MiniCPM-V 4.7 35B-A3B vs UI-Mate-27B: uno legge lo schermo, l'altro preme il pulsante

La prima frase onesta su MiniCPM-V 4.7 35B-A3B rispetto a UI-Mate-27B è che non sono concorrenti. Entrambi sono stati pubblicati su Hugging Face senza un annuncio, entrambi hanno una licenza permissiva, entrambi sono addestrati su backbone della famiglia Qwen, ed entrambi sono descritti nella propria documentazione come forti nel comprendere ciò che appare su uno schermo — ed è per questo che vengono catalogati insieme. Ma uno è un modello visione-linguaggio generale che legge un'immagine e risponde in testo, e l'altro è un agente GUI che legge uno screenshot ed emette azioni di mouse e tastiera compatibili con pyautogui. MiniCPM-V 4.7 35B-A3B può dirti cosa dice una finestra di dialogo. UI-Mate-27B può chiuderla. Tutto il resto in questo confronto deriva da quella singola differenza, e la domanda utile non è quale modello vince — è quale metà del lavoro ti manca.

Anche entrambi sono agli inizi. UI-Mate-27B è arrivato il 14 agosto 2026 con un paper due giorni dopo e nessun post di lancio da parte del laboratorio; aveva zero download su Hugging Face quando ne abbiamo parlato per la prima volta, e non esiste ancora alcuna API ospitata da nessuna parte. MiniCPM-V 4.7 è arrivato il 6 ottobre senza alcuna scheda, e OpenBMB non ha pubblicato una scheda del modello, un tag di licenza o una sezione delle dichiarazioni fino al 12 ottobre. Nessuno dei due è stato valutato in modo indipendente. Ogni cifra di prestazione in questo articolo è etichettata con chi l'ha riportata, e da entrambe le parti si tratta del laboratorio stesso del modello.

Lo stesso corpo, due lavori diversi

Partiamo da ciò che rende naturale l'abbinamento. Entrambi sono modelli multimodali open-weight di taglia medio-grande con licenza Apache-2.0. Entrambi appartengono alla stessa discendenza a monte — UI-Mate-27B è un fine-tuning di Qwen3.6-27B, e lo stack linguistico di MiniCPM-V 4.7 35B-A3B è un MoE sparse della famiglia Qwen3.5. Entrambi puntano alla stessa ampia area applicativa, schermate, documenti e stato dell'applicazione, ed entrambi sono stati rilasciati nel silenzio.

Poi guarda cosa restituisce ciascuno. MiniCPM-V 4.7 restituisce token di testo. UI-Mate-27B restituisce un'azione strutturata — un clic, una pressione di tasto, uno scorrimento, un'attesa, un segnale di attività completata — in uno spazio di coordinate normalizzato 1000×1000 che l'agente di riferimento ridimensiona alla risoluzione reale dello screenshot, così le previsioni sopravvivono alle differenze di scaling del display tra macchine. La model card è esplicita sul fatto che UI-Mate è «un checkpoint per agente anziché un modello visual-chat autonomo» e che per qualsiasi cosa reale si dovrebbe usare la harness che lo accompagna.

Quella distinzione decide la maggior parte delle implementazioni reali. Se la tua pipeline consiste nel «leggere questo screenshot e dirmi cosa non va», un VLM generico è lo strumento giusto e un agente è eccessivo, con una modalità di errore peggiore. Se la tua pipeline consiste nel «far fare all'applicazione la cosa», un VLM da solo ti lascia a scrivere tu stesso l'intero livello d'azione — mappatura delle coordinate, parsing delle azioni, recupero dagli errori, logica di retry — che è la parte su cui UI-Mate ha speso il suo budget di reinforcement learning.

Che cos'è MiniCPM-V 4.7 35B-A3B, allo stato attuale

Il primo MoE di OpenBMB della serie MiniCPM-V: 256 esperti con 8 attivi per token su 40 layer, una finestra di contesto di 262.144 token e un vocabolario di 248.144 token, ovvero circa 3B parametri attivi su 35,2B totali. La visione passa attraverso un modulo SigLIP2 con compressione anticipata intra-ViT di LLaVA-UHD v4 e una modalità selezionabile di compressione mista dei token visivi 4x/16x — 16x per impostazione predefinita per il throughput, 4x quando è il dettaglio fine a contare. Comprende immagini singole, set multi-immagine e video, e restituisce testo.

