MiniCPM-V 4.7 vs LFM2.5-VL 3B：ノートPCで出荷できる3Bモデルに対する、70 GBの謎

MiniCPM-V 4.7 と LFM2.5-VL 3B は、同じカテゴリのものとして売られている——自分で動かせるコンパクトな視覚言語モデルだ——が、実際にはほとんどこれ以上ないほどかけ離れている。LFM2.5-VL 3B は完成品である。Liquid AI による、ライセンス、モデルカード、巷に出回っている GGUF 量子化、そしてダウンロードして試さないでおく十分な理由が減りつつある、文書化された 31 億パラメータのチェックポイントだ。MiniCPM-V 4.7 は、OpenBMB が 2026 年 10 月 6 日に Hugging Face にアップロードした 352 億パラメータのスパース mixture-of-experts チェックポイントで、モデルカードもライセンスもベンチマークも一切ない。両者を比較するのは、二つのモデルを比較することではない。モデルを、おそらくこれからモデルになるであろう遺物と比較することなのだ。

この対戦カードを、正直に先に言っておく。

このページは LFM2.5-VL 3B の全体像を伝えられる。Liquid AI がモデルカードを公開しているからだ。一方、MiniCPM-V 4.7 の 形状については全体像を伝えられるが、その挙動については何も伝えられない。OpenBMB が config.jsonを公開して終わったからだ。以下、MiniCPM 側に関する事柄はすべてその設定ファイルと重みインデックスから読み取ったものであり、Liquid 側に関する事柄はすべてモデルカードに基づくもので、カード自体の性能主張はベンダーによる報告であり、そのように明示されている。片方のモデルには数値があり、もう片方にはない場合、誠実なのは、そのギャップを覆い隠すのではなく、見えるままにしておくことだ。

それぞれが何か

LFM2.5-VL-3Bは2026年8月11日にリリースされました。これはLFM2.5ファミリーのマルチモーダル変種であり、オンデバイス展開用に構築されており、ゼロから始めるわけではありません。LFM2.5-2.6B言語バックボーンを採用し、SigLIP2 NaFlexビジョンエンコーダと組み合わせています。NaFlexはドキュメント作業で重要な部分です。すべての画像を固定の正方形に押し込むのではなく、ネイティブのアスペクト比と解像度を保持します。そのため、このモデルカードの主な改善点は、自然言語クエリによるグラウンディングと、レイアウト注釈付きの全ページOCRです。これはLFM Open License v1.0の下で提供され、英語、中国語、日本語、韓国語、アラビア語、ヒンディー語、フランス語、ドイツ語、スペイン語、ポルトガル語、イタリア語、ポーランド語、ロシア語、タイ語、ベトナム語、インドネシア語を含む16言語をカバーしています。3Bであるため、リリースから1日以内にGGUFビルドが登場し、9月にはDSpark変種が続きました。そのため、その周囲のエコシステムは現実のものです。今日、量子化モデルをプルしてラップトップで実行できます。

MiniCPM-V 4.7は35,212,875,824パラメータのBF16チェックポイントで、16個のシャードにまたがる70.4 GB、クラスMiniCPMV4_7ForConditionalGenerationです。openbmb/MiniCPM-V-4.7-35B-A3B2026年10月6日に

その言語バックボーンにはタグが付いていますqwen3_5_moe_text — Qwen3.5 由来のスパース MoE で、256 個のエキスパートを持ち、トークンごとに 8 個が選択されます — そしてその 40 層は、3 層の線形アテンションにつき 1 層のフルアテンションという固定パターンで動作するため、40 層のうち 30 層は従来のアテンションではなく Mamba スタイルの線形パスを使用します。コンテキストは 256K です。ビジョンタワーは MiniCPM-V 系譜独自のもので、MiniCPM-V 4.6 が用いていたものとほぼ同じ形状です。リポジトリには README がありません。Hugging Face では、これはライセンスがないことを意味します。

実際に可能な比較

6つの次元、両側、そしてそれぞれの数値がどれほどの重みを持つかについての注記。

• 総パラメータ数 — LFM2.5-VL 3B：3.12B、トークンごとにすべてがアクティブ。MiniCPM-V 4.7：総計35.2B、スパース、256エキスパート中8個がトークンごとにアクティブ。MiniCPMの数値は密なパラメータ数とは比較できず、実際のアクティブパラメータ予算は公開されていない。「A3B」は測定値ではなく名称として扱うこと。

• ディスク上の実効サイズ — LFM2.5-VL 3B：BF16 の単一の約6 GB の safetensors ファイル、または GGUF ならそのごく一部。MiniCPM-V 4.7：16 個のシャードにまたがる 70.4 GB、BF16 のみ。

• ライセンス — LFM2.5-VL 3B: LFM Open License v1.0、カード上で公開されリンクされている。MiniCPM-V 4.7: 宣言なし。license:存在しない場合、既定の立場は全権利留保となる。したがって、これは脚注ではなく阻害要因である。

• 視覚アプローチ — LFM2.5-VL 3B：SigLIP2 NaFlex、アスペクト比を保持したネイティブ解像度、カードではレイアウト注釈付きの全ページOCRを実現すると主張。MiniCPM-V 4.7：独自の minicpmv4_7_vision タワーを備え、downsample_mode: "16x" および max_slice_nums: 9。

