WeVisOne-VL-2B vs MiniCPM-V 4.7 1B: 0.45B 차이, 서로 다른 역할

이름만 보면 2대1 격차를 암시한다. 체크포인트는 그렇지 않다. MiniCPM-V 4.7 1B는 bfloat16으로 1,554,476,272개의 파라미터를 탑재하고, WeVisOne-VL-2B는 약 20억 개를 탑재한다. 따라서 둘 사이의 실제 거리는 10억 개가 아니라 약 4억 5천만 개 파라미터다. 같은 디스크에 올리면 비슷한 공간을 차지한다. 같은 작업에 투입하면 완전히 무너지는데, MiniCPM-V 4.7 1B는 문서를 읽고 영상을 보고 그것에 대해 대화를 나누도록 만들어진 반면, WeVisOne-VL-2B는 객체를 찾아 마스크를 반환하도록 만들어졌기 때문이다.

둘 다 Apache 2.0입니다. 둘 다 단일 GPU에서 구축하려는 사람의 관심을 끌 만큼 작습니다. 둘 다 최근 모델입니다 — MiniCPM-V 4.7 1B는 2026년 10월 6일에 업로드되었고 OpenBMB의 릴리스 노트에는 10월 12일로 날짜가 표기되어 있으며, WeVisOne-VL-2B는 10월 22일입니다. 이런 유사성과 차이의 조합이 이 두 모델을 한 페이지에서 다룰 가치가 있게 만듭니다: 거의 모든 주요 사양은 비슷하지만, 실제 용도는 거의 모두 다릅니다.

먼저, 이름부터 수정했습니다.

OpenBMB의 명명 방식은 비교표에서 이미 혼란을 일으킨 만큼 느슨하다. 1B라고 불리는 모델은 자체 safetensors 메타데이터 기준 매개변수가 15억 5천만 개이며, 공급업체 자료에서는 서로 다른 위치에서 1.3B와 1.38B를 인용했다. 262,144토큰 컨텍스트는 실제이며 모델 구성에 설정되어 있다. 아키텍처는 Qwen3.5에서 파생된 24개 층, 1024차원 은닉 텍스트 백본으로, 선형 어텐션 대 전체 어텐션의 3:1 패턴을 이루고, 980픽셀 타일에서 작동하는 27개 층의 SigLIP2 스타일 비전 타워와 결합되며, 요청당 비용을 위해 세부 정보를 맞바꾸는 선택형 4× 또는 16× 시각 토큰 압축 모드를 갖춘다.

텐센트의 작명은 더 간결합니다. WeVisOne-VL-2B는 Qwen3-VL을 기반으로 구축된 20억 파라미터 모델이며, 모델 카드에서 “선택적 추가 기능이 아니라 필수 핵심 구성 요소”라고 부르는 별도의 9,511,460개 파라미터 픽셀 디코더를 갖추고 있습니다. 이 디코더는 배포 관점에서 사소한 오차가 아닙니다. 디코더가 없으면 모델은 박스와 포인트만 생성하며, 마스크나 매트 출력은 전혀 존재하지 않습니다.

그러므로 올바른 구분은 소형 대 대형이 아닙니다. 그것은 1.55B 대 2B — 가중치에서 29퍼센트 차이 — 이며, 출력 계약은 완전히 다릅니다.

결코 만나지 않는 두 벤치마크 어휘

대부분의 비교에서 이 부분을 틀리기 때문에, 어떤 숫자가 나오기 전에 짚고 넘어갈 가치가 있습니다. OpenBMB는 MiniCPM-V 4.7 1B를 일반 멀티모달 벤치마크에서 평가합니다: OCRBench 86.1, MMMU 56.89, MathVista 74.30, MMBench 83.17, MMStar 69.53, MMMU-Pro 38.03, MathVerse 60.41, CharXiv Reasoning 48.8, LongVideoBench 53.4, MotionBench 54.55입니다. 이는 벤더가 직접 실행한 수치로, 대부분 하네스 세부 정보가 담긴 표가 아니라 차트 형태로 제시되며, 어떤 독립 기관도 이를 재현하지 않았습니다.

Tencent는 WeVisOne-VL-2B를 지각 벤치마크에서 평가하면서 일반 멀티모달 점수는 전혀 보고하지 않는다. 일곱 개의 표 어디에도 MMMU, MMBench, MathVista, DocVQA, 캡셔닝 결과가 없다. 대신 보고하는 것은 작업별 지표다: 탐지 F1, 카운팅 exact-match, 포인팅 F1, OCR 위치화 F1, 세그멘테이션 cIoU, 매팅 오류.

