MiniCPM-V 4.7 vs Qwen3.8-Omni-Flash: un'ora di video sul tuo telefono o una singola chiamata da 1M token

Due rilasci, a sei settimane di distanza, che entrambi dichiarano di risolvere la comprensione video — e non potrebbero essere più in disaccordo su dove debba avvenire il lavoro. MiniCPM-V 4.7 35B-A3B di OpenBMB gira su un telefono, in circa tre gigabyte, a oltre 13 token al secondo come dichiarato dal fornitore, e non costa nulla per chiamata perché il calcolatore è nella tua tasca. Qwen3.8-Omni-Flash di Alibaba accoglie testo, immagini, audio e video in un'unica finestra da un milione di token, fino a un'ora intera di audio-video continuo per chiamata, ed è venduto a $0,15 per milione di token di input con l'affermazione di punta di un audio più economico del 98% rispetto al predecessore. Uno ottimizza per il dispositivo; l'altro ottimizza per la finestra di contesto. Per un team con filmati da elaborare, quella differenza decide l'architettura prima ancora di qualsiasi benchmark. Qwen3.8-Flash è nel catalogo a $0,15 per milione di token di input. Consulta i modelli Qwen instradabili Una sola chiave, prezzo di listino trasferito con 0% di ricarico, failover automatico tra fornitori. I fallimenti documentati dell'IA e gli incidenti degli agenti dietro rilasci come questo sono raccolti in l'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, gravità, grado di confidenza e flag di contestazione.

Due diverse scommesse su dove finiscono i pixel

MiniCPM-V 4.7 35B-A3B è un modello visione-linguaggio sparse mixture-of-experts: 35,2B parametri totali, circa 3B attivi per token, Apache-2.0, testo in ingresso e testo in uscita, con input di immagini, più immagini e video. È stato pubblicato su Hugging Face il 6 e il 7 ottobre 2026, ha ricevuto la sua model card il 12 ed è stato integrato in llama.cpp upstream il 10. La scommessa ingegneristica è che la maggior parte del lavoro visivo sia di routine, avvenga dove si trova la fotocamera e non debba mai lasciare il dispositivo: compressione mista dei token visivi 4x/16x, streaming degli esperti e un fork che combina schedulazione lookahead degli esperti, precisione mista e decodifica speculativa per raggiungere i 20,51 token al secondo dichiarati su un iPhone 18 Pro Max.

Qwen3.8-Omni-Flash è il modello omni-modale nativo di Alibaba, reso disponibile ai clienti API il 18 settembre 2026 con lo slogan "Omni Senses. Agentic Delivery." Un milione di token di contesto, circa 991K di input massimo, 131K di output massimo, un budget di ragionamento fino a 262K e fino a un'ora di audio o audio-video continuo in una singola chiamata. L'input è testo, immagine, audio e video — inclusi audio spaziale stereo e a quattro canali. L'output è solo testo. È servito sulla piattaforma Qianwen di Alibaba e su Alibaba Cloud Model Studio con l'ID API qwen3-8-omni-flash; i pesi non vengono rilasciati.

• Dove viene eseguito — MiniCPM-V 4.7 35B-A3B: sul tuo dispositivo, iOS, Android, HarmonyOS o una GPU da scrivania. Qwen3.8-Omni-Flash: l'API di Alibaba, solo ospitata.

• Struttura dei costi — MiniCPM-V 4.7 35B-A3B: hardware più elettricità; un download Q4_K_M da 21,2 GB. Qwen3.8-Omni-Flash: 0,15 $ per milione di token in input, 0,016 $ in cache, 0,47 $ in output.

• Media per chiamata — MiniCPM-V 4.7 35B-A3B: limitato dalla memoria del dispositivo e dal budget di campionamento, un prompt alla volta. Qwen3.8-Omni-Flash: fino a un'ora di audio-video continuo.

• Output — entrambi solo testo. Nessuno dei due modelli parla.

