MiniCPM-V 4.7 1B vs LFM2.5-VL 3B: OpenBMB는 자사의 1B 모델이 3B 모델을 능가한다고 말한다. 그 주장이 감추고 있는 것

MiniCPM-V 4.7 1B와 LFM2.5-VL 3B는 모두 휴대폰과 소형 컴퓨터를 위해 만들어진 오픈 웨이트 비전-언어 모델이며, 달력상 출시 간격은 3주가 채 되지 않습니다. MiniCPM-V 4.7 1B는 OpenBMB가 2026년 10월 6일에 업로드했고, 벤더의 릴리스 노트에는 10월 12일로 기재되어 있습니다. LFM2.5-VL 3B는 Liquid AI가 2026년 8월 11일에 공개했습니다. 하나는 15억 5천만 파라미터에 Apache 2.0입니다. 다른 하나는 31억 2천만 파라미터에 LFM Open License v1.0을 따릅니다. 그리고 OpenBMB 자체 제품 페이지에는 크기만 보고 선택하려는 사람을 멈춰 세울 만한 주장이 있습니다. 자사의 1B 모델이 능가한다LFM2.5-VL 3B를 OCR, 차트 추론, 비디오 이해에서 이와 같은 출시 뒤에 있는 문서화된 AI 실패와 에이전트 사건들은 다음에 수집되어 있습니다: OrcaRouter AI Incident Archive 여기서 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 이의 제기 플래그가 함께 있습니다.

그 문장은 상당히 많은 역할을 하고 있습니다. 또한 누구든 확인할 수 있는 범위에서는 숫자와 모순되지 않는데, 이는 모순되었더라면 더 흥미로웠을 상황보다 오히려 더 흥미롭습니다. 이 글은 각 벤더가 실제로 발표한 내용, 비교가 실제로 성립하는 지점, 그리고 그 주장이 슬그머니 논점을 바꾸는 두 곳을 짚어 봅니다.

공급업체가 직접 표현한 주장

OpenBMB의 1B 페이지에서는 이 모델이 "MiniCPM-V 4.6-1.3B에 비해 전면적인 업그레이드이며 Qwen3.5-0.8B와 LFM2.5-VL-3B를 능가하고, OCR, 차트 추론, 비디오 이해에서 동일 크기 등급보다 앞서 있다"고 말합니다. 중요한 절은 "동일 크기 등급보다 앞서 있다"입니다. LFM2.5-VL 3B와의 비교는 능력 밀도의 증거로 제시되지만, 이어지는 문장은 그 주장을 LFM이 속하지 않은 크기 등급으로 제한합니다.

Liquid AI의 카드는 그 호의를 되돌려주지 않습니다. MiniCPM은 전혀 언급하지 않으며, 자사 모델을 Gemma4 E2B 및 E4B, InternVL 3.5 2B 및 4B, Qwen3.5-2B 및 4B와 비교해 벤치마크합니다. 따라서 이는 일방적인 비교입니다. 한 벤더가 다른 벤더를 상대로 자사를 측정했지만, 그 상대는 이 맞대결을 인정한 적이 없습니다. 그 비대칭성은 이 비교를 포함해 어떤 직접 비교를 읽기 전에 가장 먼저 알아야 할 점입니다.

각 공급업체가 기록에 남기는 내용

Liquid AI는 수치 표를 공개한다. LFM2.5-VL-3B는 MathVista 68.5, MMMU Pro 30.5, ChartQA 81.3, OCRBenchv2 47.5(영어 전용 하위 집합)를 보고하며, 같은 행에 형제 모델의 점수도 함께 제시한다. 이는 벤더가 실행한 벤더 수치이며, 독립적인 누구도 이에 동의할 필요는 없다. 그러나 반증 가능하다는 점이 이 수치를 유용하게 만든다. MathVista에서 55를 재현한다면, 당신의 설정 어딘가가 다르다는 것을 알 수 있다.

OpenBMB는 산문 형식의 수치 요약을 게시하고 그 아래에 전체 차트를 제공합니다. 1B의 경우 페이지에는 OCRBench 86.1, MathVista 74.3, CharXiv Reasoning 48.8, LongVideoBench 53.4, MotionBench 54.55가 명시되어 있으며, 나머지 비교는 4× 및 16× 열이 있는 이미지로 제시됩니다. 모델 카드 자체에는 벤치마크 표가 전혀 없습니다.

