MiniCPM-V 4.7 35B-A3B 대 PixelUMM: 벤치마크보다 라이선스 하나가 먼저 판가름한다

MiniCPM-V 4.7 35B-A3B와 PixelUMM 사이에서 벤치마크를 단 하나도 읽지 않고 내릴 수 있는 결정이 있으며, 그것은 아마도 가장 중요한 결정일 것입니다. MiniCPM-V 4.7 35B-A3B는 Apache-2.0입니다. PixelUMM의 모델 체크포인트는 그렇지 않습니다 — NVIDIA의 One-Way Noncommercial License로 배포되며, 이는 연구와 평가만을 허용합니다. 게다가 NVIDIA 스스로 그 체크포인트가 "프로덕션이나 고위험 용도에 대해 검증되지 않았다"고 말합니다. 판매할 무언가를 만들고 있다면, 이 두 모델 중 하나는 애초에 논외이고 나머지 비교는 학문적인 것에 불과합니다. 연구를 하고 있다면 선택의 폭이 넓어지고, 흥미로운 질문은 NVIDIA의 인코더 없는 설계가 실제로 무엇을 상대로 베팅하고 있는가입니다 — 왜냐하면 그것은 정확히 MiniCPM-V 4.7이 사용하는 아키텍처를 상대로 베팅하고 있기 때문입니다.

두 모델 모두 조용히 출시되었다. PixelUMM의 가중치는 2026년 10월 1일 21:40 UTC에 블로그 글도, 보도자료도, 기조연설도 없이 Hugging Face에 올라왔으며, 프로젝트 페이지 URL은 여전히 "preview"라고 표시된다. MiniCPM-V 4.7은 10월 6일 같은 방식으로 등장했고, OpenBMB는 10월 12일이 되어서야 여기에 모델 카드와 라이선스, 주장 섹션을 올렸다. 어느 쪽도 아직 누구에 의해서도 독립적으로 평가되지 않았고, 어느 쪽에도 독자가 인용할 수 있는 벤치마크 표가 없다. PixelUMM의 카드는 점수를 전혀 보고하지 않으며, MiniCPM-V 4.7의 성능 주장은 텍스트가 아니라 차트 이미지 안에 들어 있다. 다음 내용은 저장소가 밝히는 것과 두 연구소 밖의 누구도 아직 확인하지 못한 것을 구분한다.

PixelUMM이 무엇인지, 한 문단으로

PixelUMM은 특정 리비전에 고정된 Qwen3-8B 백본을 기반으로 구축된, 반복적 픽셀 생성 헤드를 갖춘 15,199,672,064개 파라미터의 디코더 전용 Transformer입니다. 그 논지는 모델 카드의 첫 줄에 명시되어 있으며, 진정으로 반대적입니다: VAE도 없고 비전 인코더도 없습니다. 기존의 통합 모델이 두 가지 시각 인터페이스 — 이해를 위한 의미 특징을 생성하는 비전 트랜스포머와 생성을 위한 재구성 잠재 변수를 생성하는 변이형 오토인코더 — 를 갖추는 반면, PixelUMM은 어느 것도 갖추지 않습니다. 이미지는 16x16 픽셀 패치로, 비디오는 4프레임 시공간 튜블릿으로 잘리며, 둘 다 단일 계층 선형 투영만을 통해 백본에 도달하고, 반복적 디노이징이 생성 작업을 수행합니다. 논문에서는 이를 공유 어텐션과 작업별 파라미터를 결합한 Mixture-of-Transformers라고 설명합니다. 이는 텍스트-투-이미지, 이미지 조건부 텍스트 생성, 비디오 조건부 이해 및 비디오 생성을 처리하며, 96프레임, 24fps, 4초의 텍스트-투-비디오를 포함합니다.

그것을 둘러싼 흔적은 약 4주 동안 이어졌고, 그 모두가 조용했다. GitHub 저장소 nv-tlabs/PixelUMM는 2026년 9월 4일 Apache-2.0 아래 만들어졌으며, 그달의 대부분 동안 단일 커밋으로 남아 있었다. 9월 28–29일에 최초 커밋이 올라왔고 arXiv는 프리프린트 2609.38597을 할당했으며, 저자 목록은 NVIDIA와 워털루 대학교에 걸쳐 있다. 모델 저장소 자체는 10월 1일 21:40 UTC에 나타났는데, 이는 논문 인용을 추가한 마지막 GitHub 커밋 이후 8분 만이었다. 이 논문에는 학회 표기 — 학회도, "게재 승인"도 — 가 없는데, 이는 제품 출시라기보다 연구팀이 결과물을 실시간으로 공개하는 것처럼 읽힌다. 다만 이는 증거에 대한 관찰일 뿐 의도에 대한 주장은 아니다.

