MiniCPM-V 4.7 35B-A3B vs Qwen2.5-Omni：19か月後、そのうちの一方は今もあなたの声が聞こえる

MiniCPM-V 4.7 35B-A3B を Qwen2.5-Omni とスペック表で並べれば、より新しいモデルがほぼすべての行で勝つ。コンテキスト長は8倍、トークンごとにパラメータの12分の1だけを活性化するスパースアーキテクチャを備え、古いモデルが登場したときには存在しなかった10年間分の推論ツールもある。ところが音声の行に来ると、MiniCPM-V 4.7 35B-A3B にはそこに何もない。2025年3月下旬にリリースされた Qwen2.5-Omni は音声を入力として受け取り、自然な音声をストリーミングで返す。一方 MiniCPM-V 4.7 は、重みが2026年10月に登場したが、テキスト、画像、動画を受け取り、テキストを返す。この特定の組み合わせにおける19か月の進歩が生んだのは、より優れたオムニモデルではなかった。より優れたビジョンモデルであり、それは古いモデルが軸として作られていたことを行わない。

その枠組みは、どちらか一方を貶すものではない。それはこの比較の全体的な形そのものであり、音声を必要とする読者と、スキャンした1000ページを読む必要がある読者が、それぞれ異なる答えを持ち帰るべき理由でもある。出典について言えば、Qwen2.5-Omniの数値は2025年3月時点のベンダーのもので、今では19か月前のものとなり、広範な展開によって部分的に検証されている。MiniCPM-V 4.7 35B-A3Bの数値はOpenBMBのもので、2026年10月12日にモデルカードで公開された——重みが最初に登場してから10日後の最初のカードであり——それらのいずれもラボ外では再現されていない。

その旧モデルが実際には何だったのか

Qwen2.5-Omniは、その系列における最初のエンドツーエンドのオムニモーダルモデルであり、当時のベンダーの位置づけは明快だった。それは、文字起こし、視覚、音声がそれぞれ別個のモデルと別個の接着層を必要としていた「スペシャリストの動物園」問題への答えだった。7Bモデルはテキスト、画像、音声、動画を入力として受け取り、テキストまたはストリーミングの自然な音声で応答した。音声はChelsieとEthanという2つの固定ボイスだった。OmniBench融合ベンチマークではGemini-1.5-Proを上回る最先端の結果を主張し、音声生成品質スコア4.51はベンダーが人間レベルと説明した。

エンジニアリングが成立したのは、制約を回避するのではなく、制約に合わせて設計されていたからだった。Thinker-Talkerは作業を2つに分けた。Thinkerトランスフォーマーが音声エンコーダと画像エンコーダを融合し、意味論とテキストを生成する一方、TalkerはThinkerの隠れ状態から音声トークンをストリーミングし、会話履歴全体を共有した。時間整合型マルチモーダルRoPEは動画と音声の位置をインターリーブし、2つのストリームは同期を保った。また、ブロック単位ストリーミングにより、言語モデルが長い系列を処理する間もエンコーダが知覚処理を行えた。これが、低遅延の音声応答をそもそも可能にしたのだった。

限界は同じように現実のものであり、それはコンテキストではなくメモリだった。ベンダー自身の表では、FlashAttention-2を使ったBF16推論は、15秒の動画で約31GBのGPUメモリ、30秒で42GB、丸1分で60GBを要するとされており、コンテキストウィンドウは32,768トークンだった。7Bモデルで1分の動画を、借りられる中で最大級の単一GPU上で動かす——この数字を常に念頭に置くべきだ。その後に作られたものはすべて、この数字を打ち壊すために作られたのだ。

新しいモデルが代わりにすること

MiniCPM-V 4.7 35B-A3B はまったく逆の方向を進んでいる。これは OpenBMB の MiniCPM-V シリーズ初の MoE で、40 層にわたって 256 のエキスパートを擁し、トークンごとに 8 がアクティブ、262,144 トークンのコンテキストウィンドウと 248,144 トークンの語彙を持ち、合計 35.2B のうち約 3B がアクティブパラメータに相当する。ビジョンは SigLIP2 モジュールを通して処理され、LLaVA-UHD v4 の intra-ViT 早期圧縮と、選択可能な混合 4x/16x トークン圧縮モードを備える——デフォルトは 16x、細部にトークンを使う価値があるときは 4x。単一画像、複数画像のセット、動画を扱える。回答はテキストで返す。