두 모델이 모두 언급한 단 하나의 벤치마크에서 둘을 비교해 보자. MathVista: MiniCPM-V 4.7 1B는 74.3, LFM2.5-VL 3B는 68.5다. 1B는 벤더 자체 보고 기준으로 5.8점 앞선다. OCR에서는 두 모델이 서로 다른 도구를 사용한다 — OCRBench 대 OCRBenchv2의 영어 하위 집합 — 따라서 수치를 비교할 수 없는데, 이는 바로 "능가한다"는 문장이 건너뛰는 바로 그런 종류의 세부 사항이다.

비교가 동등한 조건에서 이루어지는 경우

• 매개변수 — 1.55B dense, BF16, 디스크 기준 3.1GB vs 3.12B dense, BF16; LFM은 대략 모델 크기의 두 배입니다

• 비전 인코더 — SigLIP2 스타일 타워, 27개 레이어, 히든 1152, 980픽셀 타일 vs SigLIP2 NaFlex 400M, 512×512 비중첩 패치 및 크기 조정된 썸네일

• 텍스트 백본 — 24개 레이어, 1024 히든, LFM2.5-2.6B 대비 3:1 선형 대 전체 어텐션 패턴을 갖춘 Qwen3.5 파생 구성으로, Liquid AI 자체 설계의 하이브리드 아키텍처

• 컨텍스트 — 262,144 토큰 vs 32,768 토큰

• 시각 토큰 예산 — 요청별로 전환 가능한 4× 또는 16× 압축 대 해상도에 따라 설정되는 고정 NaFlex 패치 예산

{{1}}라이선스{{/1}} — Apache 2.0 대 LFM Open License v1.0, 후자는 단순한 허용성 대신 상업적 조건을 포함합니다

• 명시된 언어 — 카드 예시에서는 영어와 중국어인 반면, 16개 언어가 명시적으로 나열됨(아랍어부터 베트남어까지)

• 공개된 평가 — 4개 벤치마크와 6개 형제 모델 전반에서 숫자 표와 비교한, 산문으로 제시된 다섯 개의 수치 및 차트 전용 비교

• 독립적 평가 — 이 글을 작성하는 시점에 둘 다 Artificial Analysis 항목이 없음 vs 어느 쪽도 항목이 없음

• 공급업체 보고 속도 — 어떤 기기에서도 1B의 초당 토큰 수 수치는 없는 반면, Apple M5 Max에서는 228 tok/s, AMD Ryzen AI Max+ 395에서는 116 tok/s, Galaxy S26 Ultra에서는 20 tok/s입니다.

• 메모리 — BF16 기준 약 3.1GB; Q4 GGUF는 0.67GB에 0.90–1.11GB 비전 프로젝터를 더한 수준이며, 발표된 3.3GB 미만과 비교됩니다. GGUF, ONNX, MLX 빌드도 제공됩니다.

• 명시된 서빙 경로 — Transformers, SGLang, vLLM, llama.cpp, Ollama, OpenVINO, DSpark 추론적 디코딩 대 Transformers, vLLM, SGLang, llama.cpp, 그리고 GGUF, ONNX 및 MLX 내보내기

• 온디바이스 스토리 — iOS, Android, HarmonyOS 앱과 Rockchip, Houmo, Intel, AMD, Arm에 대한 day-0 지원, iPhone 17 Pro Max와 Galaxy S26 Ultra의 디코딩 수치 비교 및 Apple Silicon용 MLX 빌드로 시연

두 행은 다시 한번 볼 가치가 있다. 콘텍스트 창은 MiniCPM에 유리한 8배 차이인데, 이는 결정적으로 보이는 숫자이지만 1B 모델이 262k 토큰을 담는다는 것은 자기 가중치보다 더 큰 KV 캐시를 들고 있다는 점을 기억하면 그렇지 않다. 실제로 휴대폰에서는 어느 모델도 최대치 근처에서 작동하지 않을 것이다. 그리고 라이선스 행은 어떤 벤치마크보다 상용 채택을 더 자주 결정하는 항목이다. Apache 2.0은 변호사와 상담할 필요가 없고, LFM Open License는 그렇다.