• Licenza — Apache-2.0 rispetto a un'API ospitata senza pesi.

Il 98% è un'affermazione sui costi; i minuti sono il vero termine di paragone

Il messaggio principale di Alibaba è che un’ora di input audio costa il 98% in meno rispetto a Qwen3.5-Omni-Plus, e un’ora di audio-video combinato il 93% in meno. Quel dato si ottiene calcolando il prezzo di un campione di due minuti e moltiplicandolo per trenta, con il video campionato a 720p e un frame al secondo — un modo legittimo di quotare un carico di lavoro di produzione, e anche una descrizione di ciò che viene chiesto al modello di guardare. Un frame al secondo basta per sapere cosa è stato detto e all’incirca cosa è successo. Non è affatto sufficiente per ispezionare operazioni a livello di frame o per individuare un artefatto di un singolo frame.

Applica lo stesso calcolo al modello del telefono e la forma della decisione diventa evidente. Un'ora di filmato a un fotogramma al secondo sono 3.600 immagini. Su un dispositivo che decodifica a 13-20 token al secondo, non è un lavoro da una sola chiamata; è un lavoro a lotti, campionato e con riepilogo progressivo, e il costo è ore di tempo effettivo su hardware che già possiedi. Tramite l'API di Alibaba, la stessa ora è una sola chiamata all'interno di una finestra da un milione di token, prezzata in token e restituita nel tempo che l'endpoint impiega. Nessuno dei due è gratuito, e non sono la stessa valuta.

Il punto di svolta è il volume e la privacy, non l’accuratezza. Una clinica che non può lasciar uscire i fotogrammi dall’edificio ha un’opzione. Un team di monitoraggio media con mille ore al mese ha l’altra, perché campionare mille ore sui telefoni è un acquisto hardware e un problema di pianificazione, mentre mille chiamate da un’ora sono una voce di spesa. Tra questi due estremi, i numeri diventano interessanti: il prezzo di Qwen è abbastanza basso che cento ore di revisione costano qualche centinaio di dollari anziché qualche migliaio, ed è proprio l’intervallo in cui “limitarsi a inviarlo all’API” smette di sembrare uno spreco.

In cosa ciascuno è davvero bravo, stando alle prove

Le cifre di lancio di Qwen3.8-Omni-Flash sono tutte riferite a un'unica baseline — Qwen3.5-Omni-Plus — e il miglioramento medio su circa trenta valutazioni è superiore al 26%. Le variazioni maggiori sono WildClawBench-MM a 71.0, con un aumento di 36.5 punti, e la diarizzazione degli speaker su AliMeeting, dove il tasso di errore scende da 88.11 a 3.35 e il cpWER da 89.61 a 17.18. Un delta così ampio merita un esame attento più che applausi; un'analisi tecnica cinese del lancio ne attribuisce gran parte all'ingegneria del front-end e della diarizzazione costruita attorno al modello, anziché al ragionamento del modello, e avverte che il sistema appare specializzato nell'ascolto, con un ragionamento video profondo più debole. Questa è la lettura di un critico, non una replica, ma è l'istinto giusto. Tutti questi numeri sono di Alibaba e nessuno è stato riprodotto in modo indipendente.

Le prove a supporto di MiniCPM-V 4.7 sono più scarse, ma in un modo diverso: cinque grafici di valutazione, nessuna tabella numerica e due confronti direzionali — punteggio complessivo più alto in meno tempo di inferenza rispetto a Qwen3.6 35B-A3B, e guadagni sostanziali rispetto a Qwen3.5 0.8B per il modello gemello da 1B. I fatti riproducibili sono quelli in config.json e nell'elenco dei file: 35,2B totali, 256 esperti con 8 attivi, posizione massima di 262.144 token, una torre visiva a 27 strati, Apache-2.0 e un download Q4_K_M da 21,2 GB. Considera le dichiarazioni sul throughput come misurazioni del fornitore su hardware che non hai mai avuto tra le mani, e le dichiarazioni sull'accuratezza come non verificate, che è esattamente il modo in cui OpenBMB le presenta.

