MiniCPM-V 4.7 対 LFM3-VL-2B：より高いベンチマークスコアは誤ったセンサーである

Liquid AIはMiniCPM-V 4.7 1Bを自社の比較表に載せ、それを上回った。Liquidが実施した62ベンチマークのスイートでは、LFM3-VL-2Bは推論有効時で平均71.4、無効時で62.1、MiniCPM-V 4.7 1Bは平均57.5だった。これは小型モデル層における13.9ポイントの差であり、多くの比較記事がそこで止まる数字だ。だが意思決定において最も役に立たない数字でもある。なぜなら、この2つのモデルは同じ枠を争っているわけではないからだ。一方は19.2億パラメータのdenseモデルで、単体で完結する答えとなるように作られている。もう一方は2モデル構成の安価な半分であり、その高価な半分は350億パラメータのMixture of Expertsだ。

The version of this matchup that matters depends on which MiniCPM-V 4.7 you mean. The 1B is a 1.55-billion-parameter dense model that fits in a 672 MB Q4_K_M file — 641 MiB, which is where the 641 MB on the cards comes from. The 35B-A3B is 35.2 billion stored parameters with roughly 3 billion active per token, and it is not in Liquid's table at all. LFM3-VL-2B sits between them and is, on Liquid's own numbers, a better general vision model than the small MiniCPM and a much weaker one than the large MiniCPM. Everything below is about which of those facts should decide your architecture.

2つのモデルのふりをした3つの階層

LFM3-VL-2Bは一つの成果物です。19.2億パラメータで、その内訳は17.3億の言語バックボーン、1億6,400万の自社開発ビジョンエンコーダー、2,500万のプロジェクターです。128Kトークンのコンテキストを持ち、動画は毎秒2フレームでサンプリングされ、単一の重みセットで検出、OCR、チャート、記述をこなします。Liquidは2026年10月27日にLFM3ファミリーを発表しました。LFM3-VL-2Bのリポジトリは10月19日に公開されました。

MiniCPM-V 4.7は、共有ビジョンタワーを持つ2つのアーティファクトです。1Bは24層の密なqwen3_5_textバックボーンで、262,144トークンのコンテキストを持ち、フルアテンション層ごとに3つの線形アテンション層を備えています。35B-A3Bは256エキスパートの疎モデルで、トークンごとに8つのエキスパートへルーティングし、同じ262,144トークンのコンテキストを維持します。また、OpenBMBがエキスパートをメモリに保持するのではなくストレージからストリーミングできる大規模モデルを求めていたために存在します。両方ともApache-2.0です。重みは2026年10月6日と7日に公開され、モデルカードは10月12日に続き、ModelBestは10月15日に英語のプレスリリースを発表しました。

「正直なところ、枠組みは『2B 対 1B』ではない。『すべてを担わなければならない一つのモデル』対『各問いにどれだけモデルを割くべきかを選べるファミリー』だ。パイプラインが画像ごとに一つの問いを投げるなら、LFM3-VL-2B の形はよりシンプルで、小さい側ではより強い。パイプラインが安い問いを一万件、高い問いを一件投げるなら、MiniCPM の形は構造上より安い。

Liquid自身のテーブルが示していること、そしてそれを読むのにどれだけのコストがかかるか

62項目のベンチマークスイートはLiquidのもので、vLLM 0.27.1上で実行され、0～100の尺度に正規化されており、別段の記載がある行を除くすべてのモデルで推論モードが有効になっている。ベンダーが競合他社をベンチマークするのは普通のことであり、読む価値もあるが、ハーネスはそのベンダーのもので、プロンプトセットもそのベンダーのもので、集計値もそのベンダーのものだ。各行は主張として扱うこと。

• MMMU — LFM3-VL-2B 55.7 with thinking and 48.6 without, against 51.0 for MiniCPM-V 4.7 1B in the same column set. OpenBMB's own page reports no MMMU for the 1B, so this row exists only in Liquid's run.

• OCRBench v1 — LFM3-VL-2B 86.3 against 82.1 for MiniCPM-V 4.7 1B inside Liquid's table. OpenBMB reports 86.1 for its own 1B, which is a 4-point spread on the same named benchmark and a fair illustration of what a different harness does to a number.

• MathVista (mini) — 84.2 with thinking and 68.5 without for LFM3-VL-2B, against 71.2 for MiniCPM-V 4.7 1B in the same table. OpenBMB's page says 74.3 for that model.

• CharXiv reasoning — 70.2 for LFM3-VL-2B against 44.5 for MiniCPM-V 4.7 1B. OpenBMB's page claims 48.8 for the same model, so even the direction of the gap is harness-dependent.

• LongVideoBench — 53.4 for MiniCPM-V 4.7 1B on OpenBMB's page. Liquid's table carries no LongVideoBench row at all, so there is nothing to compare it with.