그 주장이 화제를 바꾸는 부분

OpenBMB는 자사 모델을 두 배 크기의 경쟁 모델과 비교하면서, 자기가 고른 벤치마크에서 그 결과를 산문으로 보고하고 있다. 그것이 부정직한 것은 아니다 — 수치는 공개되어 있고 비교 대상도 명시되어 있다. 하지만 그것은 모델을 배포하는 사람이라면 실제로 묻지 않는 질문에 답하는 셈이다. 아무도 더 작은 모델이 더 뛰어나기를 바라서 1B와 3B 중에서 고르지 않는다. 그들은 한쪽은 자신의 기기에 맞고 다른 쪽은 맞지 않기 때문에, 또는 한쪽이 자신에게 필요한 언어 범위를 갖추고 있기 때문에, 또는 한쪽의 라이선스가 법무 검토를 통과하기 때문에 고른다.

이 중 첫 번째 항목에 대해 솔직하게 읽자면, 둘 다 해당된다. LFM2.5-VL-3B의 카드에는 3.3GB 미만이라고 적혀 있고 Galaxy S26 Ultra에서 초당 20토큰을 시연한다. MiniCPM-V 4.7 1B는 Q4에 프로젝터까지 포함하면 약 1.8GB에 이른다. 따라서 1B의 진짜 장점은 "이건 폰에서 돌아가고 저건 안 돌아간다"가 아니라 여유 공간, 즉 약 1.5GB 적은 메모리이며, 이는 중급형 Android 기기에서는 앱이 살아남느냐 시스템에 의해 종료되느냐를 가르는 차이다.

두 번째에서는 비교가 뒤집힌다. {{1}}LFM2.5-VL-3B{{/1}}는 카드에 16개 언어를 명시하고 {{2}}ONNX{{/2}} 및 {{3}}MLX{{/3}} 빌드를 {{4}}GGUF{{/4}}와 함께 제공한다. {{5}}MiniCPM-V 4.7 1B{{/5}}의 문서는 영어와 중국어 예시를 중심으로 구성되어 있고, 온디바이스 관련 내용은 언어 지원 범위보다는 {{6}}iOS{{/6}}, {{7}}Android{{/7}} 및 {{8}}HarmonyOS{{/8}} 칩 지원을 중심으로 구성되어 있다. 제품이 터키어, 폴란드어 또는 베트남어로 출시된다면, 더 제한적인 라이선스를 가진 더 큰 모델이 지원한다고 공개적으로 명시한 쪽이다.

세 번째에서는 Apache 2.0이 완전히 승리하며 논할 것이 별로 없다.

각각이 진정으로 더 잘하는 것

LFM2.5-VL-3B는 특정 작업 집합을 중심으로 설계되었으며, 모델 카드에도 그렇게 명시되어 있습니다: 자동차 환경에서의 준실시간 객체 탐지, 레이아웃 주석이 포함된 스캔 문서의 배치 OCR, 메뉴와 도로 표지판의 온디바이스 번역과 같은 단일 턴, 높은 처리량, 낮은 지연의 작업입니다. 모델 카드에는 이 모델이 적합하지 않은 작업도 명시되어 있습니다 — 장문맥 및 추론 집약적 작업, 시각적 웹 디자인, 도면에 관한 기술적 질문 등이 여기에 해당합니다. 이런 부정적 안내는 드물며 긍정적 주장보다 더 신뢰할 가치가 있습니다.

MiniCPM-V 4.7 1B은 크기 범위의 최하단에서 역량 밀도를 중심으로 설계되었습니다. 4×/16× 혼합 토큰 압축이 이를 가장 명확하게 보여줍니다. 동일한 체크포인트가 요청별로 선택되어 상세한 문서 읽기와 저비용 썸네일 처리를 모두 수행할 수 있습니다. 슬라이싱 제어(이미지 36개 슬라이스, 비디오 1개), 비디오용 프레임 샘플링 매개변수, 그리고 별도로 제공되는 PDF 파싱 및 그라운딩 쿡북 항목들은 모두 탐지 워크로드보다는 문서 및 화면 워크로드를 겨냥하고 있음을 보여줍니다. 또한 DSpark 추측 디코딩 헤드를 별도의 213M 매개변수 아티팩트로 제공하는데, 이는 런타임이 지원하면 실질적인 처리량 향상 수단이지만 그렇지 않으면 쓸모없는 부담이 됩니다.

실용적으로 구분하자면, 카메라 피드에서 객체를 감지하거나 초당 20프레임으로 간판을 번역하는 경우에는 LFM의 지연 수치와 언어 지원 범위가 설득력의 근거입니다. 스크린샷, 영수증, 페이지 이미지를 직접 제어하는 토큰 예산 안에서 구조화된 텍스트로 바꾸는 경우에는 MiniCPM의 압축 스위치가 설득력의 근거입니다.

