생성된 히어로 카드는 'MiniCPM-V 4.7 vs LLaDA-UI'라는 제목과 '휴대폰에서 바로 쓸 수 있는 범용 모델 대 확산형 GUI 에이전트'라는 부제를 달고 있으며, 왼쪽 카드에는 'LLaDA-UI: 16.7B MoE, 블록 단위 확산, GUI 에이전트, ScreenSpot-Pro 52.9', 오른쪽 카드에는 'MiniCPM-V 4.7: 35.2B 희소 MoE, 자기회귀, Apache-2.0, 점수 표 없음', 그리고 알약 모양 배지에는 '측정된 전문가 대 측정되지 않은 범용 모델'이라고 적혀 있습니다. OrcaRouter 로고는 오른쪽 아래에 나타납니다.
Guides & Insights

MiniCPM-V 4.7 vs LLaDA-UI: 디퓨전 GUI 에이전트에 맞서는 스마트폰용 범용 모델

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

MiniCPM-V 4.7을 LLaDA-UI 옆에 두고 보면, 범용 모델 대 전문 모델이라는 뻔한 프레임이 이 맞대결을 읽는 가장 쓸모없는 방식이라는 게 드러난다. OpenBMB가 2026년 10월 12일에 문서화하고 라이선스를 부여한 MiniCPM-V 4.7은 352억 파라미터 희소 전문가 혼합 비전-언어 모델로, 그 전체 논지가 효율성에 있다. 모델 카드는 iPhone 17 Pro Max에서 초당 13개 이상의 토큰을, 그리고 Qwen3.6 35B-A3B보다 더 나은 추론 시간 대비 성능 포지션을 주장한다. inclusionAI의 약 167억 파라미터 전문가 혼합 GUI 에이전트인 LLaDA-UI는 완전히 다른 종이다. 그것은 토큰을 왼쪽에서 오른쪽으로 전혀 생성하지 않고, 한 번에 토큰 블록을 디노이즈한다. 빌더가 실제로 가진 질문은 어느 쪽이 더 나은가보다 더 좁다. 그것은 이 둘 중 어느 쪽이 당신이 맡기려는 작업에서 측정되었는가, 그리고 어떤 증거로 측정되었는가이다.

두 증거 기반은 같은 종류의 것이 아니다

두 모델 모두 벤더가 벤치마크한 결과이며, 어느 쪽도 독립적으로 재현된 적이 없습니다. 그 이후부터는 비교가 갈립니다.

• MiniCPM-V 4.7 — 해당 모델 카드의 평가 섹션은 다섯 개의 이미지로 구성됩니다: 전체 비전-언어 성능, 언어 성능, 1B 변형의 차트, 성능 대 추론 시간 프런티어 플롯, 온디바이스 속도 비교입니다. 본문은 두 가지 주장을 제시하는데, 둘 다 절대적이기보다는 상대적입니다. 공개 문서에는 벤치마크별 점수 표가 없습니다.

• LLaDA-UI — 기술 보고서, arXiv 논문, 프로젝트 페이지는 이름이 명시된 벤치마크와 이름이 명시된 베이스라인을 제시합니다: ScreenSpot-Pro 52.9 대 Qwen3-VL-8B의 52.7, AndroidWorld 53.5 대 47.9, MobileWorld 25.6 대 9.4, WebVoyager 56.9 대 45.2이며, ScreenSpot-V2는 근접한 것으로 설명되고 OSWorld-Verified는 inclusionAI 자체가 남은 격차로 규정합니다.

• 실제로 이것이 의미하는 바 — 한 모델은 당신이 이견을 제기할 수 있는 작업 수준의 수치를 공개하고, 다른 모델은 분해할 수 없는 합성 점수를 공개한다. "더 적은 추론 시간에 더 높은 전체 점수"는 차트에 관한 주장이며, 그 합성 점수 뒤에 있는 가중치는 공개되지 않는다. ScreenSpot-Pro 점수 52.9는 정의된 프로토콜을 갖춘 정의된 테스트에 관한 주장이다.

• 어느 쪽도 독립적으로 검증되지 않았습니다 — LLaDA-UI의 수치는 자체 프로젝트 페이지와 기술 보고서에서 나온 것이고, MiniCPM-V 4.7의 수치는 벤더가 직접 그린 차트에서 나온 것입니다. 어느 쪽이든 확정된 것으로 취급하는 것은 실수이겠지만, 둘을 똑같이 신뢰할 만한 것으로 취급하는 것도 또 다른 실수일 것입니다.

각 모델이 실제로 무엇인지

아키텍처 격차는 파라미터 수가 시사하는 것보다 더 크며, 이후 실질적인 차이의 대부분을 좌우합니다.