• コンテキスト — LFM2.5-VL 3B：カードのサービング例は長コンテキスト設計と比べると控えめで、このファミリーはオンデバイスメモリを志向しています。MiniCPM4.7：max_position_embeddings: 262144、トークナイザーのmodel_max_lengthは256Kで一致しています。

• 品質の証拠 — LFM2.5-VL 3B：公開されたカードがあり、それにはベンダーが報告したLFM2-VL-3Bに対する改善、サードパーティの量子化、Hugging Faceでの約25,900ダウンロードの履歴が含まれる。MiniCPM-V 4.7：ダウンロード数ゼロ、いいね3件、カードなし、ベンチマークなし、独立した評価なし。引用できるものは何もない。

• ツーリング — LFM2.5-VL 3B：サードパーティによるGGUFおよびMLXビルド、加えてDSparkバリアント。MiniCPM-V 4.7：なし。いかなる種類の量子化もまだ存在しない。

欠けているこのページの三分の二

この分野の比較記事はどれもベンチマークの段落を備えている。本記事はそれができない。MiniCPM-V 4.7 には MMMU も OCRBench も DocVQA もなく、グラウンディングの数値も、レイテンシ測定も、VRAM の数値もない——調べるのが面倒だったからではなく、リポジトリのどこにもそれらは含まれておらず、第三者がそれらを作成したこともないからだ。カードなしでアップロードされたモデルは、評価の観点では未測定である。そうでないと言う人は、ファミリー名やパラメータ数から推測しているのであり、これらはいずれもマルチモーダル品質の予測因子としては不適切だ。

より微妙な問題についても同じことが言える。スパースMoEが実際に役立つのかどうかということだ。35B-A3B設計は総メモリをトークンあたりの計算量と引き換えにし、スパースモデルの指示追従品質は、ルーターがどれだけうまく訓練されたかに完全に依存する。設定にはルーティング補助損失係数0.001と、256個のルーティングされるエキスパートに加えて共有エキスパートが示されており、これは従来型の構成だ。しかし、従来型の構成は優れたルーティングの証拠にはならない。

Liquid側では、欠けているものは異なる。カードの品質に関する主張は、ベンダー自身によるものだ。

OCRとグラウンディングの改善は、そのモデルを訓練した人々によって説明されている。第三者の量子化版やダウンロード量は、コミュニティが変換するに足るほど有用だと感じたことを示しているが、それは品質の証拠ではなく採用の証拠である。独立した直接比較を公開した人はいない。

実際にあなたが手に取るのはどちらですか

ここでの決定木は異例なほど明確だ。というのも、この2つのモデルは同じ役割を争っているわけではないからだ。

ノートPC、スマートフォン、Jetson、または1台の控えめなGPU上で動く視覚言語モデルが必要なら、LFM2.5-VL 3Bが2つのうちその問いに答える唯一のものです。量子化できるほど小さく、その作業を許可するライセンスがあり、変換作業はすでに誰かが済ませてくれています。エッジの予算に収まるサイズと言語のフットプリントで、文書レイアウト、スクリーンショット解析、グラウンディングされた物体記述を行うには、カードに記載された強みが展開ターゲットと一致します。

MiniCPM-V 4.7 は、BF16 で 70 GB というその仕事の候補ではない。そうではなく、逆の仕事の候補である。すなわち、サーバーハードウェア上で長コンテキスト・高スループットのマルチモーダルモデルとして、256K のウィンドウと線形アテンションによる KV キャッシュ削減が肝となるワークロードにおいて、である。それがその仕事をうまくこなせるかは不明であり、商用の何かでそもそもその仕事を担う前に、ライセンスの問題に答えを出す必要がある。

第三の選択肢として名付けておく価値があるのは、選ぶ必要がないかもしれないということだ。アーキテクチャが「小さなローカルモデルがトラフィックの大半を処理し、難しいケースをホスト型の何かに引き渡す」というものであるなら、そのローカル側の半分は今日決められる判断であり、ホスト側の半分はルーティングの判断である。OrcaRouterは数百のホスト型モデルを、各プロバイダの定価のままで何も上乗せせずに単一のキーの背後でカバーし、プロバイダが劣化したときにはフェイルオーバーする——ただし、それが何ではないかは明確にしておこう。LFM2.5-VL 3BもMiniCPM-V 4.7も、そのルーター上のホスト型モデルではない。どちらも自分でサービングする重みである。ルーターは、それらの背後にあるものだ。

現状と、更新すべきポイント

Liquid AIは完成した小型モデルをリリースした。OpenBMBは未完成の大型モデルをリリースした。読者が望む比較——精度対レイテンシ、OCR対OCR——は、MiniCPM側についてはまだ書けない。そして、パラメータ数の計算で紙面を埋めるような記事こそ、不誠実なものになるだろう。リポジトリのREADMEを注視してほしい。それが公開される日には、ライセンスと最初の実数が示され、その日、これは製品の隣に仕様書が並ぶだけのものではなく、真の直接対決になる。

そのパターンのホスト側の半分は、2つ目の契約ではなくルーティングの判断です。各プロバイダーの定価に、当社による上乗せは一切ありませんLFM2.5-VL 3B も MiniCPM-V 4.7 も OrcaRouter 上のホスト型モデルではありません。どちらもご自身でホストするウェイトです。