MiniCPM-V 4.7 1B vs MiniCPM-V 4.7: twee checkpoints, één naam en een heel andere taak

Er bestaat geen checkpoint met de naam MiniCPM-V 4.7. OpenBMB heeft er nooit een gepubliceerd, en de model-URL die hem zou bevatten, geeft een autorisatiefout in plaats van een pagina met gewichten. De naam is de serie. Op 12 oktober 2026 bracht die serie twee dingen uit die een lezer redelijkerwijs met die naam zou kunnen bedoelen: MiniCPM-V 4.7 1B, een dense model met 1,55 miljard parameters dat is gebouwd om in het werkgeheugen van een telefoon te passen, en het sparse mixture-of-experts-checkpoint met 35 miljard parameters dat alle grote claims bij de lancering draagt — de demo op het toestel, de Pareto-frontier-grafiek, de zin "de eerste open-source MoE die soepel op het toestel draait." Ze met elkaar vergelijken is geen eerlijke strijd, en dat is ook nooit de bedoeling geweest. Het is een kwestie van hoeveel geheugen je bereid bent te besteden, en of de cijfers van de leverancier zelf sterk genoeg zijn om die besteding te rechtvaardigen.

De naam is een serie, geen model

Twee repositories dragen de naam MiniCPM-V 4.7, en een derde draagt die met een suffix. openbmb/MiniCPM-V-4.7-1B werd aangemaakt op 6 oktober 2026 om 17:40 UTC. openbmb/MiniCPM-V-4.7-35B-A3B volgde op 7 oktober om 07:07 UTC. openbmb/MiniCPM-V-4.7-1B-DSpark — een speculatieve draft-head met 213 miljoen parameters voor het kleine model — verscheen op 8 oktober. Alle drie zijn Apache-2.0. De kale openbmb/MiniCPM-V-4.7repository bestaat niet, en het is de moeite waard dat ronduit te zeggen, omdat nogal wat berichtgeving doet alsof dat wel zo is en de ene reeks getallen onder de naam van de andere citeert. De OpenBMB README dateert de release zelf op 12 oktober, de datum die je moet gebruiken als je er een nodig hebt: de repositories werden eerst geüpload en vier dagen later aangekondigd, in de gebruikelijke volgorde.

Dus de eerlijke framing van "1B vs 4.7" is geen vergelijking tussen een klein model en een groot model met dezelfde naam. Het is een vergelijking tussen de twee grootteklassen die de serie daadwerkelijk biedt, waarbij een van beide toevallig de enige is die de serienaam alleen zal vinden.

Wat de 1B eigenlijk is

Gelezen uit de safetensors-metadata: het dense checkpoint telt 1.554.476.272 parameters in BF16 — ongeveer 3,11 GB in één enkel gewichtsbestand, en dat is het getal dat er voor iedereen die aan een handset denkt het meest uitspringt. De taalruggengraat is getagd als qwen3_6_text, 24 lagen diep met een verborgen grootte van 1024, en de attention volgt een patroon van drie lineair op één volledig: 18 van de 24 lagen nemen een lineair pad en zes gebruiken conventionele attention. De vocabulaire telt 248.094 tokens. De visietoren is de eigen minicpmv4_7_vision van deze lijn — 27 lagen, verborgen grootte 1152, patchgrootte 14, afbeeldingsgrootte 980, ingevoegd in de taalstack op laag 6. Twee instellingen zijn belangrijker dan de rest voor documentwerk: downsample_mode is 16x, en mrope_mode is canvas, het multimodale roterende-embedding-schema dat deze familie gebruikt om de ruimtelijke structuur intact te houden over een opgesplitst beeld. De maximale positie-embeddings zijn 262.144, dus het contextvenster is een echte 256K en niet slechts een nominale.

Op het moment van schrijven toont de repository 14 downloads en 22 likes. Dat is weinig, en het is de eerlijke maatstaf voor hoeveel de community het model tot nu toe heeft gebruikt.

Wat het vlaggenschip eigenlijk is

De 35B-A3B-checkpoint is 35.212.875.824 parameters in BF16 — 70,4 GB verdeeld over zestien safetensors-shards, wat 22 keer de grootte is van het dense model in één download. Qua architectuur is het een heel ander beest: 40 lagen, hidden size 2048, en een sparse MoE feed-forward met 256 experts waarvan er 8 actief zijn per token, met moe_intermediate_size ingesteld op 512. De vocabulaire is 248.144, iets uitgebreider dan die van de 1B. Het attentionpatroon is hetzelfde idee op grotere diepte — 30 lineaire lagen tegenover 10 volledige. Het is de eerste MoE in de MiniCPM-V-reeks, en het is de checkpoint waar het efficiëntieverhaal van de leverancier daadwerkelijk over gaat: OpenBMB beweert 13-plus tokens per seconde met ongeveer 3 GB geheugen op een iPhone 17 Pro Max, waarbij Lookahead Expert Scheduling expertgewichten over lagen heen prefetcht zodat sparse routing niet vastloopt op geheugenbandbreedte, plus een gepaarde MTP-head en gemengde 4x/16x visuele tokencompressie. Dat zijn cijfers van de leverancier, gemeten door de leverancier, op de demo van de leverancier. Niemand anders heeft ze tot nu toe gereproduceerd. De repository toont 166 downloads en 43 likes — een orde van grootte meer aandacht dan de 1B heeft getrokken.