• Base — MiniCPM-V 4.7은 qwen3_5_moe_text 백본을 사용합니다. 256개의 전문가 모델 중 토큰당 8개가 활성화되고, 40개 레이어와 선형 어텐션 대 전체 어텐션 3:1 패턴을 갖추고 있습니다. LLaDA-UI는 마스크 확산 언어 모델인 LLaDA2.0-mini-base를 사용합니다.

• 생성 — MiniCPM-V 4.7은 자기회귀 방식으로 한 번에 토큰 하나씩 처리합니다. LLaDA-UI는 블록 단위로 디코딩하여 전체 출력 위치 블록을 병렬로 노이즈 제거하고, 그 블록 내부에서 양방향 조건으로 재구성합니다.

• 매개변수 — MiniCPM-V 4.7은 총 352억 개이며 토큰당 256개 전문가 중 8개가 활성화됩니다. LLaDA-UI는 전문가 혼합(mixture of experts) 방식으로 총 약 167억 개입니다.

• 컨텍스트 — MiniCPM-V 4.7의 최대 위치는 262,144토큰입니다. LLaDA-UI의 카드에는 추론 스크립트의 --max-length 기본값이 8192로 문서화되어 있으며, 큰 스크린샷의 경우 이 값을 높여야 합니다.

• 비전 — MiniCPM-V 4.7은 패치 14와 이미지 크기 980에서 27개 레이어, 1,152 너비의 타워를 사용하며 혼합 4x/16x 토큰 압축을 적용합니다. LLaDA-UI는 SigLIP에서 초기화된 네이티브 해상도 ViT를 사용하며, 2D 로터리 임베딩과 2계층 MLP로의 4대1 공간 병합을 갖추고 있는데, 이는 명시적으로 휴대폰, 데스크톱 및 웹 스크린샷의 종횡비를 유지하기 위함입니다.

• 출력 — MiniCPM-V 4.7은 텍스트를 생성하며, 이미지 및 영상 이해가 입력 측을 담당합니다. LLaDA-UI는 0~999 범위의 정규화된 좌표와 실행을 목적으로 하는 태그가 지정된 추론+행동 시퀀스를 생성합니다.

• 라이선스 — MiniCPM-V 4.7의 경우 Apache-2.0이며, 10월 12일에 선언되었습니다. LLaDA-UI 프로젝트 페이지나 모델 카드 어디에도 라이선스가 명시되어 있지 않습니다.

마지막 글머리 항목은 출시하는 입장이라면 각주가 아니다. 이 둘 중 하나는 오늘 대화 없이 상용 제품에 넣을 수 있지만, 다른 하나는 그럴 수 없다.

진짜 분열은 디코딩에서 일어난다

블록 단위 확산은 LLaDA-UI가 또 하나의 파인튜닝이 아니라 별도의 연구 계보로 존재하는 이유다. 자기회귀 에이전트 루프에서는 모든 행동 토큰이 그 앞의 모든 토큰에 의존하므로, 응답 끝의 클릭 좌표는 그 앞선 추론을 기다린다. 확산 에이전트에서는 블록이 하나의 단위로 정제되며, inclusionAI가 내세우는 실질적 이점은 지연 시간이다: 짝지은 API 테스트에서 프로젝트 페이지는 Qwen3-VL-8B의 17~53초에 대비해 4.8~6.4초를 보고하며, 이는 웹에서 평균 3.58배, 데스크톱에서 6.83배, 모바일 입력에서 8.95배의 속도 향상으로 설명되는 한편 호출당 더 많은 토큰을 생성한다. MobileWorld 입력에서는 보고된 평균이 53.0초에 대비해 5.9초이다.

그것들은 벤더가 측정한, 페어링된, 캐시되지 않은 수치이며 실험실 자체 하네스에서 나온 것이므로, 그렇게 읽어야 합니다. 하지만 이런 단서가 있더라도 방향성은 진지하게 받아들일 가치가 있습니다. 에이전트 루프는 지연 시간을 배로 늘리기 때문입니다. 10단계를 거치는 인터페이스 에이전트는 단계별 비용을 10번 치르며, 단계당 10초의 차이는 데모와 제품 사이의 차이입니다.

MiniCPM-V 4.7은 같은 문제를 반대쪽 끝에서 공략한다. 자기회귀 디코딩을 유지하면서 전문가 스케줄링을 통해 각 단계를 저렴하게 만든다. 즉, 교차 레이어 예측기가 다음 레이어가 필요로 할 가능성이 높은 전문가들을 미리 로드하고, 실제 라우터가 선택한 전문가들을 우선시한다. 이때 예측은 프리페치만 구동하며 모델 자체의 라우팅이 여전히 연산을 관장한다고 카드에 명시되어 있다. 레이어별 양자화와 DSpark 추측 샘플링을 더하면, 휴대폰에서 350억 매개변수 MoE로 초당 13개 이상의 토큰을 낸다는 주장이다. 다른 메커니즘, 같은 목표: 기기가 실행할 수 있을 만큼 루프를 빠르게 만드는 것.