MiniCPM-V 4.7 35B-A3B란 무엇인가

MiniCPM-V 4.7 35B-A3B는 OpenBMB의 MiniCPM-V 시리즈 최초의 MoE 모델입니다: 토큰당 8개가 활성화되는 256개 전문가, 40개 레이어, 262,144토큰 컨텍스트 윈도우, 248,144토큰 어휘를 갖춰 총 35.2B 중 약 3B의 활성 파라미터를 제공합니다. 비전은 LLaVA-UHD v4의 ViT 내부 조기 압축과 선택 가능한 혼합 4x/16x 시각 토큰 압축 모드를 갖춘 SigLIP2 모듈을 통해 처리됩니다 — 처리량을 위해서는 기본 16x, 세밀한 디테일이 중요할 때는 4x입니다. 단일 이미지, 여러 이미지, 비디오를 이해하며 텍스트로 답변합니다. 이미지를 생성하지는 않습니다.

카드의 핵심 주장은 이것이 무손실의 매끄러운 온디바이스 추론을 제공하는 최초의 오픈소스 MoE 모델이며, Lookahead Expert Scheduling, 세밀한 레이어별 양자화, 그리고 별도의 DSpark 드래프트를 통한 추측 샘플링을 통해 iPhone 17 Pro Max에서 보고된 기준 초당 13개 이상의 토큰으로 구현된다는 것입니다. 이 수치는 벤더가 보고한 것으로, 재현되지 않았고 검증되지 않았습니다. 카드는 또한 더 적은 추론 시간에 Qwen3.6 35B-A3B보다 더 높은 전체 Instruct 모드 점수를 주장하는데 — 이 주장은 차트 이미지 안에 나타나므로, 인용 가능한 수치가 아니며 그렇게 취급되어서도 안 됩니다.

MiniCPM-V 4.7이 명백히 앞서는 지점은 어떤 점수판이 아니라 주변 지원진에 있다. 그 모두는 실제로 존재하고 다운로드 가능하다: base, FP8, int4, AWQ, GPTQ, GGUF 가중치, SGLang, vLLM, llama.cpp, Ollama, OpenVINO 전반에 걸친 지원, iOS, Android, HarmonyOS 앱, 그리고 데이제로 실리콘으로 이름을 올린 Rockchip, Houmo, Intel, AMD, Arm까지. 6주 전만 해도 이 모델에 대한 솔직한 비판은 문서화되지 않은 체크포인트라는 것이었다. 그것은 더 이상 사실이 아니다 — 이제는 벤치마크가 없는 문서화된 체크포인트다. 다른 문제이고, 더 작은 문제다.

비교 뒤에 숨겨진 아키텍처 논쟁

두 모델은 근본적인 무엇인가에 대해 의견이 다르며, 이는 두 모델 중 어느 쪽보다도 수명이 긴 이번 맞대결의 일부이기에 이름을 붙일 가치가 있다.

• 비전이 언어 모델에 도달하는 방식 — PixelUMM은 원시 픽셀과 단일 선형 투영을 사용하며, 스택 어디에도 사전 학습된 비전 인코더가 없습니다; MiniCPM-V 4.7은 intra-ViT 조기 압축과 구성 가능한 다운샘플 비율을 갖춘 SigLIP2 인코더를 사용합니다.

• 생성 방식 — {{1}}PixelUMM{{/1}}은 자기회귀 텍스트 예측과 함께 공동 학습된 플로 매칭 헤드를 통해 픽셀을 반복적으로 예측합니다. {{2}}MiniCPM-V 4.7{{/2}}은 텍스트만 생성합니다.

• 그 대가로 얻는 것 — PixelUMM은 이미지를 설명하는 동시에 이미지를 생성하는 단일 가중치 세트를 얻지만, 그 비용은 연구 전용 라이선스와 프로덕션 검증의 부재다. MiniCPM-V 4.7은 세상을 읽을 수는 있지만 다시 그려내지는 못하는, 작고 양자화 가능하며 스마트폰에 배포할 수 있는 모델을 얻는다.

• 파라미터 수 — 15.2B의 dense에 가까운 규모 대비 총 35.2B에 3B 활성. 추론 비용을 예측하는 것은 활성 파라미터 수이며, 그 축에서 MiniCPM 모델은 둘 중 한 자릿수만큼 더 작은 쪽이다.

• 디스크 내 가중치 — PixelUMM의 저장소는 네 가지 체크포인트 변형에 걸쳐 491개의 파일을 보유하고 있으며, MiniCPM-V 4.7의 기본 빌드는 약 70GB 규모의 16개 BF16 샤드입니다.