구매자가 가격에 반영해야 하는 격차

LFM2.5-VL-3B는 2026년 8월 11일에 공개되었으며 — 이 글을 쓰는 시점을 기준으로 10주가 지났습니다 — 오픈 웨이트 기준으로 보면 양자화 생태계가 자리를 잡기에 충분히 긴 시간입니다. GGUF, ONNX, MLX 빌드는 벤더 자체에서 제공됩니다. 여러분이 사용할 가능성이 있는 런타임이라면 어느 것이든 동작하는 경로가 있습니다.

MiniCPM-V 4.7 1B은 출시된 지 3주밖에 되지 않았고, 모델 카드는 CUDA 버전 불일치로 인해 torchcodec을 통한 비디오 디코딩이 깨질 수 있다는 주의사항과 함께 두 가지 해결책이 문서화된 채로 시작합니다. 아키텍처는 새롭습니다. 한 달 전에는 존재하지 않았던 model_type이며, 최소 Transformers 버전은 5.18.0입니다. 이 중 어느 것도 결함이 아닙니다. 이는 모델 출시 첫 달에 도입할 때 따라오는 표준적인 비용이며, 차트 기반 평가를 곁들인 조용한 릴리스가 나란히 비교해 보는 테스트에는 좋은 후보이지만 첫 주에 프로덕션 경로로 삼기에는 의문스러운 후보인 이유이기도 합니다.

그 테스트를 저렴하게 실행하는 방법은 새 모델을 평가하는 동안 기존 모델을 계속 서비스하는 것이며, 이는 모델링 문제가 아니라 라우팅 문제입니다. OrcaRouter는 200개 넘는 호스팅 모델을 0% 마크업으로 하나의 OpenAI 호환 엔드포인트 뒤에서 운영하며, 각 공급자의 정가를 변경 없이 그대로 전달하므로, 공급업체의 가격 인하가 재가격 주기를 거친 뒤가 아니라 같은 날 청구서에 반영됩니다. 이 라우팅 DSL은 한 번의 호출로 기본 모델과 폴백을 담을 수 있고, 자동 장애 조치는 공급자가 문제를 겪는 시간에도 경로를 살아 있게 유지합니다 — 이는 시험 중인 모델이 1B 로컬 체크포인트이고 프로덕션 모델이 비용을 지불하는 모델일 때 원하는 동작입니다. 이 글에 등장하는 두 모델 모두 그 카탈로그에 없습니다. 둘 다 직접 실행하는 체크포인트이며, 라우터는 이들을 호출하는 방법을 제공하기보다 그 주변에 위치합니다.

그 주장, 결론.

MiniCPM-V 4.7 1B가 LFM2.5-VL 3B를 이기는가? MathVista에서는 두 벤더가 보고한 대로 5.8점 차이다. OCR에서는 두 곳이 서로 다른 측정 도구를 발표했고 비교 자체가 성립하지 않는다. 차트 추론과 영상 이해에서는 OpenBMB가 승리를 주장하며 이를 차트로 공개했고, Liquid AI는 한 번도 응답하지 않았다. 완전히 검증 가능한 유일한 비교는 그 주장을 뒷받침한다. 나머지는 벤더가 인용하기 어려운 형식으로 자기 숙제를 스스로 채점한 것에 불과하다.

이 주장이 견디지 못하는 해석은 “더 작은 모델이 단순히 더 낫다”는 식으로 읽히는 것이다. LFM2.5-VL-3B는 16개 언어, 내보낸 ONNX 및 MLX 빌드, 출시된 Android 휴대폰에서의 문서화된 속도 수치, 그리고 어디에 사용하지 말아야 하는지 알려주는 카드를 제공한다. MiniCPM-V 4.7 1B는 전환 가능한 토큰 예산, 262k 컨텍스트 창, Apache 2.0, 약 1.8GB의 양자화 메모리를 제공한다. 그것들은 같은 벤치마크 행에 걸친 서로 다른 제품이며, 올바른 답은 그 목록 중 어느 것이 당신의 배포 환경과 맞는지에 달려 있지, 어느 숫자가 더 큰지에 달려 있지 않다.

자신의 이미지와 자신의 양자화 설정으로 둘 다 테스트해 보세요. 가중치는 무료이고, 비용은 오후 시간뿐입니다.