L'affermazione di punta della scheda è che questo è il primo modello MoE open source con inferenza on-device senza perdita e fluida — Lookahead Expert Scheduling, quantizzazione fine-grained a livello di layer e campionamento speculativo tramite draft DSpark separati — a una velocità dichiarata di oltre 13 token al secondo su un iPhone 17 Pro Max. Quel dato è riportato dal fornitore, non riprodotto e non circostanziato. Una seconda affermazione, secondo cui il modello supera il punteggio complessivo in modalità Instruct di Qwen3.6 35B-A3B con un tempo di inferenza inferiore, è rappresentata all'interno dell'immagine di un grafico anziché in una tabella, quindi non può essere citata come numero.

Ciò che è concreto è la distribuzione. Esistono tutti i pesi Base, FP8, int4, AWQ, GPTQ e GGUF; SGLang, vLLM, llama.cpp, Ollama e OpenVINO sono supportati; esistono app per iOS, Android e HarmonyOS; Rockchip, Houmo, Intel, AMD e Arm sono elencati per il silicio day-zero; e la scheda documenta il tool calling, con un esempio pratico di function calling nella sezione serving. Quest'ultimo dettaglio è importante per questo confronto: MiniCPM-V 4.7 può essere il livello di percezione e ragionamento all'interno di un agente che costruisci, anche se non agirà da solo.

Che cos'è UI-Mate-27B, allo stato attuale

l'agente GUI fondazionale da 27 miliardi di parametri del fornitore, pubblicato il 14 agosto 2026 insieme a un gemello da 9B e a una variante guidata da dimostrazioni, UI-Mate-democua-27B. L'addestramento è consistito in un fine-tuning supervisionato seguito da apprendimento per rinforzo online in ambienti GUI eseguibili — il modello ha imparato guidando concretamente i desktop, non da screenshot statici. Il suo spazio di azione copre mouse, tastiera, scorrimento, attesa, interazione con l'utente e segnali di completamento, e le azioni emesse sono compatibili con pyautogui, così l'harness può eseguirle direttamente.

Il fattore distintivo su cui il fornitore fa leva è l'esecuzione guidata dalla dimostrazione: registra una volta un flusso di lavoro e l'agente lo adatta alla schermata corrente, con lo screenshot in tempo reale considerato autorevole anziché riprodurre uno script fisso. Il materiale di supporto è insolitamente completo per un rilascio silenzioso — una pagina di progetto con un video dimostrativo e un'app macOS per Apple Silicon, un repository GitHub contenente il prompt ufficiale, il parser delle risposte e l'harness di interazione, e il preprint arXiv 2608.15930 inviato due giorni dopo la pubblicazione dei pesi.

Le cifre salienti sono un punteggio WindowsAgentArena dichiarato dal fornitore di 66,2 e un OSWorld-Verified di 77,0, che si collocherebbero in cima a quanto pubblicato su quel benchmark quest'anno, se reggono. Nessuno al di fuori del laboratorio è riuscito a riprodurli. E il quadro di deployment è scarno, come di solito lo è nelle prime release degli agenti: nessuna API ospitata, un percorso di serving consigliato basato su vLLM dietro un endpoint compatibile con OpenAI, e un'istruzione deliberata a usare l'harness anziché chiamare il checkpoint grezzo.

Otto dimensioni, entrambi i lati

• Output — testo, da MiniCPM-V 4.7 35B-A3B; azioni strutturate compatibili con pyautogui, da UI-Mate-27B.

• Input — testo, immagini e video, a fronte di screenshot dal vivo più un'istruzione. Nessuno dei due accetta audio.

• Modello base — un MoE sparso della famiglia Qwen3.5 per il modello MiniCPM, Qwen3.6-27B per UI-Mate.

• Dimensioni e forma — 35,2B in totale con 3B attivi distribuiti su 256 esperti; 27B denso. Quello sparso costa meno per token, quello denso è più semplice da servire.

• Contesto — 262.144 token contro un valore predefinito di cinque screenshot conservati, che è la più grande differenza architetturale tra loro e il motivo per cui uno può leggere un lungo set di documenti e l'altro no.

• Licenza — Apache-2.0 su entrambi, il che, per una volta, rende la scelta una questione tecnica anziché legale.

• Affermazione di punta, entrambe dichiarate dal fornitore — oltre 13 token al secondo su un iPhone 17 Pro Max, contro WindowsAgentArena 66.2 e OSWorld-Verified 77.0. Benchmark diversi, nessuna scala condivisa, nessuno dei due riprodotto.