A generated two-column comparison table headed with 'MiniCPM-V 4.7' and 'LLaDA-UI' over six shared rows. The MiniCPM-V 4.7 column reads '35.2B total, 8 of 256 active', 'autoregressive', 'vendor charts, no table', 'documented, unscored', 'Apache-2.0' and 'GGUF, AWQ, GPTQ, FP8'; the LLaDA-UI column reads 'approx 16.7B MoE', 'block-wise diffusion', 'named benchmarks in report', 'ScreenSpot-Pro 52.9', 'not stated' and 'lab SGLang patches required'. A footer reads 'LLaDA-UI figures vendor-reported from its technical report; MiniCPM-V 4.7 figures from its model card and config.json.'

각각이 무엇을 잘하는지, 증거가 허용하는 만큼 좁게 서술한 것

• 작업이 인터페이스라면 LLaDA-UI를 선택하세요 — 클릭, 타이핑, 모바일 앱, 데스크톱 창 또는 웹 페이지 탐색 등이 여기에 해당합니다. 공개된 그라운딩 및 내비게이션 점수, 문서화된 좌표 규칙, 그리고 모바일·데스크톱·웹용 패키지 예제 요청을 갖춘 것은 둘 중 이쪽입니다.

• 작업이 이해라면 MiniCPM-V 4.7을 선택하세요 — 사진을 묘사하거나, 문서를 읽거나, PDF를 파싱하거나, 동영상에 관한 질문에 답하거나, 직접 보유한 하드웨어에서 실행하는 경우입니다. 이는 둘 중 쿡북에 OCR, PDF 파싱 및 시각적 그라운딩에 대한 문서화된 관심을 갖춘 쪽이며, SGLang, vLLM, llama.cpp, Ollama 전반에서 기본 지원되고, 다운로드용으로 공개된 양자화 변형도 있습니다.

• 겹치는 부분은 보기보다 작습니다 — MiniCPM-V 4.7의 카드는 시각적 그라운딩을 쿡북 가이드로 기재하고 있지만 그라운딩 점수는 전혀 공개하지 않습니다. LLaDA-UI의 카드는 한 가지 작업에 관한 것입니다. 워크로드가 GUI 자동화라면 측정된 전문가와 측정되지 않은 범용 모델을 비교하는 셈이고, 워크로드가 문서 및 이미지 이해라면 문서화된 범용 모델과 애초에 그런 용도로 만들어진 적 없는 모델을 비교하는 셈입니다.

• 배포 마찰은 반대 방향으로 작용한다 — MiniCPM-V 4.7은 GGUF, AWQ, GPTQ, int4, FP8 체크포인트와 OpenVINO 경로를 제공하며, Rockchip, Houmo, Intel, AMD, Arm 실리콘에 대한 day-0 지원을 주장한다. LLaDA-UI의 서빙 경로는 연구소 자체의 SGLang 멀티모달 디퓨전 패치와 serve_llada_ui.sh 스크립트를 필요로 한다. 모델 카드에는 일반 SGLang 설치로는 서버를 시작할 수 없다고 명확히 명시되어 있다.

아무도 공개하지 않는 비용에 관한 질문

두 모델 모두 토큰당 공개 가격이 없습니다. 어느 쪽도 백만 토큰 단위로 임대하는 호스팅 엔드포인트가 아니기 때문입니다. 두 모델 모두 직접 호스팅하므로 비용은 여러분의 하드웨어와 지연 시간입니다. 이는 선택의 구도를 바꿉니다. BF16에서 약 32GB를 차지하는 167억 파라미터 체크포인트는 70GB인 350억 파라미터 모델보다 실질적으로 더 작은 부담이며, 에이전트 작업에 더 작은 모델만 필요하다면 더 큰 모델은 해당 워크로드에서 아무런 이점을 주지 않습니다.

