MiniCPM-V 4.7 vs Gemma 4 12B: uno pubblica i benchmark, l'altro ne pubblica un'immagine

Apri la model card di MiniCPM-V 4.7 e scorri fino alla sezione di valutazione. Troverai tre immagini: un grafico della frontiera prestazioni-tempo di inferenza, un confronto complessivo visione-linguaggio e un confronto complessivo sul linguaggio. Non troverai una tabella. Ora apri la card di Gemma 4 12B e scorri nello stesso punto. Troverai MMLU Pro, AIME 2026, LiveCodeBench v6, GPQA Diamond, Codeforces ELO, MMMU Pro, MATH-Vision e un tasso di errore nell'analisi dei documenti, ciascuno con un numero che puoi copiare in un foglio di calcolo. Entrambi i modelli sono open-weight, entrambi sono Apache 2.0, entrambi sono posizionati come modelli multimodali che stanno su hardware che possiedi — e solo uno dei due ti permetterà di verificare il suo lavoro. I fallimenti documentati dell'IA e gli incidenti degli agenti dietro rilasci come questo sono raccolti in the OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, gravità, grado di confidenza e flag di contestazione.

Quell'asimmetria è il vero confronto. MiniCPM-V 4.7, rilasciato da OpenBMB il 12 ottobre 2026, e Gemma 4 12B, rilasciato da Google DeepMind il 3 giugno 2026, non sono lo stesso tipo di oggetto, e la differenza non sta nelle dimensioni. Sta in quanto della propria dichiarazione ciascun fornitore sia disposto a mettere nero su bianco.

Cosa ti dirà ogni fornitore, in numeri

La scheda di Gemma 4 12B pubblica i suoi punteggi rispetto a cinque modelli fratelli e a un predecessore, con l'harness di valutazione indicato per benchmark. Nello specifico per la variante 12B Unified, il fornitore riporta 77,2 su MMLU Pro, 77,5 su AIME 2026 senza strumenti, 72,0 su LiveCodeBench v6, 78,8 su GPQA Diamond, un ELO Codeforces di 1659, 69,0 su Tau2 come media su tre esecuzioni, 83,4 su MMMLU e — il numero che inquadra più onestamente ciò che è un modello da 12B — 5,2 su Humanity's Last Exam senza strumenti. Sul fronte visione riporta 69,1 su MMMU Pro, 79,7 su MATH-Vision e 0,164 di distanza di modifica media su OmniDocBench 1.5, dove un valore più basso è meglio.

Quelli sono numeri del fornitore. Nessun indipendente è tenuto a essere d'accordo con essi, e su un modello così ampiamente distribuito alcuni di essi non sopravviveranno al contatto con un harness diverso. Ma sono falsificabili, ed è questa la proprietà che conta. Se ottieni 62 su MMLU Pro dalla tua stessa valutazione, sai che c'è qualcosa che non va nella tua configurazione o nella scheda.

La scheda di MiniCPM-V 4.7 contiene quattro affermazioni numeriche in prosa e nessuna tabella di benchmark. La variante 35B-A3B decodifica a 13 o più token al secondo usando circa 3 GB di memoria su un iPhone 17 Pro Max. Lookahead Expert Scheduling offre un'accelerazione di 5× su dispositivi reali. La variante 1B supera Qwen3.5 0.8B nel punteggio complessivo e nell'efficienza di inferenza. E in modalità Instruct, 35B-A3B raggiunge un punteggio complessivo più alto in meno tempo di inferenza rispetto a Qwen3.6 35B-A3B. Tutto il resto — ogni asse del confronto — è contenuto nelle immagini dei grafici.

Non è disonestà. I grafici trasmettono informazioni, e un grafico di frontiera è probabilmente un riassunto migliore di un compromesso velocità-qualità rispetto a una tabella di punteggi su benchmark diversi misurati con dimensioni di batch differenti. Ma un grafico non può essere citato, non può essere ricavato di nuovo e non può essere confrontato con il grafico di un altro fornitore senza che qualcuno legga le posizioni dei pixel. Quando l'unica valutazione pubblica di un modello è un'immagine, l'atteggiamento corretto è trattare il modello come non misurato finché qualcuno non lo misura.

Le due architetture risolvono problemi diversi

Se si va oltre le sezioni di valutazione, i design divergono nettamente, il che è un segnale più utile di qualsiasi singolo punteggio.

