MiniCPM-V 4.7 35B-A3B vs InternLumina U2: 두 척의 침묵하는 배, 두 개의 상반된 답

MiniCPM-V 4.7 35B-A3B도 InternLumina-U2도 가중치가 등장했을 때 발표되지 않았다. 둘 다 오픈 웨이트이고, 둘 다 중국 연구소에서 나왔으며, 둘 다 각 팀이 올해 내놓은 가장 큰 멀티모달 릴리스이고, 둘 다 블로그 글도, 기조연설도, 출시일도 없이 허브에 도착했다. 유사점은 거기서 끝난다. MiniCPM-V 4.7 35B-A3B는 이미지를 읽고 텍스트로 답한다; InternLumina-U2는 이미지를 읽고, 텍스트로 답하며, 또한 새로운 이미지를 그리고, 편집하고, 3D 에셋을 렌더링한다. 하나는 휴대폰에 올라갈 만큼 작게 만들어졌고; 다른 하나는 휴대폰에는 근처에도 못 들어갈 160억 개 파라미터의 디퓨전 연구다. 나란히 놓고 읽어 보면, 이들은 같은 범주의 두 항목이 아니다 — 이들은 비전-언어 모델이 무엇을 위한 것인가라는 질문에 대한 서로 다른 두 가지 답이며, 아무도 지켜보지 않는 가운데 서로 5주 안에 공개되었다.

여기서 알 수 있는 것은 명확히 두 갈래로 나뉜다. 아래의 MiniCPM 쪽에 관한 모든 내용은 누구나 읽을 수 있는 저장소, 모델 카드, 구성 파일에서 나온다. InternLumina 쪽의 모든 내용은 연구소 자체 모델 카드와 연구소가 공개한 파일 트리에서 나온다. 그 카드의 벤치마크 섹션은 “예비적이고 부분적인 결과”라고 표시되어 있으며 숫자는 전혀 담고 있지 않다. 두 모델 모두 독립적으로 평가된 적이 없고, 이 글의 어떤 내용도 출시가 아니다. OpenBMB는 10월 12일까지 MiniCPM-V 4.7을 출시라고 부르지 않았고, 공개 기록이 보여주는 바로는 Shanghai AI Laboratory는 아직 InternLumina-U2를 출시라고 부르지 않았다.

조용한 배 두 척, 5주 간격

MiniCPM-V 4.7 폴더는 2026년 10월 6일 Hugging Face에 처음 등장했습니다. 현재 허브는 생성 타임스탬프를 10월 7일로 보고하며, 리포지토리는 10월 12일에 마지막으로 수정되었습니다. InternLumina-U2 리포지토리는 9월 1일에 생성되었습니다. 두 날짜 모두 발표가 함께 붙어 있지는 않습니다. 그러나 그 이후 둘은 서로 다르게 시간이 흘렀고, 그 차이가 이 비교에서 가장 유용한 점입니다.

InternLumina-U2는 9월 1일에 코드만으로 출시되었습니다. 그 버전은 추론 하네스, README, 그리고 약속에 불과했습니다 — 가중치는 "곧 공개" 예정이었고, Hugging Face 저장소에는 .gitattributes 파일 하나만 들어 있었으며, 기술 보고서는 곧 공개될 예정으로 표시되어 있었습니다. 더 이상 그렇지 않습니다. 이제 저장소에는 두 개의 완전한 하드웨어별 체크포인트가 있습니다. 하나는 ascend/ 아래에, 다른 하나는 nvidia/ 아래에 있으며, 각각 7개의 safetensors 샤드, 자체 remote-code 모듈, 병렬 계획, 토크나이저를 갖추고 있습니다. 가중치는 조용히 공개되었고 아무도 그 이야기를 업데이트하지 않았습니다. 이 글을 쓰는 시점에 저장소는 좋아요 16개와 기록된 다운로드 0회를 기록하고 있으며, 기술 보고서는 아직 공개되지 않았습니다.

