MiniCPM-V 4.7 1B 対 LFM2.5-VL 3B：OpenBMBは自社の1Bが3Bを上回ると主張。その主張が隠しているものとは

MiniCPM-V 4.7 1BとLFM2.5-VL 3Bはどちらも、スマートフォンや小型コンピューター向けに作られたオープンウェイトの視覚言語モデルで、公開日は3週間未満しか離れていません。MiniCPM-V 4.7 1BはOpenBMBが2026年10月6日にアップロードし、ベンダーのリリースノートでは10月12日付とされています。LFM2.5-VL 3BはLiquid AIが2026年8月11日に公開しました。一方は15.5億パラメーターでApache 2.0です。もう一方は31.2億パラメーターで、LFM Open License v1.0の下にあります。そしてOpenBMB自身の製品ページには、サイズだけで選ぼうとする人を止めるべき主張があります。つまり、その1Bモデルが上回るOCR、グラフ推論、動画理解でLFM2.5-VL 3Bをこのようなリリースの背後にある、記録されたAIの失敗やエージェントのインシデントはOrcaRouter AI Incident Archiveに集められており、各項目には独自の情報源、深刻度、信頼度グレード、異議ありフラグが付いています。

あの一文はかなり多くのことを担っている。また、誰が確認できる範囲でも、それは数字によって反駁されていない——そしてそのことは、反駁されていた場合よりも興味深い。本稿では、各ベンダーが実際に何を公表したのか、どこで比較が実際に成立しているのか、そして主張が静かに論点をすり替えている2つの箇所を順に見ていく。

主張を、ベンダー自身の言葉で

OpenBMBの1Bページには、このモデルは「MiniCPM-V 4.6-1.3Bを全面的にアップグレードしたもので、Qwen3.5-0.8BとLFM2.5-VL-3Bを上回り、OCR、チャート推論、動画理解において同サイズクラスで優位に立っている」と書かれている。重要なのは「同サイズクラスで優位に立っている」という節だ。LFM2.5-VL 3Bとの比較は能力密度の証拠として提示されているが、続く文はその主張をLFMが属していないサイズクラスに限定している。

Liquid AIのモデルカードはそのお返しをしていない。MiniCPMには一切触れておらず、自社モデルをG​emma4 E2BとE4B、InternVL 3.5 2Bと4B、Qwen3.5-2Bと4Bに対してベンチマーク比較している。つまりこれは一方的な比較だ。一方のベンダーが他方に対して自社を測定し、他方はその対決をこれまで認めていない。この非対称性は、これを含め、あらゆる直接対決を読む前に知っておくべき最初のことだ。

各ベンダーが公式に記録する内容

Liquid AIは数値表を公開している。LFM2.5-VL-3BはMathVista 68.5、MMMU Pro 30.5、ChartQA 81.3、OCRBenchv2 47.5（英語のみのサブセット）を報告しており、同じ行には姉妹モデルのスコアも並んでいる。これらはベンダーが実行したベンダー公表の数値であり、独立した第三者が一致する必要はない。しかし反証可能である点が、それらを有用にしている。MathVistaで55を再現したなら、自分のセットアップのどこかが異なると分かる。

OpenBMBは文章による数値の要約を公開し、その下に完全なチャートを示している。1Bについては、ページにOCRBench 86.1、MathVista 74.3、CharXiv Reasoning 48.8、LongVideoBench 53.4、MotionBench 54.55と記載され、比較の残りは4×と16×の列を備えた画像として提示されている。モデルカード自体にはベンチマーク表が一切含まれていない。

両者がともに対象として明示している唯一のベンチマークで比較する。MathVistaでは、MiniCPM-V 4.7 1Bが74.3、LFM2.5-VL 3Bが68.5。ベンダー自身の報告では、1Bが5.8ポイント先行している。OCRでは両者は異なる測定ツールを使っている——OCRBench対OCRBenchv2の英語サブセット——ため、数値は比較可能ではなく、まさにそれが「上回る」という一文が見落とす類の詳細である。

同一条件での比較である場合

• パラメータ — 1.55B dense、BF16、ディスク上 3.1 GB 対 3.12B dense、BF16。LFM はモデルのおよそ 2 倍です

• ビジョンエンコーダー — SigLIP2 スタイルのタワー、27 層、隠れ次元 1152、980 ピクセルタイル（SigLIP2 NaFlex 400M と比較）、512×512 の非重複パッチに加えてリサイズ済みサムネイル

• テキストバックボーン — Qwen3.5由来の設定で、24層、隠れ次元1024、LFM2.5-2.6Bに対する3:1の線形対フルアテンションパターン、Liquid AI独自設計のハイブリッドアーキテクチャ