パターンは一貫している。推論をオンにすると、2Bのdenseモデルは多段階の視覚推論とチャート解釈で優れ、単純なOCRではほぼ互角だ。推論をオフにすると、差は約4.6ポイントまで縮む。これは、優位性の大半がパラメータではなくテスト時のトークンによって得られていることを示している。それは品質よりもレイテンシにとって重要であり、レイテンシこそこの比較が通常無視する軸だ。

ランキングを覆す独立したテスト

10月下旬、WebBrainは、凍結されたスクリーンショットセット、1つの本番プロンプト、決定論的ルーブリックを用いて、デュアルRTX 5060 Tiカード上でQ4_K_M GGUFで完全にオフライン実行した100件のブラウザスクリーンショットベンチマークを公開した。MiniCPM-V 4.7 1Bは、100件中37件の厳密合格と、スクリーンショットあたり1.30秒で平均ルーブリックスコア68.2パーセントを記録した。LFM3-VLD-2B — Liquidモデルの兄弟バリアントであり、正確なLFM3-VL-2Bチェックポイントではない — は、4件の厳密合格と、2.20秒で44.7パーセントを記録した。

その注意点は重要で、どちらにも影響する。厳密な番号付き見出しの正規表現では、MiniCPMはセクション見出しを数字ではなくテキストラベルとして書いたため、合格はゼロだった。37件合格という数字は、同じ出力をセクション名で再採点したものだ。それは実際のフォーマット上の失敗であり、下流のパーサーが番号付き見出しを期待するなら失格となる。しかし内容スコアは僅差ではない。68.2対44.7で、レイテンシは60パーセント、しかもそのタスクは高密度のブラウザビューポートを読むという、チャートのベンチマークよりはるかに本番に近いものだ。

これは、この階層においてどちらのモデルも持つ唯一の独立評価であり、1組のGPU上での1つのハーネスにすぎず、そこでテストされたLiquidモデルはVLDバリアントです。それでも、62ベンチマークの集計よりも情報量が多くなっています。なぜなら、小さな視覚モデルで実際に行うこと、つまり画面を見て決まった質問に素早く答えることを測定しているからです。

ライセンスは静かな決め手だ

MiniCPM-V 4.7はApache-2.0の下で提供されており、収益条件はありません。LFM3-VL-2BはLFM Open License v1.0の下で提供されており、Liquidはこれを年間収益1,000万ドル未満であれば商用利用が無料であると説明しています。その水準を超えると条件が変わるため、内容を確認する必要があります。

趣味のプロジェクトなら、その違いは理論上のものだ。製品では、それは弁護士が最初に尋ねる点であり、どの比較表でもベンチマークが覆せない一行になる。グラフ推論で4ポイント優れていても収益トリガーを伴うモデルが、自動的に優れた依存先になるわけではない。ここでも、MiniCPM-V 4.7の両サイズでApache-2.0を選ぶことは、ベンチマークの数値以上の働きをする。それは会話を一つなくすのだ。

ケイデンス：どちらの表にも報告されていない数値

esp32-eye 猫モニターは、MiniCPM 1B が実際にどのように使われているかを示す最も明快な公開事例です。これは MacBook 上の llama-server の背後で Q4_K_M GGUF として動作し、最大でも1.5秒に1回しか呼び出されず、背景差分チェックによって制御されているため、ほとんどのフレームはそこに到達しません。同じビルドでは、1B は似た4匹の猫を見分けるには信頼できないと判明したため、推測を出荷するのではなく、個体識別を35Bに移しました。

それがベンチマーク表には表れないデプロイメントプロファイルです。1.5秒ごとに呼び出すモデルは、常駐できるほど小さく、次のフレームが来る前に答えが返るほど速く、そして出荷できるほど許容的でなければなりません。1Bはこの3つすべてを満たします。LFM3-VL-2BはQ4で1.25 GB、独立テストではスクリーンショット1枚あたり2.2秒で、画像ごとのパイプラインには問題ありませんが、同じハードウェア上の1.5秒ゲートには遅すぎます。

ローカルファイルではなくホスト型エンドポイントが必要な場合、現時点でどちらのモデルもOrcaRouterのカタログにはありません。ですから正直に言えば、1Bは置いた場所で動作し、35BはOpenBMB自身のAPIで動作します。ルーターが実際に提供するのは、それを取り巻くアーキテクチャです：200以上のモデルを1つのキーで利用、プロバイダーの定価に対する0%のマークアップ、そして自動フェイルオーバーです。これは、高価な区間が単一の外部エンドポイントであるときに、2モデルのパイプラインを稼働し続ける方法です。ただし、ホストされていないモデルをホスト済みにするものではなく、そのことは率直に言っておく価値があります。

どちらを選ぶべきですか

単一モデルの画像パイプラインを構築していて、両ラボが公開しているベンチマークで2Bクラス最強の汎用モデルを求めるなら、LFM3-VL-2Bが妥当な選択であり、ライセンス上の注意点は明記しておくべきです。ループで画面を見続けるエージェントを構築しているなら、独立したブラウザテストではMiniCPM 1Bがスコアとレイテンシの両方で上回っており、そのフォーマットの規律はモデル側ではなくパーサー側で修正すべき点です。

262,144トークンの文書を読み、動画を見て、MMMUでも互角に渡り合えるモデルが必要なら、どちらの小型モデルも答えではない。それは35B-A3Bの階層であり、OpenBMBはMMMUで80.2、OCRBenchで91.2、LongVideoBenchで68.9と報告しているが、すべてベンダー報告であり、独立に再現されたものはない。本当の判断は、どの2Bが勝つかではない。小さな質問を安価に、難しい質問をまれに投げる余裕がパイプラインにあるかどうかであり、もしあるなら、2モデル設計は、両方に強くなろうとするどの単一モデルよりも安上がりだ。

最後のキャリブレーションを一つ。Liquid が公表している 13.9 ポイントの差は Liquid のスイートでは実在し、WebBrain が公表している 23.5 ポイントの差は WebBrain のスイートでは実在する。そして両者が逆向きなのは、異なる仕事を測っているからだ。片方だけを引用する人は、あなたに結論を売り込んでいる。有用な問いは、どちらのモデルが優れているかではない。1日に何回尋ねる必要があるか、そしてその答えにいくら払う用意があるかだ。