• 라이선스 — 체크포인트의 경우 Apache-2.0 대 NVIDIA One-Way Noncommercial이며, Apache-2.0은 PixelUMM의 소스 코드에만 적용되고 Qwen3-8B 베이스는 별도로 Apache-2.0입니다. PixelUMM 카드에는 BAGEL에서 파생된 수정 코드가 포함되어 있으므로 업스트림 조건이 추가로 적용된다고 명시되어 있습니다.

• 공개 평가 — 양측 모두 없음. MiniCPM-V 4.7은 적어도 성능 주장이라도 내세우지만, PixelUMM의 카드에는 벤치마크 수치가 전혀 기재되어 있지 않다.

어떤 것을 실제로 사용자 앞에 내놓을 수 있는가

라이선스와 배포 관련 사정을 함께 따져보면 선택은 대개 저절로 내려진다.

PixelUMM은 더 흥미로운 연구 결과물이자 덜 사용 가능한 제품이다. 비상업적 체크포인트는 명백한 상업적 사용을 원천적으로 차단하고, 카드에는 서빙 레시피도 없고, 양자화 빌드도 없으며, 컨텍스트 길이 수치도 없다. 기록된 다운로드가 0인데 좋아요가 83개라는 것은 저자 외에는 사실상 아무도 실행해보지 않았다는 뜻이다. 현재 이 모델의 가치는 비전 인코더가 통합 모델에서 불필요할 수 있다는 강력하고 공개된 주장이라는 점에 있다. 그 주장은 당신이 가중치를 로드하든 하지 않든 추적할 가치가 있다.

MiniCPM-V 4.7은 프로덕션으로 갈 경로가 있는 모델이며, 그 경로는 좁지만 실재합니다. Apache-2.0은 라이선스 문제를 없애줍니다. 여섯 가지 양자화 형식과 다섯 가지 추론 런타임은 커스텀 커널을 작성할 필요가 없다는 뜻입니다. 비양자화 빌드에 GPU 두 개 이상이 필요한 것이 장벽이고, 양자화 빌드와 온디바이스 이야기가 그 우회책이며, 온디바이스 주장은 바로 독립적으로 검증되지 않은 부분입니다. 오늘 실행할 수 있는 모델로, 그리고 아직 기대를 걸 수 없는 성능 주장으로 취급하세요.

답이 "둘 다 아니다, 우리가 뭔가를 호출하겠다"인 팀에게 MiniCPM 형태에 가장 가까운 호스티드 대응물은 Qwen3.6 35B A3B입니다 — 총 35B, 활성 3B, 262K 컨텍스트, 텍스트-이미지-비디오 입력까지 모두 동일하며, 공급자의 정가에 마크업 없이 OrcaRouter를 통해 제공됩니다 입력 토큰 백만 개당 $0.25, 출력 토큰 백만 개당 $1.48이고, 공급자 경로가 성능 저하를 보이면 자동 페일오버가 작동합니다. 이것은 이 글에 나온 두 모델 어느 쪽의 대체재가 아닙니다. 이것은 70GB 희소 멀티모달 MoE를 셀프 호스팅하는 것이 실제로 무엇을 사주는지 알려주는 대조군입니다.

이것이 어디로 귀결되는지

아키텍처를 걷어내면 서로 반대 방향을 가리키는 두 개의 조용한 릴리스가 남는다. NVIDIA는 대부분의 사람이 사용하지 못하게 막는 라이선스 아래 논문급 산출물을, 그리고 레시피도 벤치마크도 다운로드도 없는 저장소를 공개했다. OpenBMB는 문서화되어 있고 허용적 라이선스가 적용된 멀티 런타임 모델을 공개했는데, 설득력 있는 효율성 주장은 있지만 이를 뒷받침할 평가 표는 없다.

각각을 결판낼 단 하나의 요소: PixelUMM의 경우, 그 어떤 독립적 재현이든 — 다운로드 0회는 외부 데이터 포인트가 존재하지 않음을 뜻하며, 인코더 프리(encoder-free) 논지는 두 번째 구현과 맞닥뜨리는 순간 버티거나 무너지는 종류의 주장이다. MiniCPM-V 4.7의 경우, 벤치마크 표, 또는 DSpark 초안에서 재현된 수용 길이(acceptance length)인데, 이는 이 제품군에서 공개된 수치를 가진 유일한 부분이다. 둘 다 아직 존재하지 않는다. 이 두 모델을 접어두지 않고 계속 지켜볼 가치가 있는 이유가 바로 여기에 있다 — 이들은 보도가 시사하는 것보다 대중적 생애주기에서 더 이른 단계에 있으며, 어느 쪽도 이를 만든 연구소가 출시라고 부르지 않았다.