MiniCPM-V 4.7은 반대 방향으로 움직였다. 그것은 10월에 모델 카드 없이 가중치로 등장했다. 폴더에는 README도, 라이선스 태그도, 벤치마크도 없었는데, 이는 우리의 이전 글이 기록한 것과 정확히 일치한다. 열흘 뒤에는 처음 세 가지는 모두 갖췄지만 마지막은 여전히 하나도 없다. Apache-2.0 라이선스, 사용 안내가 포함된 전체 카드, 숫자가 들어간 주장 섹션이 있지만, 독자가 인용할 수 있는 평가 표는 없다. 따라서 둘 모두에 대한 정확한 요약은, 두 경우 모두 가중치가 먼저 도착한 뒤 문서가 도착했고, 그 사이에 아무런 발표도 없었다는 것이다.

InternLumina-U2은 실제로 무엇인가

이 카드는 16B-A1B로 표기되는, 160억 개 매개변수의 전문가 혼합 모델이자 10억 개 활성 매개변수를 지닌 모델을 설명하며, 이는 멀티 코드북 확산 대규모 언어 모델로 구축되었다. 중요한 표현은 "완전 이산(fully discrete)"이다. InternLumina-U2의 핵심 가정은 언어와 비전이 별도의 이해 및 생성 스택에 존재하기보다 하나의 토큰 어휘를 공유해야 한다는 것, 그리고 초기 통합 모델의 병목은 시각 어휘 자체였다는 것이다. 이에 대한 답은 AToken을 기반으로 구축된 8코드북 이산 시각 표현이며, 이것이 바로 동일한 가중치로 이미지를 해석하고 이미지를 합성할 수 있게 해주는 것이다.

범위는 의도적으로 넓습니다. 텍스트 QA, 최대 1024×1024까지의 텍스트-이미지 생성, 자연 이미지와 고밀도 차트에 대한 이미지 이해, 선택적 dual-CFG 모드를 지원하는 지시 기반 이미지 편집, 샘플링된 프레임에 대한 비디오 이해, 그리고 GLB 및 GLTF 자산에 대한 3D 이해까지 아우릅니다. 3D 경로는 유일하게 이질적인 동시에 가장 흥미로운 부분입니다 — 자산은 토큰화 전에 번들로 포함된 Blender 파이프라인을 거쳐 색상 및 깊이 뷰로 렌더링되는데, 이는 이미지 모델에게 기하학을 가르치지 않고도 기하학에 재사용하는 영리한 방법입니다.

두 가지 엔지니어링 세부 사항은 이례적이므로 짚어둘 가치가 있습니다. 첫째, 두 체크포인트가 하나의 리포지토리에 있으며 가속기별로 분리되어 있습니다: Huawei NPU에서 훈련된 Ascend 빌드와 GPU에서 훈련된 NVIDIA 빌드입니다. 이는 수출 및 공급 제약에 대한 의도적인 대비책이며, "어떤 체크포인트"인지가 InternLumina-U2 사용자가 무엇보다 먼저 답해야 하는 질문이라는 뜻입니다. 둘째, 카드에는 모델이 Apache-2.0이며 단서 조항이 없다고 명시되어 있습니다. 연구 전용 조건으로 출시된 여러 2026년 멀티모달 릴리스와 대조적으로, 진정으로 관대한 라이선스입니다.

이제 MiniCPM-V 4.7 35B-A3B는 무엇인가

카드는 이것을 MiniCPM-V 시리즈의 첫 MoE라고 부르며, 구성 파일도 이를 뒷받침합니다: 토큰당 8개가 활성화된 256개의 전문가, 40개 레이어, 262,144 토큰 컨텍스트 윈도우, 248,144 토큰 어휘. 비전은 LLaVA-UHD v4 intra-ViT 초기 압축과 혼합 4x/16x 토큰 압축 모드를 갖춘 SigLIP2 모듈을 통해 실행됩니다 — 처리량을 위한 16x 기본값, 세부 사항이 필요할 때 4x, 호출 시 선택됩니다. 단일 이미지, 다중 이미지 세트, 비디오를 이해하며, 텍스트로 답변하고, 이미지를 생성하지 않습니다.

