MiniCPM-V 4.7 35B-A3B vs UI-Mate-27B: 하나는 화면을 읽고, 다른 하나는 버튼을 누른다

MiniCPM-V 4.7 35B-A3B 대 UI-Mate-27B에 대한 솔직한 첫 문장은 이것이다: 이들은 경쟁자가 아니다. 둘 다 별도의 발표 없이 Hugging Face에 올라왔고, 둘 다 관대한 라이선스를 채택했으며, 둘 다 Qwen 계열 백본으로 훈련되었고, 둘 다 자체 문서에서 화면에 무엇이 있는지 이해하는 데 강하다고 설명된다 — 그래서 함께 분류되는 것이다. 하지만 하나는 이미지를 읽고 텍스트로 답하는 범용 비전-언어 모델이고, 다른 하나는 스크린샷을 읽고 pyautogui 호환 마우스 및 키보드 동작을 내보내는 GUI 에이전트다. MiniCPM-V 4.7 35B-A3B는 대화 상자가 무엇이라고 말하는지 알려줄 수 있다. UI-Mate-27B는 그것을 닫을 수 있다. 이 비교의 나머지 모든 것은 그 한 가지 차이에서 비롯되며, 유용한 질문은 어느 모델이 이기는가가 아니라 당신에게 빠진 작업의 절반이 무엇인가이다.

둘 다 아직 이른 단계이기도 하다. UI-Mate-27B는 2026년 8월 14일에 등장했고 논문은 이틀 뒤에 나왔으며, 연구소의 출시 게시물은 없었다. 우리가 처음 다뤘을 때 Hugging Face에서 다운로드 수는 0이었고, 아직 어디에도 호스팅 API가 없다. MiniCPM-V 4.7은 10월 6일에 모델 카드가 전혀 없는 채로 등장했으며, OpenBMB는 10월 12일까지 모델 카드, 라이선스 태그, 주장 섹션을 공개하지 않았다. 어느 쪽도 독립적으로 평가된 적이 없다. 이 글의 모든 성능 수치에는 이를 보고한 주체가 표시되어 있으며, 두 경우 모두 그 주체는 해당 모델 자체 연구소다.

같은 몸체, 두 가지 다른 역할

이 조합이 자연스럽게 느껴지는 이유부터 시작하자. 둘 다 Apache-2.0 라이선스를 가진 중대형 오픈 가중치 멀티모달 모델이다. 둘 다 같은 업스트림 계보에 속한다. UI-Mate-27B는 Qwen3.6-27B에서 파인튜닝되었고, MiniCPM-V 4.7 35B-A3B의 언어 스택은 Qwen3.5 계열의 희소 MoE다. 둘 다 같은 넓은 응용 영역, 즉 화면과 문서, 애플리케이션 상태를 겨냥하며, 둘 다 침묵 속에 공개되었다.

그다음 각각 무엇을 출력하는지 보세요. MiniCPM-V 4.7은 텍스트 토큰을 반환합니다. UI-Mate-27B는 구조화된 동작 — 클릭, 키 입력, 스크롤, 대기, 작업 완료 신호 — 을 정규화된 1000×1000 좌표 공간으로 반환하며, 참조 에이전트가 이를 실제 스크린샷 해상도로 재조정하므로 예측이 머신 간 디스플레이 스케일링 차이에도 견고하게 유지됩니다. 모델 카드에는 UI-Mate가 "단독 비주얼 채팅 모델이 아니라 에이전트 체크포인트"라고 명시되어 있고, 실제로 쓰이는 모든 작업에는 함께 제공되는 하네스를 사용해야 한다고 나와 있습니다.

그 구분이 대부분의 실제 배포를 좌우합니다. 파이프라인이 "이 스크린샷을 읽고 무엇이 잘못됐는지 알려줘"라면, 범용 VLM이 적합한 도구이고 에이전트는 더 나쁜 실패 모드를 지닌 과잉입니다. 파이프라인이 "애플리케이션이 그 일을 하게 만들어라"라면, VLM만으로는 액션 계층 전체—좌표 매핑, 액션 파싱, 오류 복구, 재시도 로직—을 직접 작성해야 하며, 바로 그 부분에 UI-Mate가 강화학습 예산을 썼습니다.

