Molmo2-4B vs MiniCPM-V 4.7: 두 모델 모두 당신이 생각하는 위치에 있지 않다

제목에 적힌 대결 구도는 가중치 안에 존재하지 않습니다. Molmo2-4B는 단일 4.85B 체크포인트입니다. MiniCPM-V 4.7은 하나의 모델이 아니라 두 개이며, 둘 다 4B도 아닙니다: 휴대폰용으로 만든 1.55B dense 변형과, 약 3B 활성 파라미터와 262,144토큰 컨텍스트를 갖춘 35.2B mixture-of-experts 변형입니다. 따라서 "Molmo2-4B vs MiniCPM-V 4.7"을 검색하는 독자는 사실상 세 갈래 질문을 던지는 셈입니다 — 4B 자리를 차지할 가치가 있는지, 아니면 풋프린트를 위해 1B로 내려갈지, 역량을 위해 MoE로 올라갈지? 이는 입력된 질문보다 더 유용한 질문이며, 답도 더 명확합니다. 세 모델 결정은 모델링 문제이기 전에 라우팅 문제입니다. 라우팅 DSL은 모델별로 하나의 계약을 두는 대신 여러 모델을 하나의 호출로 구성합니다.

여기서는 날짜도 중요합니다. 두 모델 모두 실제보다 더 최신 모델로 자주 묘사되기 때문입니다. Molmo2-4B는 Allen Institute for AI가 2025년 12월 11일에 발표했고, 가중치는 12월 14일부터 Hugging Face에 공개되었습니다. MiniCPM-V 4.7의 가중치는 2026년 10월 6일과 7일에 올라왔고, 모델 카드는 10월 12일에, ModelBest와 OpenBMB의 영어 보도자료는 10월 15일에 이어졌습니다. Molmo 쪽의 최근 변화는 새 모델이 아닙니다. Molmo2는 PR #43451이 2026년 10월 9일에 병합되면서 업스트림 Transformers의 네이티브 아키텍처가 되었고 10월 15일 v5.20.0에 포함되어 배포되었으며, 11월 5일에는 Ai2가 로보틱스 테스트베드용 Molmo2-4B 파인튜닝을 공개했습니다. 이 중 어느 것이든 해당 모델을 다시 살펴볼 이유로 읽을 수 있습니다. 둘 다 출시는 아닙니다.

세 개의 체크포인트, 곡선 위의 세 위치

• 매개변수 — Molmo2-4B는 4.85B이고, MiniCPM-V 4.7-1B는 1.55B이며, MiniCPM-V 4.7-35B-A3B는 총 35.2B로 토큰당 약 3B가 활성화됩니다.

• 아키텍처 — Molmo2-4B는 SigLIP 2 타워를 Qwen3-4B-Instruct-2507에 결합한 모델이며, MiniCPM-V 4.7 쌍은 LLaVA-UHD v4의 ViT 내부 조기 압축과 4x/16x 혼합 시각 토큰 압축을 사용하고, 35B 변형은 MiniCPM-V 라인 최초의 MoE입니다.

• 컨텍스트 — Molmo2-4B는 36,864개 포지션, MiniCPM-V 4.7 두 변형 모두 262,144개 토큰.

• 모달리티 — Molmo2-4B는 이미지, 다중 이미지, 비디오를 처리하고 0–1000 이미지 공간의 포인팅 좌표를 출력합니다; MiniCPM-V 4.7은 단일 이미지, 다중 이미지, 비디오를 처리하고 텍스트로 답변합니다.

• 라이선스 — Molmo2-4B는 가중치에 Apache 2.0이 적용되며, 모델 카드에는 학습 데이터가 학술 및 비상업적 연구 용도로만 사용 가능하다는 경고가 있습니다. MiniCPM-V 4.7의 두 변형 모두 Apache 2.0입니다.

• 배포 — Molmo2-4B는 float32 safetensors, 19.42 GB, 4개 샤드이며 공식 양자화는 없습니다. MiniCPM-V 4.7은 두 크기 모두에서 GGUF, int4, AWQ, GPTQ, FP8 및 DSpark 변형을 제공합니다.

배포 행이 실제 프로젝트를 결정하는 행이다. 262,144토큰 컨텍스트는 그것을 감당할 수 있을 때만 유용하며, OpenBMB는 사람들이 실제로 배포하는 양자화 형식을 공개하는 눈에 띄지 않는 일을 해냈다. 공식 1B GGUF의 Q4_K_M은 672MB인데, 이는 데모와 이미 가지고 있는 기기에서 실행되는 것 사이의 차이다.

4B가 실제로 우위를 보이는 부분

Molmo2-4B의 사례는 MiniCPM-V 4.7 쌍이 같은 방식으로 수행하지 않는 두 가지, 즉 일급 출력으로서의 포인팅과 타임스탬프를 포함한 비디오 추적에 기반합니다.

포인팅 형식은 0–1000 좌표계의 숫자 포인트이며, 모델 카드가 정규식을 함께 제공하는 태그로 감싸집니다. 다중 이미지 포인팅은 프레임 인덱스, x, y 세 값의 목록으로 평탄화됩니다. 이는 "객체가 어디에 있는지 설명하라"와는 다른 계약이며, 무엇을 만들 수 있는지를 바꿉니다: 크롭 파이프라인, 관심 영역 후속 질의, 세고 나서 검증하는 루프, 그리고 다운스트림 단계가 문장이 아니라 좌표를 필요로 하는 모든 워크플로입니다.