Gemma 4 12B è privo di encoder. Non c'è una torre visiva separata né un encoder audio separato: le patch grezze delle immagini e le forme d'onda audio si proiettano direttamente nello spazio di embedding del modello linguistico tramite livelli lineari leggeri. La motivazione dichiarata da Google è la latenza e il fine-tuning a passaggio singolo — un solo modello, una sola esecuzione di addestramento, tutte le modalità. Il compromesso è che l'azienda scommette che un transformer solo decoder possa imparare a vedere abbastanza bene senza un front end visivo dedicato. Il suo dato MMMU Pro di 69,1, contro 76,9 del fratello 31B che invece monta un encoder visivo da circa 550M di parametri, suggerisce che la scommessa costa qualcosa in ragionamento visivo fine.

MiniCPM-V 4.7 va nella direzione opposta. Mantiene una torre di visione dedicata — larghezza nascosta 1152, 27 livelli, tile da 980 pixel — e investe la propria ingegneria nel rendere quella torre economica. La compressione anticipata intra-ViT mutuata da LLaVA-UHD v4 riduce i token visivi all'interno dell'encoder anziché dopo di esso, e un interruttore di downsampling misto 4×/16× consente al chiamante di scegliere tra dettaglio e costo per singola richiesta. Sul versante linguistico, il 35B-A3B è una mixture di 256 esperti che ne attiva 8 per token, disposta secondo uno schema 3:1 di attenzione lineare rispetto all'attenzione completa su 40 livelli.

La conseguenza pratica di quel design è che il percorso video di MiniCPM è insolitamente esplicito. La scheda espone max_num_frames a 128, un parametro stack_frames che compone i sotto-frame in una griglia tra i frame principali e indicazioni separate sul numero di slice per le immagini (36) rispetto al video (1). Se stai costruendo qualcosa che legge registrazioni dello schermo o video di lezioni, quel livello di controllo su ciò che viene campionato è la funzionalità. Gemma 4 12B gestisce anch'esso il video, come sequenze di frame, ma la sua scheda documenta il formato anziché l'economia del campionamento.

Le righe che in realtà lo decidono

• Parametri — 35,21B totali, 8 esperti attivi su 256, più un modello gemello denso da 1,55B rispetto a 11,95B densi

• Modalità in ingresso — testo, immagine, video, con OCR e parsing PDF evidenziati rispetto a testo, immagine, video e audio nativo

• Contesto — 262,144 token rispetto a 262,144 token sul 12B, 128K sui modelli gemelli della serie E

• Licenza — Apache 2.0, pesi scaricabili vs Apache 2.0, pesi scaricabili

• Valutazione pubblicata — grafici della frontiera e comparativi, quattro affermazioni in prosa rispetto a una tabella numerica completa su otto modelli della stessa famiglia

• Valutazione indipendente — al momento in cui scriviamo non esiste alcuna voce Artificial Analysis per nessuna delle due varianti 4.7, rispetto a una pagina Artificial Analysis con posizionamento in termini di intelligenza e throughput

• Memoria in BF16 — circa 70 GB di pesi per il 35B-A3B, circa 3,1 GB per la versione 1B rispetto a circa 24 GB

• Formati quantizzati forniti — GGUF, bitsandbytes, AWQ, GPTQ, FP8, int4 rispetto al checkpoint upstream, oltre alle build GGUF e QAT della community da G​oogle e terze parti

• Percorsi di serving denominati dal fornitore — SGLang, vLLM, llama.cpp, Ollama, Transformers, OpenVINO vs Transformers, con l'ecosistema più ampio fornito dalla community

• Proposta on-device — app per iOS, Android e HarmonyOS, oltre al supporto day-0 per Rockchip, Houmo, Intel, AMD e Arm, rispetto a un design ottimizzato per laptop e GPU consumer

Tre carichi di lavoro, tre risposte

Comprensione di schermate e documenti su larga scala. È qui che punta il design di MiniCPM-V 4.7 ed è qui che la sua documentazione è più solida. La modalità di downsampling 4×, l'impostazione a 36 slice, le voci del cookbook per OCR e parsing PDF e i controlli espliciti di campionamento dei fotogrammi per i video descrivono tutti una pipeline per trasformare contenuti renderizzati in testo strutturato. Anche Gemma 4 12B è credibile in questo campo — la sua distanza di edit di 0.164 su OmniDocBench è un dato reale di document parsing — ma la scheda del fornitore tratta il document parsing come una capacità tra tante anziché come principio organizzativo.

Tutto ciò che deve ascoltare. Gemma 4 12B gestisce l'audio in modo nativo, con CoVoST a 38,5 e FLEURS a 0,069 sulla sua scheda. MiniCPM-V 4.7 no. Il lavoro sull'audio di OpenBMB risiede nella linea separata MiniCPM-o, e la scheda del 4.7 non elenca alcuna modalità audio. Se il tuo input include parlato, il confronto è chiuso prima ancora di iniziare: un modello necessita di un passaggio di trascrizione a monte e l'altro no.