OCR에서 충돌이 가장 첨예한데, 두 모델 모두 OCR을 한다고 주장하기 때문이다. MiniCPM의 86.1은 OCRBench 점수로, 모델이 문자를 올바르게 읽었는지를 묻는 전사(transcription) 점수다. WeVisOne의 OCR 수치는 0.5 IoU 임계값에서의 위치 특정(localization) F1로, SROIE에서 62.1, ICDAR2015에서 42.6, TotalText에서 42.5, HierText에서 30.5이며, 모델이 텍스트 주위에 올바른 상자를 그렸는지를 측정한다. 어떤 모델은 한쪽에서 뛰어나고 다른 쪽에서는 평범할 수 있다. "86.1 대 62.1"이라고 인쇄하는 것은 철자 시험과 가리키기 시험을 비교하는 셈이다.

두 모델 모두 같은 방식으로 계산된 수치를 보고하는 벤치마크는 없습니다. 그것은 수사적 미사여구가 아니라 이 비교의 핵심 발견이며, 이는 두 모델에 대해 보게 되는 어떤 순위든 서로 비교할 수 없는 요소들로 짜맞춘 것임을 의미합니다.

262,144 토큰으로 무엇을 얻을 수 있는지, 그리고 WeVisOne이 말하지 않으려는 것

MiniCPM-V 4.7 1B는 262,144토큰 컨텍스트와 기본적으로 최대 128프레임을 받아들이는 비디오 경로를 공개하며, 프레임당 슬라이스는 하나입니다. 이는 문서·비디오 처리기입니다. 긴 PDF, 여러 페이지 스캔, 1분 분량의 영상까지 다룹니다. 4× 및 16× 압축 전환이 존재하는 이유는 바로 그만큼 많은 시각적 세부 정보를 유지하는 비용이 크기 때문이며, OpenBMB는 요청별로 얼마나 유지할지 선택할 수 있게 합니다.

WeVisOne-VL-2B는 컨텍스트 길이를 공개하지 않는다. 모델 카드에는 언급이 없고, 논문의 학습 단계는 4,096 및 8,192 토큰에서 진행되었으며, 추론은 그리디 디코딩으로 각 이미지를 1,960개의 시각 토큰으로 제한한다. 이 중 어느 것도 배포 윈도가 아니며, Tencent는 그것이 그렇다고 가장하지도 않는다. 또한 비디오 그리드를 단호히 거부한다 — 픽셀 디코더는 이미지 전용이고 단일 턴이며 사고의 연쇄가 없다.

그 비대칭성은 각 벤더가 무엇에 최적화했는지를 보여줍니다. OpenBMB는 한 모델이 얼마나 많은 입력을 삼킬 수 있는지에 최적화했습니다. Tencent는 한 모델이 삼킨 것을 얼마나 정밀하게 가리킬 수 있는지에 최적화했고, 그런 다음 디코더를 단순하게 유지하기 위해 입력 유형에 단단한 경계를 그었습니다.

각각이 실제로 실행되는 위치

MiniCPM-V 4.7 1B는 배포 범위가 단연 더 넓습니다. Transformers 5.18 이상, vLLM, SGLang, llama.cpp, Ollama를 지원하고 GGUF, AWQ, GPTQ, FP8, bitsandbytes, OpenVINO 빌드를 제공하며, iOS, Android, HarmonyOS 지원과 Rockchip, Arm, Apple을 포함한 여러 벤더의 출시 당일 칩 지원까지 갖췄습니다. OpenBMB는 또한 speculative decoding을 위한 별도의 2억 1,300만 매개변수 DSpark 드래프트 모델도 제공합니다.

WeVisOne-VL-2B는 자체 GitHub 패키지와 Transformers 경로를 갖추고 있으며, 카드에는 vLLM과 SGLang이 나열되어 있습니다. GGUF는 없습니다. 양자화 빌드도 없습니다. ONNX도 없습니다. 모바일 지원도 없습니다. 그리고 dense 출력은 stride-1의 전체 해상도 alpha matte이므로, 메모리는 파라미터 수가 아니라 이미지에 비례해 확장됩니다 — 즉, 보유 비용은 저렴하지만 4K에서 실행하는 비용이 반드시 저렴하지는 않은 2B 모델입니다.