OpenBMB가 굵은 글씨로 내세우는 주장은 이것이 무손실의 매끄러운 온디바이스 추론을 구현한 최초의 오픈소스 MoE 모델이라는 것이며, 이는 Lookahead Expert Scheduling, 세밀한 레이어별 양자화, 그리고 별도의 DSpark 드래프트를 통한 추측 샘플링이라는 세 가지 명명된 기법을 통해 달성되었다는 것입니다. 여기에 붙은 수치는 iPhone 17 Pro Max에서 초당 13개 이상의 토큰입니다. 그 수치는 벤더가 보고한 것으로, 재현된 바 없고, 아무런 부연도 없습니다. 양자화 형식도, 빌드도, 프롬프트도, 측정 방법론도 없습니다. 이 카드는 또한 Instruct 모드에서 이 모델이 Qwen3.6 35B-A3B보다 더 적은 추론 시간에 더 높은 종합 점수를 얻는다고 주장하는데, 그 주장은 표가 아니라 차트 이미지 안에 들어 있어서 숫자로 인용할 수 없고 숫자로 취급해서도 안 됩니다.

주장이 아닌 것은 배포 작업이며, 그것이 실제로 관심을 가져야 할 실질적 이유다. Base, FP8, int4, AWQ, GPTQ, GGUF 가중치가 모두 존재한다. SGLang, vLLM, llama.cpp, Ollama, OpenVINO는 출시 첫날 지원 항목으로 포함된다. iOS, Android, HarmonyOS 앱은 MiniCPM-V-Apps 저장소에 있다. Rockchip, Houmo, Intel, AMD, Arm은 모두 출시 첫날 지원 실리콘으로 나열되어 있다. 6주 전 이 모델에 대한 비판은 문서화되지 않은 체크포인트라는 것이었다. 그 비판은 이제 구식이다 — 이 모델은 벤치마크가 없는 문서화된 체크포인트이며, 이는 성격이 다르고 더 작은 문제다.

그 둘, 차원별로

• 이미지로 하는 일 — MiniCPM-V 4.7 35B-A3B는 이미지를 읽고 텍스트로 답변합니다; InternLumina-U2는 이미지를 읽고, 텍스트로 답변하며, 새로운 이미지를 생성하고, 기존 이미지를 편집하며, 3D 자산을 해석합니다.

• 아키텍처 — 활성 3B인 35.2B 파라미터 자동회귀 희소 MoE 대 16B-A1B 다중 코드북 이산 확산 모델. 한 패밀리의 크기 차이가 아니라 서로 다른 패밀리입니다.

• 입력 모달리티 — 텍스트, 이미지, 비디오 대 텍스트, 이미지, 비디오, 3D.

• 출력 모달리티 — 텍스트만 사용하는 경우와 텍스트에 생성된 이미지 및 편집된 이미지를 더한 경우

• 가중치 크기 — 대략 70GB의 BF16이 16개 샤드에 걸쳐 있으며, 하드웨어 빌드당 7개 샤드로 두 번에 걸쳐 공개된 것과 대비됩니다.

• 라이선스 — 둘 다 Apache-2.0입니다. 이는 두 모델이 진정으로 의견이 일치하는 유일한 측면이며, 중요한 점입니다. 왜냐하면 이 규모의 생성 모델에 허용적 라이선스가 적용되는 것은 흔치 않기 때문입니다.

• 배포 방식 — 양자화 빌드, 모바일 앱, 다섯 가지 추론 런타임 대 원격 코드 모듈과 셸 스크립트, 가속기별로 구분.

• 공개 증거 — 평가표 없이 공급업체 주장만 담은 카드 대(對) 벤치 섹션을 명시적으로 예비라고 표시하고 그 안에 아무것도 인쇄하지 않은 카드.

그들 사이의 격차는 품질이 아니라 종류다.

승자를 선언하는 것은 만족스럽겠지만, 동시에 부정직할 것입니다. 이 두 모델 사이에는 공유된 벤치마크가 없고, 어느 쪽도 제3자가 실행한 적이 없으며, MiniCPM-V 4.7의 자체 평가표는 존재하지 않고 InternLumina-U2의 것은 명시적으로 부분적이라고 표시되어 있습니다. 오늘 이들을 순위 매기는 사람은 모델 품질이 아니라 문서 품질을 순위 매기는 것입니다.

정직하게 비교할 수 있는 것은 증거의 궤적이고, 거기서 둘은 서로 반대 방향으로 실패한다. InternLumina-U2는 아키텍처에 관해서는 많은 것을 알려주지만 결과에 관해서는 거의 아무것도 알려주지 않는다 — 입증된 역량이 없는 흥미로운 설계다. MiniCPM-V 4.7은 산문으로 결과에 관해 많은 것을 알려주지만 그것을 데이터로 공개하기를 거부하며, 이는 그 주장을 반증하기 어렵게 만들고 그에 따라 신뢰하기도 어렵게 만든다. 첫 번째는 유망한 도구이고, 두 번째는 그 위에 마케팅 층이 얹힌 유망한 도구다.