Una cosa che hanno in comune: nessun tabellone indipendente. Al momento in cui scriviamo, nessuno dei due modelli compare su una classifica neutrale di terze parti con un punteggio multimodale verificato. Confrontarli sulla base dei "benchmark" significherebbe quindi mettere il grafico di un fornitore accanto a quello di un altro e chiamare il risultato una misurazione. Non fatelo.

Campionamento agentico rispetto al campionamento fisso

La differenza tecnica più interessante non è la dimensione o la velocità — è chi decide cosa guardare.

Qwen3.8-Omni-Flash introduce quella che A​libaba chiama modalità Agentic Understanding, in cui il modello sceglie cosa ispezionare invece di elaborare ogni fotogramma, raccogliendo evidenze in cicli dal grossolano al fine. Su OmniVideoBench tale modalità aumenta l'accuratezza da 63,4 a 67,8 riducendo al contempo i token per query da 145.736 a 79.117 — una riduzione del 45,7%. Accuratezza in aumento e costo in calo nello stesso momento è la rivendicazione più forte di quel rilascio, ed è quella che sostiene più direttamente la tesi agentica.

L'equivalente di MiniCPM-V 4.7 è una scelta statica effettuata per ogni immagine: compressione 16x per impostazione predefinita, 4x quando i dettagli contano. Non è il modello a decidere di guardare più da vicino, ma chi lo chiama, passando un'impostazione diversa. È il progetto giusto per un dispositivo con un budget energetico fisso e quello sbagliato per un video di un'ora in cui i novanta secondi interessanti non sono annunciati.

La questione del routing, detta onestamente

Nessuno dei due modelli viene servito da OrcaRouter. MiniCPM-V 4.7 35B-A3B è un checkpoint che ospiti tu; Qwen3.8-Omni-Flash gira sulle piattaforme proprietarie di A​libaba e non è nemmeno nel nostro catalogo. Ciò a cui serve un livello di routing in questa architettura è la cerniera tra i due: decidere, per ogni richiesta, se la clip è abbastanza ordinaria per il modello locale o abbastanza lunga da giustificare una chiamata a un servizio ospitato, e passare al failover quando il lato ospitato degrada.

OrcaRouter mette oltre 200 modelli ospitati dietro un'unica chiave e trasmette il prezzo di listino del fornitore con un ricarico dello 0%, così un taglio di prezzo del fornitore — come quello che A​libaba ha appena applicato all'audio — arriva sulla tua fattura lo stesso giorno anziché al rinnovo. Inoltre esegue automaticamente il failover tra provider, il che conta più per un modello omni ospitato che per un telefono: il telefono non subisce interruzioni, mentre l'API sì. Nel nostro catalogo c'è già un confronto verificabile: Qwen3.8-Flash, il modello multimodale sviluppato parallelamente a questa variante omni, è instradabile a $0,15 per milione di token di input e $0,47 di output — lo stesso prezzo di listino che A​libaba indica per il nuovo modello omni.

Scegliere, in un paragrafo

Scegli MiniCPM-V 4.7 35B-A3B quando i fotogrammi non possono lasciare il dispositivo, quando il carico di lavoro consiste in molte osservazioni brevi anziché poche lunghe, quando l'operatività offline è un requisito oppure quando il costo per chiamata è ciò che sta uccidendo la tua economia unitaria. Scegli Qwen3.8-Omni-Flash quando l'input è lungo, le modalità sono miste — audio, video e slide in un'unica chiamata — e preferisci pagare per token anziché costruire una pipeline di campionamento. Scegli entrambi quando hai un livello smartphone che filtra il novanta percento dei casi routine e un livello API che assorbe i casi della durata di un'ora, e accetta che ora stai mantenendo due formati di prompt, due politiche di campionamento e un confine molto chiaro su quali fotogrammi possono attraversarlo.