비디오가 파라미터 예산이 쓰이는 곳이다. Ai2의 카드에는 학습 데이터 중 비디오 캡셔닝 QA, 비디오 자막 QA, 비디오 포인팅, 비디오 트래킹, 그리고 두 개의 다중 이미지 포인팅 세트가 이름으로 올라 있으며, 공개된 비디오 전처리기는 기본값이 378×378에서 2 fps로 384프레임, 3×3 풀링이다. MiniCPM-V 4.7은 비디오를 지원한다 — OpenBMB는 35B-A3B의 경우 LongVideoBench 68.9, 1B의 경우 53.4를 보고한다 — 하지만 그 경로에서 텍스트 출력 모델이며, 긴 비디오는 같은 토큰 예산을 두고 프롬프트와 경쟁한다.

MiniCPM-V 4.7이 두 번 승리하는 지점

범위의 가장 아래쪽에서 1B는 다른 종류의 객체입니다. 1.55B 파라미터로 Molmo2-4B 크기의 약 3분의 1이며, llama.cpp와 Ollama에서 실행되고, OpenBMB는 이 모델에 대해 OCRBench 86.1, MathVista 74.3, CharXiv 48.8을 보고합니다. 이는 공급업체가 선택한 하네스에서 나온 공급업체 수치이므로 그렇게 읽어야 하지만, 전체 페이지 OCR을 그럴듯하게 수행하는 1.55B 모델은 GPU가 필요한 4.85B 모델과는 정말로 다른 조달 결정입니다.

최상위 모델인 35B-A3B는 4B 모델에 대한 질문을 편협하게 보이게 만든다. OpenBMB가 공개한 수치에는 MMMU 80.2, OCRBench 91.2(4배 시각 토큰 기준)와 90.40(16배 기준), CharXiv 75.6, LongVideoBench 68.9, MathVerse 86.5, MathVista 88이 포함된다. 또한 벤치마크보다 더 흥미로운 주장도 내놓는다. Lookahead Expert Scheduling, 레이어별 양자화, DSpark 추측 샘플링을 적용하면 35B-A3B가 iPhone 17 Pro Max에서 약 3GB 메모리로 13+ tokens/s 속도로 디코딩된다는 것이다. 이는 모델의 일반적 속성이라기보다 특정 툴체인에 대한 공급업체의 주장으로 받아들여야 하지만, 사실이라면 기기에서 밀집형 4B 모델을 선호하는 통상적인 이유를 없애준다.

이 모든 것은 벤더가 보고한 것입니다. OpenBMB도 Ai2도 상대방의 벤치마크 스위트에서 자사 모델의 결과를 발표하지 않았으므로, 위의 어느 행도 직접 비교가 아닙니다.

배포 메뉴는 과소평가된 차별점입니다.

MiniCPM-V 4.7은 추론용으로 SGLang, vLLM, llama.cpp, Ollama를, 파인튜닝용으로 SWIFT와 LLaMA-Factory를 나열하며, Rockchip, Houmo, Intel, AMD, Arm에 대한 day-0 지원을 제공합니다. Molmo2-4B의 카드에는 원격 코드가 필요한 Transformers, 별도의 molmo_utils 의존성, 영상용 decord2가 나열되어 있고, AI2 자체 플랫폼 문서는 안정 버전이 아닌 vLLM nightly를 가리킵니다. 10월에 네이티브 Transformers 지원이 v5.20.0에 추가되고 원격 코드 요구 사항이 선택 사항이 되면서 격차는 좁혀졌지만, 여전히 격차는 남아 있습니다. 한 프로젝트에는 양자화 매트릭스가 있고, 다른 프로젝트에는 연구용 릴리스가 있습니다.

라우팅이 구호가 아니라 제 역할을 하는 지점입니다. 저렴한 경로를 위해 MiniCPM-V 4.7 1B를 온디바이스로, 어려운 경로를 위해 더 큰 모델을 원하는 팀은 이를 위해 두 개의 계약이 필요하지 않습니다. 라우팅 DSL은 여러 모델을 하나의 엔드포인트 뒤에 구성하며, 0% 마크업은 공급자의 정가가 곧 지불 금액임을 의미하므로 공급업체의 가격 인하가 같은 날 바로 적용됩니다. 이는 단순한 A 또는 B 선택보다 이번처럼 세 가지 모델을 결정할 때 더 중요합니다.

실제로 선택하는 방법

메모리가 제약 조건이라면 MiniCPM-V 4.7-1B를 선택하세요. Molmo2-4B 패키지에는 672MB에 가까운 것조차 없으며, 포인팅 정확도가 아무리 높아도 메모리에 들어가지 않는 모델을 상쇄할 수는 없습니다.

달러당 성능이 제약 조건이고 MoE를 서빙할 수 있다면 MiniCPM-V 4.7-35B-A3B를 선택하라. OpenBMB 자체 수치 기준으로 이 모델은 두 소형 모델 어느 쪽과도 차원이 다르며, 활성 파라미터 수 덕분에 토큰당 비용은 35B보다 3B에 더 가깝게 유지된다.

요구 사항이 좌표라면 Molmo2-4B를 선택하세요. 타임스탬프가 있는 포인트, 다중 이미지 포인팅 및 추적은 이 모델이 존재하는 이유입니다. MiniCPM-V 4.7 문서에는 이에 상응하는 출력 계약을 설명하는 내용이 없습니다.

19GB float32 다운로드 없이 이미지, 다중 이미지, 비디오를 처리하는 4B급 범용 모델이 정말로 필요하다면, 솔직한 답은 이 특정 비교에서는 그런 모델이 없다는 것입니다 — Molmo2-4B는 해당 자리에 있는 비교 대상 중 유일한 모델이며, 세 모델 중 배포 도구가 가장 빈약한 상태로 등장합니다. 이를 바꿀 수 있는 것은 공식 양자화된 Molmo2-4B 또는 4B급 MiniCPM-V입니다. 둘 다 현재 존재하지 않습니다.