실무적인 판단은 여기서 나온다. 스크린샷, 문서 또는 동영상을 입력받아 텍스트를 반환하는 모델이 필요하고 직접 실행하고 싶다면, MiniCPM-V 4.7이 바로 서빙 레시피, 6가지 런타임, 그리고 오늘 다운로드할 수 있는 양자화 가중치를 갖춘 모델이다. 동일한 어휘 체계 안에서 이미지를 이해하고 생성하는 단일 모델이 필요하다면 — 편집 파이프라인, 합성 데이터, 또는 통합 토큰 공간 연구를 위해 — InternLumina-U2가 둘 중 이것을 시도하는 유일한 모델이며, 9월 코드 공개 이후 나타난 두 번째 체크포인트 폴더는 연구가 여전히 움직이고 있다는 첫 번째 신호다.

단순히 뭔가를 출시하려는 경우 이것이 의미하는 바

이 두 가지는 모두 직접 다운로드해서 직접 서비스하는 파일입니다. MiniCPM-V 4.7 35B-A3B와 InternLumina-U2는 모두 OrcaRouter의 호스팅 카탈로그에 없으므로, 여기에서 이들을 엔드포인트로 호출할 수 있는 방법은 없으며, 저희의 어떤 글도 그렇게 해석되어서는 안 됩니다. 이런 상황에서 라우터가 유용하게 쓰이는 부분은 작업의 나머지 절반, 즉 파이프라인에 직접 호스팅하고 싶지 않은 모델이 필요한 순간입니다. OrcaRouter는 200개 이상의 호스팅 모델을 하나의 키 뒤에, 각 제공업체의 정가를 저희 측 마크업 없이 그대로 전달하며, 제공업체의 성능이 저하되면 자동으로 페일오버합니다 — 따라서 대량 문서 이해를 위해 MiniCPM-V 4.7을 로컬에서 실행하는 팀은 별도의 계약이나 두 번째 SDK 없이도 까다로운 페이지를 호스팅 모델로 에스컬레이션할 수 있습니다.

이 형태에 가장 가까운 호스팅 모델은 Qwen3.6 35B A3B입니다 — 총 35B에 활성 3B라는 점, 262K 컨텍스트라는 점, 텍스트·이미지·비디오 입력에 텍스트 출력이라는 점도 같습니다 — 입력 백만 토큰당 $0.25, 출력 백만 토큰당 $1.48에 원가로 제공됩니다. 이는 정말 유용한 대조군입니다: 70 GB 희소 멀티모달 MoE를 자체 호스팅할지, 그에 상응하는 모델을 호출할지 결정하는 상황이라면, 두 번째 선택지는 오늘 오후에 측정할 수 있고 첫 번째 선택지는 그렇지 않습니다.

이 비교를 바꾸는 것은 무엇일까?

문서 두 편이면 대부분이 해결될 것이다. OpenBMB의 벤치마크 표는 MiniCPM-V 4.7을 주장에서 데이터 포인트로 바꿔 놓을 것이고, DSpark 드래프트 모델은 — 이 제품군에서 공개된 수치가 있는 유일한 부분이며, 그 수치는 단계당 수용된 토큰 수 형태다 — 첫 독립 수치를 얻는 가장 저렴한 외부 경로다. Shanghai AI Laboratory의 기술 보고서는 InternLumina-U2에 대해 같은 역할을 해줄 것이고, 그 8개 코드북 어휘가 다른 무엇과 비교해 점수가 매겨지는 모습을 누구든 보게 되는 첫 사례가 될 것이다.

그때까지는, 정직한 입장은 이것이다: 이 둘 중 하나는 배포할 수 있고, 다른 하나는 연구만 할 수 있다. 그 문장은 아마 한 달 안에 더 이상 사실이 아니게 될 것이며, 바로 그렇기 때문에 두 모델 모두 베이퍼웨어로 치부되어서는 안 된다 — 그들은 그들에 관한 글들이 시사하는 것보다 대중 앞에 나온 지 얼마 안 된 것뿐이다.