkpoint Q4_0 distillato con approccio quantization-aware, una build MLX a 4 bit e un'esportazione ONNX. Il supporto server non è completo: vLLM è descritto come in corso d'opera, SGLang è in revisione alla pull request 46858 e llama.cpp è in revisione alla pull request 31252, con una nota esplicita che l'input video non è ancora supportato. La scheda consiglia inoltre il parser di reasoning qwen3 e il parser di tool-call qwen3_coder per vLLM e SGLang, un dettaglio che indica quanto di recente sia stato integrato.

MiniCPM-V 4.7 35B-A3B supporta SGLang, vLLM, llama.cpp e Ollama, con SWIFT e LLaMA-Factory per il fine-tuning, build GGUF, BitsAndBytes, AWQ, GPTQ, FP8 e int4, e supporto day-zero per piattaforme chip di Rockchip, Houmo, Intel, AMD e Arm su iOS, Android e HarmonyOS. Il percorso on-device passa attraverso il fork llama.cpp-omni di OpenBMB anziché il llama.cpp upstream.

Per un deployment in produzione questo mese, non c'è partita. Per uno spike di ricerca, una demo su laptop o un fine-tuning che intendi gestire in prima persona, LFM3-VL-2B funziona già oggi tramite transformers e non passerai una settimana sui flag di compilazione.

La riga della licenza su cui inciamperanno più team

Apache 2.0 rispetto alla LFM Open License v1.0 è una differenza pratica più grande del divario MMMU, perché si applica a ogni distribuzione anziché ai casi difficili. Apache 2.0 non comporta condizioni sui ricavi, restrizioni sul campo d'uso né ambiguità sul fatto che un derivato quantizzato o distillato erediti i termini. La LFM Open License v1.0 è gratuita per uso commerciale sotto i 10 milioni di dollari di ricavi annui secondo la stessa descrizione di Liquid, il che significa che un'azienda sopra quella soglia avvia una discussione sulle licenze prima di rilasciare, non dopo.

Quella singola clausola rimescola il confronto per molti acquirenti. Una startup sotto la soglia ottiene gratis un modello più piccolo, più veloce e meglio documentato sul grounding. Un'azienda sopra la soglia ottiene un modello che richiede una firma — a quel punto l'Apache 2.0 del 35B diventa una caratteristica a cui si presta attenzione.

Quello che nessuno dei due fornitori ti dirà

Non esiste un confronto diretto indipendente. Nessun laboratorio di terze parti ha eseguito entrambi i modelli sullo stesso harness, e la cosa più vicina a una classifica neutrale — la tabella di Liquid stessa — confronta LFM3-VL-2B con il modello 1B, non con il 35B. Ogni numero in questo articolo proviene dal laboratorio che ha creato il modello che descrive.

Vale la pena citare altre due lacune. Nessuno dei due modelli ha un prezzo per token che possiamo verificare, quindi un confronto dei costi qui sarebbe inventato. E nessuno dei due è nel catalogo OrcaRouter a partire dal 28 ottobre 2026 — una ricerca di minicpm non restituisce modelli corrispondenti, e anche LFM3-VL-2B non è elencato. Ciò rende questa, oggi, una decisione di self-hosting o di API del fornitore, non una decisione di routing.

Quale scegliere?

• Documenti, grafici, testi densi e ragionamento multimodale difficile, con uno stack di serving che controlli tu — MiniCPM-V 4.7 35B-A3B. Il margine su MMMU è l'unico risultato abbastanza ampio da sopravvivere alle avvertenze dell'harness, e Apache 2.0 elimina del tutto la questione della licenza.

• Un dispositivo che non controlli, con un budget di memoria fisso e nessuna tolleranza per la latenza in streaming — LFM3-VL-2B. Occupa 3,8 GB in memoria ed è l'unico dei due con dati pubblicati su grounding, GUI ed embodied su cui basare la pianificazione.

• Agenti per lo schermo, robotica e compiti spaziali — LFM3-VL-2B per impostazione predefinita, perché è l'unico lato con prove pubblicate. Considera il 35B non comprovato in quel campo anziché debole.

• In produzione questo mese con un lavoro di integrazione minimo — MiniCPM-V 4.7 35B-A3B. Supporto per SGLang, vLLM, llama.cpp e Ollama a fronte di tre note «in revisione» o «in corso».

• Un'azienda con ricavi annuali superiori a 10 milioni di dollari — MiniCPM-V 4.7 35B-A3B, a meno che il vincolo on-device non sia abbastanza stringente da giustificare una conversazione sulle licenze.

Come si colloca OrcaRouter, onestamente

Non è ancora adatto, e sostenere il contrario sarebbe il genere di cosa che fa ignorare un post di blog. Oggi nessuno dei due modelli è nel catalogo OrcaRouter, quindi non c’è nessuna chiave da darti e nessun prezzo da indicare.

Ciò che è vero è ciò che accade quando un modello di visione arriva davvero lì: un endpoint compatibile con OpenAI su oltre 200 modelli, il prezzo di listino del fornitore passato senza ricarichi allo 0% di markup, così che una variazione di prezzo del fornitore sia attiva lo stesso giorno, e il failover automatico, così che l'interruzione di un singolo fornitore non faccia cadere la tua rotta. Per un confronto come questo — due modelli che non concordano sulla memoria, senza alcun benchmark indipendente per dirimerla — lo schema utile è eseguire entrambi dietro un unico endpoint e misurare sulle proprie immagini invece di discutere su quale grafico abbia ragione.

Cosa guardare

Quattro cose cambierebbero questo articolo. Il merge della pull request 31252 con il supporto video, che porterebbe il percorso video di LFM3-VL-2B su llama.cpp standard. Il supporto vLLM che esce da "in progress", il che lo renderebbe un'opzione di serving seria anziché una demo. Una valutazione indipendente che esegua entrambi i modelli su un unico harness — l'artefatto mancante più prezioso in questo confronto. E Liquid AI che aggiunge il 35B alla propria tabella comparativa, il che ti direbbe che il laboratorio lo considera il vero pari.

Finché nessuno di questi si concretizza, il riepilogo difendibile è più ristretto della narrazione di entrambi i fornitori: il 35B vince il benchmark di ragionamento che conta e non perde nulla sull'OCR, il 2B vince su prove di grounding e prevedibilità, e la licenza decide più deployment di quanto faccia il benchmark.