このカードの主要な主張は、これが初のオープンソースMoEモデルであり、Lookahead Expert Scheduling、細粒度のレイヤー単位量子化、および別個のDSparkドラフトによる投機的サンプリングを通じて、ロスレスでスムーズなオンデバイス推論を実現し、iPhone 17 Pro Max上で報告値として毎秒13トークン以上を達成したというものである。その数値はベンダー報告であり、再現されておらず、条件も示されていない — 量子化形式も、ビルドも、プロンプトも、測定方法もない。またこのカードは、より短い推論時間でQwen3.6 35B-A3Bよりも高い総合Instructモードスコアを主張しているが、その主張は表ではなくチャート画像内に描かれているため、数値として引用することはできず、数値として扱うべきでもない。

7つの次元、両側

• 入力モダリティ — Qwen2.5-Omni はテキスト、画像、音声、動画を扱えるのに対し、MiniCPM-V 4.7 35B-A3B はテキスト、画像、動画を扱い、音声の経路はまったくありません。

• 出力 — テキストのみの場合と対照的に、テキストに加えて2つの固定音声によるストリーミング自然音声。

• コンテキスト — 32,768トークンに対し262,144、8倍の増加。

• パラメータ — ベンダーがモデルの名前に用いている7Bという数字は、MiniCPM側では合計35.2B、うち3Bがアクティブという数字と対比される。リポジトリ自体はそのチェックポイントについて11Bパラメータと記載している。7Bは言語モデルを数えたもので、横に並ぶ視覚エンコーダと音声エンコーダは含まれていないからだ — ここでの「7B」が測定値であると同じくらい、名前でもあることを思い出させる有用な注意である。

• メモリフットプリント — ベンダー自身の表によれば、15秒の動画でおよそ31 GB、1分で60 GBです。MiniCPM-V 4.7 はKVキャッシュを別にしてもBF16の重みだけで約70 GBあり、だからこそその量子化ビルドとオンデバイス向けの訴求がこのカードの大部分を占めているのです。

• ライセンス — 両方とも Apache-2.0 で、これは両者が無条件に一致している唯一の項目だ。

• デプロイメントツール — 19ヶ月にわたる、SGLang、vLLM、llama.cpp、Ollama、OpenVINO のサポートに対するコミュニティによる量子化とツール、GGUF/BNB/AWQ/GPTQ/FP8 ビルド、および iOS、Android、HarmonyOS アプリ。

• 公開評価 — 広く引用されてきた19か月前のOmniBenchスコア0.561。それに対して、引用可能な評価表を一切持たないカード。

オーディオホールがすべての決め手だ

パイプラインでモデルに何かを聞き取らせる必要があるなら、この比較は最初の段落で終わる。Qwen2.5-Omni は、2つのうち音声を入力として扱える唯一のモデルであり、話す唯一のモデルであり、確立された音声スタック——Thinker-Talker、TMRoPE、ブロック単位ストリーミング、2つの固定音声——を背後に持つ唯一のモデルだ。また、2つのうち実際に大規模展開されているのもこれだけで、今四半期にモデルをアプリケーションへ組み込もうとしているなら、19か月にわたるコミュニティの量子化とツール群は、スペックシートよりも価値がある。

MiniCPM-V 4.7 が引き換えに提供するのは、長い視覚文書に対するはるかに長いメモリと、はるかに安価なトークンあたりの計算プロファイルです。262K ウィンドウと 3B のアクティブパラメータは、7B の密なモデル上での 32K ウィンドウとはまったく異なる道具であり、数千ページの画像、スクリーンショット、長い動画の文字起こしといったワークロードには、新しいモデルの形が適しています。ただ、電話に出るモデルにはなれません。

それがこのトレードオフだ、率直に言えば——到達範囲 対 広がり。旧モデルはより多くの語義をカバーする。新モデルはより多くのページをカバーする。

全く異なる二つの証拠の軌跡

ここでは非対称性は逆方向に働いており、それについては正確を期す価値がある。

Qwen2.5-Omniの数字は、実際の使用によって部分的に検証されてもおかしくないほど古い。広く引用されるベンチマーク上の位置づけを持ち、下流での量子化を10年にわたって重ね、大規模なインストールベースを抱える19か月前のモデルは、正式な意味で証明済みの存在ではない。しかし、その主張は反証されるのに十分な時間があり、反証されていない。特にメモリの数値は、マーケティングではなくエンジニアリング上の制約として公表され、実際にエンジニアリング上の制約のように振る舞った。