De vergelijking, dimensie voor dimensie

Zes dimensies, beide kanten, met een notitie over hoeveel gewicht elk cijfer draagt.

• Parameters en vorm — MiniCPM-V 4.7 1B: 1,55B dense, elke parameter actief bij elke token. Het vlaggenschip van MiniCPM-V 4.7: 35,2B totaal, sparse, 8 van de 256 experts per token. De twee totalen zijn geen vergelijkbare grootheden; het actieve budget van de MoE bepaalt het rekenwerk per token, en OpenBMB publiceert dit niet. Lees "A3B" als onderdeel van de naam, niet als een meting.

• Gewichtsfootprint — MiniCPM-V 4.7 1B: 3,11 GB in één BF16-bestand, wat de hele reden is dat het bestaat. MiniCPM-V 4.7 35B-A3B: 70,4 GB verdeeld over zestien shards in BF16. Het door de leverancier genoemde on-device-getal van 3 GB geldt voor het grotere model pas na kwantisatie en expertstreaming, niet voor de ruwe download.

• Aandacht en context — beide: 256K-posities, een 3:1-patroon van lineaire naar volledige aandacht, en dezelfde canvas mRoPE-modus. MiniCPM-V 4.7 1B draait dit over 24 lagen; het vlaggenschip over 40. Dit is de enige dimensie waarin de twee modellen werkelijk hetzelfde ontwerp zijn, opgeschaald.

• Visiepad — beide: de eigen minicpmv4_7_vision-toren van de familie met 16x downsampling. Het verschil zit aan de andere kant van de compressiestap: de grafieken van het vlaggenschip adverteren een gemengd 4x/16x-schema dat de 1B niet claimt.

• Licentie — beide: Apache-2.0, gedeclareerd in de repository en bevestigd in de README van het project. Dit is van belang omdat het het tegenovergestelde is van hoe dezelfde serie er een week eerder uitzag; voor geen van beide checkpoints valt hier ambiguïteit te melden.

• Bewijs van kwaliteit — MiniCPM-V 4.7 1B: alleen grafieken van de leverancier. MiniCPM-V 4.7 35B-A3B: grafieken van de leverancier, een demonstratievideo van de leverancier op een iPad M4 en een iPhone, en een gepubliceerde claim over tokens per seconde op het toestel. Geen van beide heeft een onafhankelijke evaluatie, en geen van beide is door een derde partij gebenchmarkt tegen een vaste testopstelling.

Wat de eigen grafieken van de leverancier beweren

OpenBMB publiceerde benchmarkgrafieken voor beide checkpoints, en het verschil in wat ze kunnen ondersteunen is leerzaam. De 1B-grafiek plaatst het model op MMBench 83,17, OCRBench 86,10 en OmniDocBench v1.6 85,39, en dat is op alle drie beter dan het model uit de vorige generatie in de 1,3B-klasse waarnaast het in dezelfde figuur staat (respectievelijk 81,89, 83,80 en 82,52). Die zijn door de leverancier gerapporteerd en niet gereproduceerd, en de kolomlabels van de grafiek zelf moeten zorgvuldig worden gelezen, omdat één rij erin een waarde weergeeft die niet geloofwaardig is voor een model van deze omvang. Beschouw de absolute getallen als marketing en de delta's ten opzichte van de vorige generatie als het enige deel met een interne logica.

The 35B-A3B chart is more legible because the comparison is more crowded. It reports MMMU 80.22, MathVista 88.00, OCRBench 91.20, OCRBench_v2 68.47, OmniDocBench v1.6 94.24, CharXiv reasoning 75.60, TextVQA 84.99 and CCOCR 81.14, against a field that includes two 35B-A3B-class mixture-of-experts models, a 31B Gemma and a 27B Qwen3.8. On the vendor's own numbers the MoE wins most rows narrowly and loses a couple — MMMU-Pro and MathVision go the other way. Again: vendor-reported, unreproduced, and the only fair reading is "the vendor believes it is at parity or better," not "it is at parity or better."