• コンテキスト — 262,144 トークン 対 32,768 トークン

• 視覚トークン予算 — リクエストごとに切り替え可能な4×または16×の圧縮 vs 解像度によって設定される固定のNaFlexパッチ予算

• ライセンス — Apache 2.0 と LFM Open License v1.0。後者は単純な寛容性ではなく商業条件を伴う

• 言及されている言語 — カードの例では英語と中国語、一方で明示的に列挙されている16言語（アラビア語からベトナム語まで）

• 公表された評価 — 4つのベンチマークと6つの兄弟モデルにわたり、文章で示された5つの数値に加え、数値表に対するグラフのみの比較

• 独立評価 — 執筆時点ではどちらにもArtificial Analysisのエントリがない vs どちらにもArtificial Analysisのエントリがない

• ベンダー報告による速度 — 1Bモデルはどのデバイスでもtok/sの数値が示されていないのに対し、Apple M5 Maxでは228 tok/s、AMD Ryzen AI Max+ 395では116 tok/s、Galaxy S26 Ultraでは20 tok/s

• メモリ — BF16で約3.1 GB、Q4 GGUFは0.67 GB＋0.90～1.11 GBのビジョンプロジェクターで、公開されている3.3 GB未満と比較され、GGUF、ONNX、MLXのビルドも提供

• サービングパスの名称 — Transformers、SGLang、vLLM、llama.cpp、Ollama、OpenVINO、DSpark の投機的デコーディング 対 Transformers、vLLM、SGLang、llama.cpp、さらに GGUF、ONNX、MLX のエクスポート

• オンデバイス対応の状況 — iOS、Android、HarmonyOS アプリと、Rockchip、Houmo、Intel、AMD、Arm の day-0 サポート。iPhone 17 Pro Max 対 Galaxy S26 Ultra のデコード性能値と、Apple Silicon 向け MLX ビルドで実証

2行はもう一度見る価値がある。コンテキストウィンドウはMiniCPMが8倍有利な差であり、これは決定的に見える類の数字だが、1Bモデルが262kトークンを保持するということは、自身の重みよりも大きなKVキャッシュを抱えているのだと思い至るまでの話でしかない。実際のところ、スマートフォン上ではどちらのモデルも上限にはほど遠い動作になる。そしてライセンスの行こそ、どのベンチマークよりも頻繁に商用採用を左右する項目だ。Apache 2.0は弁護士との会話を必要としないが、LFM Open Licenseは必要とする。

主張が話題を変える部分

OpenBMBは、自社モデルを2倍のサイズの競合モデルと、自ら選んだベンチマークで比較し、その結果を文章で報告している。それは不誠実ではない——数値は公開されており、比較対象も明記されている。しかしそれは、モデルを導入する人が実際には誰も尋ねない問いに答えているにすぎない。1Bと3Bのどちらかを選ぶのは、小さい方が優れていてほしいからではない。一方は自分のデバイスに収まり、他方は収まらないから、あるいは一方が必要な言語カバレッジを備えているから、または一方のライセンスが法務審査を通過するからだ。

そのうち最初の点について、正直に読み解けば、両方とも当てはまります。LFM2.5-VL-3B のモデルカードには 3.3 GB 未満と記載され、Galaxy S26 Ultra 上で毎秒 20 トークンを実現しています。MiniCPM-V 4.7 1B は Q4 でプロジェクター込みなら約 1.8 GB に収まります。つまり 1B の真の利点は「片方はスマホで動き、もう片方は動かない」ことではなく、余裕、すなわちメモリが約 1.5 GB 少ないことであり、これはミッドレンジの Android 端末では、アプリが生き残るかシステムに強制終了されるかの差になります。

二つ目では、比較が逆転する。LFM2.5-VL-3Bはカードに16言語を明記し、GGUFに加えてONNXとMLXのビルドも提供している。MiniCPM-V 4.7 1Bのドキュメントは英語と中国語の例を中心に構成されており、オンデバイスに関する説明も、言語カバレッジではなくiOS、Android、HarmonyOSのチップサポートを中心にしている。製品をトルコ語、ポーランド語、ベトナム語で提供しているなら、より制約の厳しいライセンスを持つ大きい方のモデルこそが、あなたをサポートすると明言しているモデルだ。

3つ目については、Apache 2.0 が完全に勝っており、議論の余地はほとんどありません。

それぞれが本当に優れている点

LFM2.5-VL-3Bは特定の業務群を中心に設計されており、そのモデルカードにも明記されている。単一ターンで高スループット、低レイテンシの作業、たとえば自動車環境でのほぼリアルタイムの物体検出、レイアウト注釈付きスキャン文書のバッチOCR、メニューや道路標識のオンデバイス翻訳などだ。カードには、このモデルが向いていないことも明記されている——長いコンテキストや推論を要するタスク、ビジュアルWebデザイン、設計図に関する技術的な質問など。この種の否定的な指針は珍しく、肯定的な主張よりも信頼する価値がある。