하이브리드 케이스는 라우팅 계층이 제값을 하는 지점이다. 일상적인 인터페이스 작업에는 작고 목적에 특화된 모델을 로컬에서 실행하고, 진짜 어려운 프레임 — 복잡한 스크린샷, 특이한 문서, 더 큰 모델의 세계 지식이 필요한 질문 — 은 호스팅된 엔드포인트로 넘겨라. OrcaRouter는 200개 이상의 호스팅 모델을 하나의 키 뒤에 둔다 이때 각 제공업체의 정가를 0% 마크업으로 그대로 전달하며 제공업체가 성능 저하를 보일 때 자동 페일오버를 제공하고, 그 라우팅 DSL을 사용하면 답이 저렴하기보다 정확해야 할 때 단일 호출로 어려운 케이스를 둘 이상의 모델로 분산시킬 수 있다. MiniCPM-V 4.7도 LLaDA-UI도 이를 통해 제공되지 않는다 — 둘 다 직접 실행하는 오픈 웨이트 체크포인트이며, 라우터는 바로 그 핸드오프의 반대편에 자리한 것이다.

A screenshot of the Hugging Face model page for inclusionAI/LLaDA-UI, showing the title 'LLaDA-UI — Bringing Block-wise Diffusion to Vision-Language GUI Agents', the arXiv, Project Page, HF Collection and GitHub badges, the opening description of MoE block-wise diffusion, the Figure 1 architecture diagram and the Model Details block.

결심하기 전에 답해볼 만한 세 가지 질문

LLaDA-UI의 속도 이점이 여러분의 하드웨어에서 실제로 유효합니까? 3~9배라는 수치는 연구실 자체 하네스에서 단일 베이스라인과 비교한, 페어링된 비캐시 측정값입니다. 블록 단위 확산은 자기회귀 디코딩과 메모리 특성이 다르며, 벤더의 GPU에서 측정된 속도 향상이 여러분의 GPU로 자동으로 전이되지는 않습니다. 이것은 그 위에 구축하기 전에 가장 재현해 볼 가치가 있는 단 하나의 수치입니다.

MiniCPM-V 4.7을 인터페이스 작업에 적용할 수 있기는 할까? 아마도 가능하다 — 그라운딩 도구가 문서화된 비전-언어 모델이긴 하다 — 하지만 모델 카드에는 GUI 에이전트 벤치마크도, 좌표 규약도, 액션 어휘도 공개되어 있지 않다. 오늘날 이 모델 위에 GUI 에이전트를 구축한다는 것은 출력 형식을 직접 정의하고 모델이 그것을 따르기를 바라는 일이다. LLaDA-UI는 그 문제를 의도적으로 해결했다. 태그된 추론과 액션 출력, 그리고 플랫폼별 어휘를 갖춘 방식으로.

6개월 뒤에도 어느 쪽이 계속 지원될까요? OpenBMB는 MiniCPM-V 4.7을 중심으로 한 완전한 제품군을 일주일도 안 되어 출시했습니다. 기본 변형 두 가지, 양자화 형식 다섯 가지, DSpark 드래프트 모델 두 가지, 쿡북, 엣지 배포 저장소를 갖췄으며 Apache-2.0 조건을 따릅니다. LLaDA-UI에는 기술 보고서, arXiv 논문, 프로젝트 페이지, 코드 저장소가 있고 명시된 라이선스는 없습니다. 주변 인프라의 범위는 연구소가 무언가를 계속 유지하려는 의도가 얼마나 큰지를 보여주는 합리적인 대리 지표입니다.

평결

이 둘은 서로 대체재가 아니며, 정직한 권고는 파라미터 수가 아니라 바로 그 사실에서 나온다. 인터페이스 자동화를 구축한다면 LLaDA-UI가 더 작은 모델임에도 더 완성도 높은 제품이다 — 해당 작업에서 측정되었고, 문서화된 출력 형식과 서빙 경로를 갖추었으며, 출시 전에 해결해야 할 라이선스 위험을 안고 있다. 이미지를 보거나 문서를 읽거나 휴대폰에서 실행하는 일이 포함된 무엇이든 구축한다면, MiniCPM-V 4.7이 생태계와 허용적 라이선스, 배포 스토리를 갖춘 쪽이며, 그 효율성 주장은 재현되지 않은 차트가 만들어낼 수 있는 만큼만 강력하다. 둘 다 필요한 팀은 두 모델을 함께 실행하며, 라우팅 계층은 그 구성에서 가장 저렴한 부분이다.

A generated three-card graphic headed 'Which one for which job'. The 'Interface automation' card reads 'LLaDA-UI', 'Measured on GUI benchmarks', 'Documented action format', 'No stated licence'. The 'Images and documents' card reads 'MiniCPM-V 4.7', 'OCR, PDF and video guides', 'Apache-2.0', 'No benchmark table'. The 'Both at once' card reads 'Run the small local model', 'Route hard cases to a hosted model', 'One key, provider list price'. A footer reads 'Benchmark figures vendor-reported; architecture figures read from each model's config.' The OrcaRouter logo sits bottom-right.