현재 시점에서 MiniCPM-V 4.7 35B-A3B란 무엇인가

OpenBMB의 MiniCPM-V 시리즈 중 첫 MoE: 40개 레이어에 걸쳐 토큰당 8개가 활성화되는 256개의 전문가, 262,144토큰 컨텍스트 윈도우와 248,144토큰 어휘, 즉 전체 35.2B 중 약 3B의 활성 매개변수. 비전은 LLaVA-UHD v4 intra-ViT 조기 압축과 선택 가능한 혼합 4x/16x 시각 토큰 압축 모드를 갖춘 SigLIP2 모듈을 통해 실행됩니다. 처리량을 위해서는 기본적으로 16x, 세부 사항이 중요할 때는 4x입니다. 단일 이미지, 다중 이미지 세트 및 비디오를 이해하고 텍스트를 반환합니다.

카드의 헤드라인 주장은 이것이 최초의 오픈소스 MoE 모델로서 무손실의 매끄러운 온디바이스 추론을 제공한다는 것입니다 — Lookahead Expert Scheduling, 세밀한 레이어별 양자화, 그리고 별도의 DSpark 드래프트를 통한 추측 샘플링 — iPhone 17 Pro Max에서 보고된 초당 13개 이상의 토큰으로. 그 수치는 제조사가 보고한 것으로, 재현되지 않았고 검증되지 않았습니다. 두 번째 주장, 즉 이 모델이 더 적은 추론 시간으로 Qwen3.6 35B-A3B의 전체 Instruct 모드 점수를 능가한다는 주장은 표가 아닌 차트 이미지 안에 표현되어 있어 숫자로 인용할 수 없습니다.

구체적으로 확인되는 것은 배포입니다. Base, FP8, int4, AWQ, GPTQ, GGUF 가중치가 모두 존재하고, SGLang, vLLM, llama.cpp, Ollama, OpenVINO가 지원되며, iOS, Android, HarmonyOS 앱도 있습니다. Rockchip, Houmo, Intel, AMD, Arm은 출시 첫날 지원 실리콘으로 나열되어 있고, 모델 카드에는 도구 호출이 문서화되어 있으며 서빙 섹션에는 실제 함수 호출 예제가 들어 있습니다. 이 마지막 세부 사항은 이번 비교에서 중요합니다. MiniCPM-V 4.7은 스스로 행동하지는 않지만, 여러분이 만드는 에이전트 내부에서 인식 및 추론 계층이 될 수 있습니다.

현재 기준으로 UI-Mate-27B는 무엇인가

공급업체의 270억 개 매개변수 파운데이션 GUI 에이전트로, 2026년 8월 14일에 9B 형제 모델 및 시연 기반 변형인 UI-Mate-democua-27B와 함께 공개되었다. 학습은 지도 미세 조정 후 실행 가능한 GUI 환경에서의 온라인 강화 학습 순으로 진행되었다 — 이 모델은 정적 스크린샷이 아니라 실제로 데스크톱을 조작하며 학습했다. 이 모델의 행동 공간은 마우스, 키보드, 스크롤, 대기, 사용자 상호작용 및 완료 신호를 포함하며, 출력되는 행동은 pyautogui와 호환되므로 하네스가 이를 직접 실행할 수 있다.

벤더가 내세우는 차별점은 시연 기반 실행이다. 워크플로를 한 번 녹화해 두면 에이전트가 이를 현재 화면에 맞게 적응시키며, 고정된 스크립트를 재생하는 대신 실시간 스크린샷을 권위 있는 정보로 취급한다. 조용한 공개치고는 지원 자료가 이례적으로 완벽하다. 데모 영상과 macOS Apple Silicon 앱이 있는 프로젝트 페이지, 공식 프롬프트와 응답 파서, 상호작용 하네스가 담긴 GitHub 저장소, 그리고 가중치가 공개된 이틀 뒤에 제출된 arXiv 프리프린트 2608.15930이 그것이다.