MiniCPM-V 4.7 1Bは、サイズ範囲の下限における能力密度を中心に設計されています。混合4×/16×トークン圧縮は、その最も明確な表れです。同じチェックポイントが、リクエストごとに選択して、詳細な文書の読み取りにも、安価なサムネイル処理にも対応できます。スライス制御（画像は36スライス、動画は1スライス）、動画のフレームサンプリングパラメータ、さらにPDF解析とグラウンディングに関する個別のクックブック項目はすべて、検出ワークロードではなく、文書・画面ワークロードを示しています。また、DSpark投機的デコーディングヘッドを別個の213Mパラメータの成果物として提供しており、これはランタイムが対応していれば実質的なスループット向上の手段となり、対応していなければ無用の重荷となります。

実用的な使い分けはこうだ。カメラ映像内の物体検出や、看板の文字を毎秒20フレームで翻訳するのであれば、LFMの低遅延性能と言語カバレッジが決め手になる。スクリーンショットやレシート、ページ画像を、自分で制御できるトークン予算の範囲で構造化テキストに変換するのであれば、MiniCPMの圧縮スイッチが決め手になる。

買い手が価格に織り込むべきギャップ

LFM2.5-VL-3Bは2026年8月11日から公開されており、執筆時点で10週間が経過しています。オープンウェイトの観点では、量子化エコシステムが落ち着くのに十分な長さです。GGUF、ONNX、MLXビルドはベンダー自身から提供されています。使用する可能性のあるランタイムには、動作する経路があります。

MiniCPM-V 4.7 1B はリリースから3週間で、そのモデルカードは、CUDA バージョンの不一致が torchcodec 経由の動画デコードを壊すという注意書きで始まり、2つの文書化された回避策が示されている。アーキテクチャは新しく、1か月前には存在しなかった model_type であり、Transformers の最低バージョンは 5.18.0 だ。そのどれも欠陥ではない。それはモデル登場初月に採用する際の標準的な代償であり、チャートベースの評価を伴う静かなリリースが、サイドバイサイド比較テストの有力候補であり、最初の週に本番経路として選ぶ候補としては疑問である理由でもある。

そのテストを安く実行する方法は、新しいモデルを評価している間も現行モデルを稼働させ続けることであり、これはモデリングではなくルーティングの問題です。OrcaRouter は 200 以上のホスト型モデルを 1 つの OpenAI 互換エンドポイントの背後で 0% のマークアップで実行し、各プロバイダーの定価をそのまま通します。そのため、ベンダーによる値下げは価格改定サイクルを待たずに当日の請求に反映されます。同社のルーティング DSL は、1 回の呼び出しでプライマリとフォールバックを保持でき、プロバイダーが不調な時間帯でも自動フェイルオーバーが経路を維持します。これは、試用中のモデルが 1B のローカルチェックポイントで、本番モデルがお金を払って使っている何かである場合に望ましいことです。この記事のどちらのモデルもそのカタログにはありません。どちらも自分で実行するチェックポイントであり、ルーターはそれらを呼び出す手段を提供するのではなく、それらの周囲に位置します。

主張、決着

MiniCPM-V 4.7 1B は LFM2.5-VL 3B を上回るのか？ MathVista では、両ベンダーの報告どおり 5.8 ポイント上回る。OCR では両社が異なる測定手法を公表しており、比較はできない。チャート推論と動画理解では、OpenBMB が勝利を主張してそれをグラフとして公表しており、Liquid AI は一度も反応していない。完全に検証可能な唯一の比較はこの主張を裏付けている。それ以外は、引用に適さない形式でベンダーが自社の宿題を採点しているようなものだ。

この主張が成立しないのは、それが「小さいモデルのほうが単純に優れている」と読まれた場合だ。LFM2.5-VL-3Bは16言語に対応し、ONNXとMLXのビルドをエクスポートでき、市販のAndroidスマートフォン上での速度値が文書化されており、さらに使うべきでない場面を示すカードも用意している。MiniCPM-V 4.7 1Bは切り替え可能なトークン予算、262kのコンテキストウィンドウ、Apache 2.0、そして約1.8 GBの量子化メモリを提供する。これらは同じベンチマーク行をまとった別々の製品であり、適切な答えは、どちらの数値が大きいかではなく、これらのリストのどれがあなたのデプロイ環境に合うかによって決まる。

自分の画像で、自分の量子化設定で両方を試してください。重みは無料で、かかるのは午後の時間だけです。