MiniCPM-V 4.7の数値は2週間が経過しても、外部による検証はゼロのままだ。モデルは10月6日に文書化されないまま登場し、モデルカード、ライセンス、主張セクションは10月12日に公開された。依然として評価表も技術レポートもなく、第三者が結果を公表したこともない。実際に公表された数値がある唯一の場所は、別個のDSparkドラフトチェックポイントであり、その1ステップあたりの受理トークン数の数値はOpenBMB自身のもので、ラボは親モデルについては公表していない。

新しいモデルに対する正しい姿勢はこうだ。アーキテクチャは既読として扱う（設定ファイルにある）。配布物は実在するものとして扱う（重みは6つの形式で存在する）。そして、あらゆる性能値はセカンドオピニオンを待つ主張として扱う。最後の部分は恒久的な状態ではない。ただ、10月13日時点でそうなっているだけだ。

どちらかを実行すること、そしてルーターが何のためなのか

これらはどちらも、あなた自身が提供するファイルです。MiniCPM-V 4.7 35B-A3B も Qwen2.5-Omni も OrcaRouter のホスト型カタログには含まれておらず、ここにある内容は当社がそれらをルーティングしているという主張として受け取られるべきではありません — MiniCPM-V 4.7 は2週間前に登場したチェックポイントで、量子化せずに実行するにはアクセラレータが2つ必要であり、Qwen2.5-Omni は2025年のオープンウェイトモデルで、その実用的な拠り所はあなたが運用する vLLM インスタンスです。

ルーターが真価を発揮するのは、その一線の向こう側だ。セルフホストのビジョンモデルを運用しているチームの大半は、ローカルモデルでは対応できないケース——長期的な推論、ツール利用、MiniCPM-V 4.7 が受け付けない音声入力——のために、依然としてホスト型モデルを必要としている。OrcaRouter は 200 以上のホスト型モデルを 1 つのキーで利用可能にし、各プロバイダーの定価をそのまま透過させ、当社の上乗せは一切ない。また、プロバイダーが劣化した際には自動でフェイルオーバーするため、2 つ目のモデルの追加はルーティングの変更であって、2 つ目の契約ではない。MiniCPM モデルに最も近いホスト型の構成は Qwen3.6 35B A3B——総パラメータ 35B、アクティブ 3B、コンテキスト 262K、テキスト・画像・動画入力対応——で、100 万入力トークンあたり $0.25、100 万出力トークンあたり $1.48 であり、これはセルフホストが実際にどれだけ節約できるかの妥当な目安になる。

どちらを、そしていつ

音声やスピーチが少しでも必要な場合、19か月の運用実績があるモデルが欲しい場合、あるいは1分の動画に対して32Kトークンと60 GBという上限が予算内に収まる場合には、Qwen2.5-Omniを選ぶとよい。その制限は既知であり文書化されている。これは出荷する際には利点となる。

MiniCPM-V 4.7 35B-A3B を選ぶべきなのは、長い視覚コンテキストとテキスト出力が課題で、寛容なライセンスを望み、そして早い段階であることをいとわない場合だ。なぜなら、あなたはまさにその「早い段階」の当事者になるからだ。サードパーティはまだこれを実行しておらず、オンデバイスという主張は再現されておらず、ベンチマークも存在しない。その代わりに手に入るのは、文書化され、量子化可能で、複数のランタイムに対応した、262K ウィンドウを持つモデルと、もっともらしい効率化の話だ。そして、その話が本当に成り立つのかを確かめる最初の一人になれる。

答えを変えるもの：OpenBMB のベンチマーク表、あるいは DSpark ドラフトから再現された受理長 — それでも、このファミリーで外部の数値を得るための最も安価な経路である。答えを変えないものは、より多くの時間だ。19か月あっても MiniCPM-V 4.7 に聞く能力はもたらされず、ロードマップ上にもそれが近づいていることを示すものは何もない。