Er is een labelprobleem dat het signaleren waard is in plaats van het oplossen. De repository heet 1B. In de zijbalk van Hugging Face wordt het model beschreven als 2B parameters. De safetensors-metadata vermeldt 1.554.476.272 — ongeveer 1,55B. De eigen grafiek van de leverancier geeft de rij het label 1,3B. Vier bronnen, vier getallen, en het kleinste ervan staat in de grafiek waarnaar de marketing verwijst. Niets hiervan verandert wat het model doet, maar als je geheugen begroot op basis van een specificatieblad, begroot dan op basis van het bestand van 3,11 GB, niet op basis van een van de labels.

Welke je eigenlijk wilt

Als de beperking een telefoon, een laptop, één enkele kleine GPU of iets met een energiebudget is, is slechts één van deze een kandidaat. MiniCPM-V 4.7 1B bestaat juist zodat een multimodaal model met 256K-context in een paar gigabytes past, het wordt uitgebracht onder een licentie die commercieel gebruik toestaat, en het kwantisatie-ecosysteem is er al — GGUF-, AWQ-, GPTQ-, int4- en FP8-builds, plus ondersteuning vanaf dag één van Rockchip, Houmo, Intel, AMD en Arm-hardwareleveranciers en OpenVINO. Voor on-device OCR, het begrijpen van screenshots en documentparsing met een voetafdruk van 3 GB is het de versie uit deze serie die het antwoord geeft.

MiniCPM-V 4.7 35B-A3B beantwoordt een andere vraag. Het is geen grotere versie van hetzelfde product; het is de poging om de kwaliteit van een model uit de 35B-klasse te behouden terwijl je slechts voor 8 experts per token betaalt, en als de doorvoerclaim van de leverancier standhoudt, is het van de twee het interessantere technische resultaat. Het is ook, met 70,4 GB in BF16, een download voor servers of werkstations, en het on-deviceverhaal loopt via kwantisatie en expertstreaming in plaats van via het bestand dat je van de Hub krijgt.

Waar een router past, en waar niet

Geen van beide checkpoints wordt gehost op OrcaRouter. MiniCPM komt helemaal niet voor in onze catalogus, en het juiste advies voor iedereen die een van deze twee wil draaien, is de gewichten te downloaden en ze zelf te serveren — llama.cpp, Ollama, vLLM of SGLang ondersteunen allemaal de architectuur, en de dag-één-ondersteuningslijst hierboven is ongewoon breed voor een release die zo jong is. De routeringsvraag komt pas bij de volgende stap aan de orde: wat gebeurt er wanneer een klein lokaal model niet volstaat voor een bepaald verzoek en het werk naar iets gehosts moet. Die overdracht is een routeringsbeslissing en geen tweede contract: OrcaRouter zet een paar honderd gehoste modellen achter één sleutel tegen de lijstprijs van elke aanbieder, zonder dat er iets bovenop komt, met failover wanneer een aanbieder erop achteruitgaat. Onder de gehoste visionmodellen op die lijst bevinden zich er verschillende in dezelfde gewichtsklasse als de 1B — qwen/qwen3-vl-8b-instruct en de thinking-variant ervan, qwen/qwen3-vl-235b-a22b-instruct voor het zware eind, en deepseek/deepseek-v4-flash-vision-exp voor documentwerk met een lange context. Dat is het niveau boven deze familie, geen vervanging ervoor, en het is de moeite waard om duidelijk te maken aan welke kant van de lijn elk model staat.

Wat te kijken

Twee dingen zullen deze vergelijking beslechten en geen van beide bestaat al. Het eerste is een onafhankelijke evaluatie — dezelfde testomgeving uitgevoerd tegen beide checkpoints, op dezelfde hardware, zonder dat de leverancier de prompts kiest. Tot die verschijnt, is elk nauwkeurigheidscijfer in dit artikel afkomstig van de leverancier zelf en moet het met die vermelding erbij worden geciteerd. Het tweede is de DSpark draft head, die al is gepubliceerd voor de 1B en het mechanisme is dat inference van kleine modellen op een telefoon wezenlijk sneller zou maken. Als speculatieve decoding op deze schaal werkt zoals geadverteerd, wordt de dense 1B een aanzienlijk beter antwoord dan zijn omvang doet vermoeden, en blijft de 35B-A3B het model waarnaar je alleen grijpt wanneer de aanvraag dat echt nodig heeft.

Wat nergens op hoeft te wachten, is de licentie, de architectuur, de footprint en de tooling. Die staan in de repositories, ze zijn Apache-2.0 voor beide checkpoints, en ze zijn voldoende om vandaag te beslissen welke van de twee op jouw hardware thuishoort.

De gehoste helft van dat patroon is een routeringsbeslissing in plaats van een tweede contract. de lijstprijs van elke provider zonder door ons toegevoegde opslag Geen van beide MiniCPM-V 4.7-checkpoints is een gehost model op OrcaRouter - beide zijn gewichten die je zelf serveert.