Una singola GPU consumer con un budget fisso. Gemma 4 12B a 4-bit entra sotto gli 8 GB e lascia spazio per il contesto; il 35B-A3B a 4-bit non entra su una singola scheda consumer e la storia delle prestazioni della sua scheda riguarda telefoni che mantengono 3 GB residenti, non una GPU con 70 GB di pesi esperti da paginare. Se il vincolo è "una scheda che possiedi già", il 12B è la risposta e la variante 1B è l'unico MiniCPM che si applica.

Il divario che un acquirente dovrebbe incorporare nel prezzo

Entrambi i modelli sono scaricabili gratuitamente, quindi la riga della licenza è una parità e il costo reale è tutto ciò che viene dopo. Per Gemma 4 12B, l’ecosistema ha avuto quattro mesi e mezzo per recuperare: build quantizzate direttamente da G​oogle, conversioni GGUF della community, checkpoint QAT e un’indicizzazione indipendente che consente di confrontarlo con un centinaio di altri modelli sulla stessa scala. Per MiniCPM-V 4.7, sono passati solo otto giorni da una nuova architettura — un nuovo model_type, un nuovo layout dell’attenzione, una versione minima di Transformers — e la scheda del fornitore si apre con una nota sui disallineamenti di versione CUDA che compromettono la decodifica video tramite torchcodec.

Non è una critica al modello. È il pedaggio standard da pagare quando si adotta qualcosa nelle prime due settimane, ed è il motivo per cui un rilascio silenzioso con una valutazione basata solo su grafici è un cattivo candidato per un percorso di produzione e un buon candidato per un test affiancato. Il modo per rendere economico quel test è mantenere in servizio l'incumbent mentre si valuta il nuovo arrivato, il che è un problema di routing più che di modellazione.

OrcaRouter esegue oltre 200 modelli ospitati dietro un unico endpoint compatibile con OpenAI senza alcun ricarico, prezzo di listino del fornitore passato direttamente, quindi il costo per provare un secondo modello è una modifica di configurazione anziché un secondo contratto. Il suo DSL di routing può includere un primario e un fallback in un'unica chiamata, e il failover automatico mantiene attivo il percorso primario quando un fornitore riscontra un problema temporaneo. La nota sulla copertura è la parte importante qui: il nostro catalogo include Gemma 4 26B-A4B e Gemma 4 31B, non questo 12B, e non include affatto MiniCPM-V 4.7. Entrambi i modelli di cui tratta questo articolo sono checkpoint che esegui tu stesso — il router è ciò che sta loro intorno, non un modo per chiamarli.

Cosa lo risolverebbe

Il confronto è attualmente sbilanciato in un modo facile da enunciare e facile da correggere. Gemma 4 12B ha numeri con cui si può discutere. MiniCPM-V 4.7 ha affermazioni che puoi solo accettare o rifiutare: 13 token al secondo, 3 GB, velocità 5×, migliore di un concorrente nominato su un punteggio complessivo senza nome. Ognuna di queste sarebbe più utile come riga di una tabella, e OpenBMB è chiaramente in grado di produrne una — le schede precedenti della famiglia riportavano griglie di benchmark standard.

Quindi l'impostazione utile è volutamente asimmetrica. Se devi prendere una decisione questa settimana, Gemma 4 12B è il modello il cui comportamento puoi prevedere dai dati pubblicati, e il suo supporto audio è una capacità che nessuna dose di pazienza potrà aggiungere a MiniCPM-V 4.7. Se stai sviluppando per telefoni, per HarmonyOS, per una scheda Rockchip, o per leggere schermi e documenti in cui il percorso di downsampling 4× è esattamente quello giusto, l'ingegneria di MiniCPM-V 4.7 è più specifica per il tuo problema di qualsiasi cosa G​oogle abbia rilasciato con queste dimensioni — e la tabella mancante è un motivo per misurarlo tu stesso anziché un motivo per scartarlo.

Un'ultima cosa che vale la pena dire chiaramente, perché è la parte che non rientra nel posizionamento di nessuno dei due fornitori. Nessuno di questi modelli compete per lo stesso acquirente di un'API di frontiera. Competono con la decisione di non eseguire affatto un modello in locale. L'argomento più forte di Gemma 4 12B è che quattro mesi di ecosistema significano che il percorso noioso funziona; l'argomento più forte di MiniCPM-V 4.7 è che un modello da 1B a 3 GB gira dove un 12B non può arrivare. Scegli prima il vincolo, poi il modello — la tabella di benchmark, quando arriverà, riorganizzerà solo i modelli all'interno di una categoria che hai già scelto.