헤드라인 수치는 공급업체가 보고한 WindowsAgentArena 점수 66.2와 OSWorld-Verified 점수 77.0인데, 이 수치가 유지된다면 올해 해당 벤치마크에 공개된 결과 중 최상위에 위치할 것이다. 연구실 외부의 누구도 이를 재현하지 못했다. 그리고 배포 현황은 초기 에이전트 릴리스에서 흔히 그렇듯 빈약하다. 호스팅 API가 없고, OpenAI 호환 엔드포인트 뒤에 vLLM을 두는 권장 서빙 경로가 있으며, 체크포인트를 그대로 호출하기보다 하네스를 사용하라는 의도적인 지침이 있다.

8차원, 양쪽

• 출력 — 텍스트: MiniCPM-V 4.7 35B-A3B에서, 구조화된 pyautogui 호환 동작: UI-Mate-27B에서.

• 입력 — 텍스트, 이미지, 동영상, 라이브 스크린샷 및 지침을 기준으로 함. 둘 다 오디오는 입력받지 않습니다.

• 베이스 모델 — MiniCPM 모델을 위한 Qwen3.5 계열 희소 MoE, UI-Mate를 위한 Qwen3.6-27B.

• 크기와 형태 — 총 35.2B, 256개 전문가에 걸쳐 3B 활성, 27B 밀집. 희소 모델은 토큰당 더 저렴하고, 밀집 모델은 서빙하기 더 간단합니다.

• 컨텍스트 — 기본값이 보존 스크린샷 5개인 것에 반해 262,144 토큰이라는 점은 이들 사이의 단일 최대 아키텍처 차이이며, 한쪽은 긴 문서 집합을 읽을 수 있고 다른 쪽은 읽을 수 없는 이유다.

• 라이선스 — 둘 다 Apache-2.0이므로, 변경할 때 선택은 법적 문제가 아니라 기술적 문제가 됩니다.

• 헤드라인 주장, 둘 다 공급업체 보고 — iPhone 17 Pro Max에서 초당 13개 이상의 토큰, WindowsAgentArena 66.2와 OSWorld-Verified 77.0에 대비. 서로 다른 벤치마크, 공통 척도 없음, 어느 것도 재현되지 않음.

• 오늘날 이용 가능 — 6가지 양자화 형식, 5가지 런타임 및 모바일 앱은 첫 보도 당시 다운로드 0회, 호스팅 API 없음, 그리고 벤더가 사용하라고 권장하는 하네스와 대비됩니다.

그들이 실제로 겹치는 곳

둘 다 시도할 수 있는 작업이 하나 있습니다: UI 스크린샷을 충분히 잘 이해해서 그에 관한 질문에 답하는 것입니다. "어느 필드가 유효성 검사에 실패했나요"라고 물으면 두 모델 중 어느 쪽이든 그럴듯하게 답할 수 있습니다. "고쳐 줘"라고 하면 UI-Mate-27B만이 액션을 생성하는데, 그것도 당신이 그 시스템—스크린샷 루프, 파서, 실행기, 좌표 재조정, 그리고 클릭이 예상 밖의 곳에 떨어졌을 때의 재시도 정책—을 설정해 둔 경우에만 그렇습니다.

역방향 중첩은 더 약하지만 실재한다. MiniCPM-V 4.7의 도구 호출 지원 덕분에 이를 중심으로 에이전트를 구축할 수 있다 — 인지와 계획은 비전 모델이 담당하고, 함수 호출을 통해 자체 액션 레이어를 덧붙이는 방식이다. 이는 타당한 아키텍처이며 액션 공간을 완전히 통제할 수 있게 해준다. 다만 이는 대략 UI-Mate가 이미 강화 학습으로 공들여 구축한 것을 GUI 특화 학습 데이터 없이 다시 발명하는 셈이다. 팀은 어떤 모델이 스크린샷에서 겉보기로 더 나은지보다, 어느 레이어를 직접 소유할지에 따라 선택하는 편이 낫다.