• Disponibile oggi — sei formati di quantizzazione, cinque runtime e app mobili, a fronte di zero download alla prima copertura, nessuna API ospitata e un harness che il fornitore consiglia di usare.

Dove effettivamente si sovrappongono

C'è un solo compito che entrambi possono tentare: comprendere uno screenshot dell'interfaccia utente abbastanza bene da rispondere a una domanda al riguardo. Chiedi «quale campo non ha superato la convalida» e entrambi i modelli possono rispondere in modo plausibile. Chiedi «correggilo» e solo UI-Mate-27B produce un'azione, e solo se hai allestito il meccanismo — il ciclo degli screenshot, il parser, l'esecutore, il ridimensionamento delle coordinate e la politica di retry quando il clic finisce in un punto inaspettato.

La sovrapposizione inversa è più debole ma reale. Il supporto alla chiamata di strumenti di MiniCPM-V 4.7 significa che puoi costruirci attorno un agente: percezione e pianificazione sul modello di visione, con il tuo livello d'azione aggiunto tramite chiamate di funzione. È un'architettura legittima e ti dà il controllo totale sullo spazio delle azioni. È anche, all'incirca, reinventare ciò su cui UI-Mate ha già speso l'apprendimento per rinforzo, e farlo senza dati di addestramento specifici per le GUI. Per i team è meglio scegliere su quale livello vogliono avere la proprietà piuttosto che su quale modello sia superficialmente migliore con gli screenshot.

Servire entrambi, e dove si inserisce un router

Nessuno dei due modelli è ospitato da nessuna parte, incluso qui — MiniCPM-V 4.7 35B-A3B e UI-Mate-27B non compaiono da nessuna parte nel catalogo di OrcaRouter, e nulla in questo articolo deve essere interpretato come un'affermazione che li instradiamo. Entrambi sono checkpoint che scarichi ed esegui tu stesso, e per UI-Mate questo significa due cose: circa 27B di pesi e un endpoint compatibile con OpenAI, perché il README del fornitore stesso consiglia di servirlo con vLLM e l'harness si aspetta un base URL compatibile.

Quell'endpoint è la parte interessante per la pianificazione dei costi, perché l'harness non si preoccupa di quale modello risponda fintanto che l'endpoint si comporta come deve. OrcaRouter mette oltre 200 modelli ospitati dietro un'unica chiave al prezzo di listino di ciascun provider senza alcun ricarico da parte nostra, con failover automatico tra le rotte dei provider, il che lo rende una base URL drop-in per il lato pianificazione di un agente — e il DSL di routing ti consente di comporre un modello economico per i passaggi di routine e uno più forte per le decisioni che contano in un'unica chiamata invece di due integrazioni. La forma ospitata più vicina al profilo di costo del modello MiniCPM è Qwen3.6 35B A3B — 35B totali, 3B attivi, contesto 262K — a $0.25 per milione di token in input e $1.48 per milione di token in output. Se questo batta l'auto-hosting di un MoE sparso da 70 GB è una domanda a cui puoi rispondere in un pomeriggio, il che non è vero per nessuno dei due modelli nel titolo.

Quale vuoi

Scegli UI-Mate-27B se ti serve un modello che agisce — automazione desktop, sostituzione dell'RPA, flussi di lavoro applicativi a lungo termine — e se accetti il compromesso che comporta: un benchmark riportato dal fornitore, nessuna riproduzione indipendente, nessuna via ospitata, e un harness che devi adottare anziché interrogare. Il lato positivo è che tutto ciò che riguarda il rilascio è insolitamente ben documentato, dal paper al prompt al parser, e il fratello 9B ti offre un modello più economico su cui prototipare.

Scegli MiniCPM-V 4.7 35B-A3B se hai bisogno di percezione — documenti lunghi, flotte di screenshot, video — e sei pronto a gestire da solo il livello di azione. Ottieni la licenza permissiva, sei formati di quantizzazione, cinque runtime, una finestra da 262K e una storia di distribuzione di classe telefonia che non è stata verificata da nessuno al di fuori di OpenBMB.

Cosa cambierebbe questo: un'esecuzione riprodotta di OSWorld o WindowsAgentArena per UI-Mate, che trasformerebbe la sua affermazione centrale da marketing in una misurazione; e una tabella di valutazione per MiniCPM-V 4.7, che non esiste affatto. Finché non arriva una di queste due cose, la decisione spetta al tuo diagramma di architettura piuttosto che all'uno o all'altro tabellone — un decoder o una mano, e dovresti sapere quale dei due ti manca.