목표가 휴대폰이라면, 이 섹션에서 비교는 끝납니다. MiniCPM은 그 제약을 위해 만들어졌으며, 포맷 목록에서 그렇게 밝히고 있습니다. WeVisOne은 그 제약을 위해 만들어지지 않았고, 그렇다고 주장하지도 않습니다.

그들이 유일하게 대등한 지점: 라이선스

둘 다 Apache 2.0입니다. 매출 기준도, 사용 분야 제한도, 별도의 상업 계약도 없습니다. Liquid AI가 자체 매출 상한 라이선스를 사용하고 Moondream이 제3자 서비스 제공을 허용하지 않는 조항이 있는 소스 공개 라이선스를 사용하는 분야에서, 이 규모의 Apache 2.0 비전 모델 두 개는 주목할 만합니다 — 이는 여기서 라이선스가 결정 변수가 아니라는 뜻이며, 충분히 특이해서 소리 내어 말할 가치가 있습니다.

동률이 되면 팀이 더 작은 모델을 선택하는 가장 흔한 이유도 사라집니다. 둘 다 법무 검토를 통과한다면, 선택 기준은 약관이 아니라 성능과 배포입니다.

그것들 중에서 선택하기

출력이 어디로 공급되는지 물어보세요. 문서 저장소, 채팅 창, 동영상 인덱스 또는 다운스트림 언어 모델로 이어진다면, MiniCPM-V 4.7 1B가 바로 원하는 형태입니다: 긴 텍스트를 생성하고, 긴 입력을 감당하며, 소비자용 하드웨어에서 실행되는 형식으로 제공됩니다.

합성 파이프라인, 이미지 편집기, 카탈로그 정리 작업 또는 관심 영역 크롭에 공급된다면, WeVisOne-VL-2B가 바로 원하는 형태입니다. 박스, 포인트, 이진 마스크, 연속 알파 매트를 제공하며, 어떤 벤치마크보다 중요한 거부 동작도 갖추고 있습니다. Tencent는 객체가 없는 질의에 대해 RefCOCOg에서 50.2의 거부율을 보고했는데, 이는 같은 표에서 두 전문 그라운딩 모델의 0.5 및 0.6과 대비됩니다. 대부분의 이미지에 찾고 있는 대상이 없다면, 그 수치가 바로 비용을 절약해 주는 수치입니다.

이들이 경쟁하는 대신 조합되는 세 번째 사례가 있습니다: MiniCPM이 페이지를 읽고 WeVisOne이 읽기 단계에서 분리해야 하는 영역, 즉 서명, 도장, 제품 사진을 찾아내는 문서 파이프라인입니다. 이는 라우팅 문제라기보다 파이프라인 설계 문제이며, 바로 이 지점에서 OrcaRouter 제품이 덧붙여진 것이 아니라 진정으로 유용합니다. 이 두 모델은 모두 우리 카탈로그에 없습니다. 둘 다 자체 호스팅되며, 그렇지 않은 것처럼 암시하지 않겠습니다. 우리가 제공하는 것은 호스팅되는 절반입니다: 하나의 API 키로 공급자 정가에 마크업 없이 200개 이상의 모델을 이용할 수 있는 것, 공급자 성능이 저하될 때 자동 페일오버, 그리고 여러 모델로 구성된 패널이 같은 질문에 함께 답하게 해 주는 모델 융합입니다. 이는 전사 내용이 데이터베이스에 들어가기 직전에 두 번째 의견을 원할 때 유용합니다.

기억해야 할 숫자

1B와 2B가 아니라 1.55B와 2B입니다. 이름은 이들을 서로 다른 체급처럼 보이게 하고, 체크포인트는 이들이 거의 이웃처럼 보이게 하는데, 두 인상 모두 오해를 불러일으킵니다. MiniCPM-V 4.7 1B와 WeVisOne-VL-2B를 가르는 것은 크기도, 라이선스도, 심지어 최신성도 아닙니다. 하나는 단어를 반환하고 다른 하나는 픽셀을 반환한다는 점입니다. 그리고 어느 벤더가 공개한 벤치마크도 다른 쪽에서 빼서 여러분이 필요로 하는 바로 그 역할을 어느 쪽이 더 잘하는지 알려줄 수 없습니다.