둘 모두 제공하기, 그리고 라우터가 들어갈 자리

어느 모델도 여기를 포함해 어디에도 호스팅되지 않습니다 — MiniCPM-V 4.7 35B-A3B와 UI-Mate-27B는 둘 다 OrcaRouter의 카탈로그 어디에도 없으며, 이 글의 어떤 내용도 우리가 이들을 라우팅한다는 주장으로 읽혀서는 안 됩니다. 둘 다 직접 다운로드해서 실행하는 체크포인트이며, UI-Mate의 경우 이는 두 가지를 의미합니다: 약 27B의 가중치와 OpenAI 호환 엔드포인트입니다. 벤더 자체 README가 vLLM으로 서빙할 것을 권장하고, 하네스는 호환되는 base URL을 기대하기 때문입니다.

그 엔드포인트가 비용 계획에서 흥미로운 부분인데, 하네스는 엔드포인트가 제대로 동작하기만 하면 어떤 모델이 답하든 상관하지 않기 때문입니다. OrcaRouter는 200개 이상의 호스팅 모델을 하나의 키 뒤에 각 제공자의 정가로, 우리 쪽 마진 없이 제공하며, 제공자 경로 간 자동 장애 조치를 지원하므로 에이전트의 계획 측면에서 바로 꽂아 쓸 수 있는 기본 URL이 됩니다. 그리고 라우팅 DSL을 사용하면 일상적인 단계에는 저렴한 모델을, 중요한 결정에는 더 강력한 모델을 두 번의 통합이 아니라 한 번의 호출로 구성할 수 있습니다. MiniCPM 모델의 비용 프로필에 가장 가까운 호스팅 형태는 Qwen3.6 35B A3B로, 총 35B에 활성 3B, 262K 컨텍스트이며 입력 토큰 백만 개당 $0.25, 출력 토큰 백만 개당 $1.48입니다. 그것이 70GB 희소 MoE를 자체 호스팅하는 것보다 나은지는 오후 한나절이면 답할 수 있는 질문이지만, 헤드라인에 나온 두 모델 중 어느 쪽도 그렇지는 않습니다.

어느 거 원해?

행동하는 모델이 필요하다면 — 데스크톱 자동화, RPA 대체, 장기 호라이즌 애플리케이션 워크플로 — UI-Mate-27B를 선택하세요. 그리고 그에 따르는 트레이드오프를 받아들인다면: 공급업체가 보고한 벤치마크, 독립적 재현 없음, 호스팅 경로 없음, 그리고 따져 묻기보다는 그대로 도입해야 하는 하네스. 장점은 이 릴리스에 관한 모든 것이 유난히 잘 문서화되어 있다는 점입니다. 논문부터 프롬프트, 파서에 이르기까지요. 9B 형제 모델은 프로토타이핑에 쓸 더 저렴한 모델을 제공합니다.

인지가 필요하고 — 긴 문서, 대량의 스크린샷, 영상 — 액션 레이어를 직접 감당할 준비가 되어 있다면 MiniCPM-V 4.7 35B-A3B를 선택하라. 허용적 라이선스, 여섯 가지 양자화 형식, 다섯 가지 런타임, 262K 윈도, 그리고 OpenBMB 외부의 누구도 검증하지 않은 폰급 배포 스토리를 얻게 된다.

이것을 바꾸려면 무엇이 필요할까: UI-Mate를 위한 재현된 OSWorld 또는 WindowsAgentArena 실행 — 이는 UI-Mate의 핵심 주장을 마케팅에서 측정으로 바꿔 줄 것입니다 — 그리고 MiniCPM-V 4.7에 대한 평가 표, 그것은 전혀 존재하지 않습니다. 그중 하나가 나오기 전까지는, 결정은 두 스코어보드 중 어느 쪽이 아니라 당신의 아키텍처 다이어그램의 몫입니다 — 디코더인지 손인지, 그리고 당신은 어느 쪽이 부족한지 알아야 합니다.