MiniCPM-V 4.7 1B vs UI-Venus 2 9B: de één past in een zak, de ander heeft een rack nodig

De vergelijking tussen MiniCPM-V 4.7 1B en UI-Venus 2 9B is allesbehalve een nek-aan-nekrace, en dat is juist het nuttige ervan. MiniCPM-V 4.7 1B is een algemeen visie-taalmodel met 1,55 miljard parameters van OpenBMB, geüpload op 6 oktober 2026, gedateerd op 12 oktober in de release notes van de leverancier, Apache 2.0, en klein genoeg om in een telefoonapp te draaien. UI-Venus 2 9B is een GUI-agent met 9,41 miljard parameters van inclusionAI, uitgebracht op 26 augustus 2026, specifiek getraind om naar een scherm te kijken en te beslissen waar te tikken, typen of vegen, en verwacht een GPU met een vLLM-server ervoor.De gedocumenteerde AI-fouten en incidenten met agents achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waarbij elke vermelding eigen bronnen, ernst, betrouwbaarheidsgraad en een betwistvlag bevat.

Ze in dezelfde zin plaatsen lokt de verkeerde vraag uit — welke is beter — terwijl de juiste vraag is waarvoor elk van beide dient. Een algemeen visiemodel dat in 1.8 GB gekwantiseerd geheugen past en een schermagent die 73.0 scoort op ScreenSpot-Pro zijn geen vervangers. Het zijn twee verschillende lagen van een mobiele automatiseringsstack, en het interessante deel is waar de grens tussen die lagen precies ligt.

Twee banen die van een afstand op elkaar lijken

Beide modellen kunnen een schermafbeelding accepteren en er tekst over retourneren. Daar houdt de gelijkenis op.

MiniCPM-V 4.7 1B leest een afbeelding en beschrijft, transcribeert, extraheert of beantwoordt deze. Vraag het wat het totaalbedrag op een kassabon is, wat een formulierveld bevat, of een grafiek een opwaartse trend vertoont, of wat een pagina uit een pdf zegt, en het geeft een antwoord. Het heeft slicing-instellingen voor afbeeldingen met hoge resolutie, een omschakelbare visuele tokencompressieverhouding van 4×/16× en parameters voor frame-sampling van video. De documentatie behandelt chat met één afbeelding, chat met meerdere afbeeldingen, video, OCR, PDF-parsing en visuele grounding — een workload voor het lezen van documenten en schermen.

UI-Venus 2 9B leest een scherm en genereert een actie. De kaart ervan beschrijft een gesloten lus: de interface observeren, over de taakstatus redeneren, een actie uitvoeren en de feedback van de omgeving meenemen in de volgende beslissing. De uitvoer bestaat uit punten en actiereeksen, geen proza. Daaromheen levert inclusionAI referentieprompts, actieparsers en uitvoerbare voorbeelden voor mobiele, computer-, browser-, grounding- en CAPTCHA-taken. Het model is een beleid, en de harness eromheen is de helft van het product.

Dat onderscheid bepaalt de architectuur voordat er ook maar één benchmark wordt geraadpleegd. Een telefoonapp die een kassabon moet lezen, gebruikt de eerste. Een systeem dat een taak binnen een app moet voltooien — door een afrekenproces tikken, een formulier invullen, een slider-CAPTCHA oplossen — gebruikt de tweede, en kan de eerste niet vervangen, hoe goed zijn OCR ook is.

De licentie is het eerste filter, niet de benchmark.

De kaart van UI-Venus 2 9B bevat een sectie over de release-status die de meeste berichtgeving heeft overgeslagen. Onder "Modelgewichten" staat dat de gewichten zijn inbegrepen; onder "Licentie" staat dat de licentie voor de modelgewichten is in afwachting van definitieve bevestiging en vóór de openbare release wordt toegevoegd, en dat de Apache-2.0-verklaring bewust niet is overgenomen omdat de upstream-materialen tegenstrijdige licentieverklaringen bevatten.

Lees dat twee keer. De gewichten zijn downloadbaar, de benchmarks zijn gepubliceerd, het technische rapport staat op arXiv en de licentie is onopgelost. Voor een onderzoeksteam is dat prima. Voor een bedrijf dat een schermagent in een commercieel product wil uitbrengen, betekent het dat de juridische beoordeling niet kan worden afgerond. Het model kan uiteindelijk onder Apache 2.0 vallen, of niet, en dat is met de artefacten die vandaag beschikbaar zijn niet te weten.

MiniCPM-V 4.7 1B wordt uitgebracht onder Apache 2.0, zonder dergelijke ambiguïteit. Die ene regel sluit een van de twee modellen uit voor een grote klasse van commercieel werk — niet omdat het slechter is, maar omdat een lopende licentie een planningsrisico vormt waar niemand budget voor reserveert.

De hardware-berekening, vóór enige score

• Gewichten — 1,55B dense, ongeveer 3,1 GB BF16, 0,67 GB bij Q4_K_M plus een vision-projector van 0,90–1,11 GB vs 9,41B, ruwweg 18,8 GB BF16 verdeeld over vier safetensors-shards • Waar het draait — iOS-, Android- en HarmonyOS-apps; day-0 chipondersteuning van Rockchip, Houmo, Intel, AMD en Arm vs een GPU-servingpad, gedocumenteerd met vLLM bij --max-model-len 262144 en --reasoning-parser q​wen3 • Context — 262.144 tokens op papier, met een KV-cache die bij volledige lengte meer kost dan de gewichten vs 262.144 tokens, overgenomen van de Qwen3.5-9B-basis • Vision-stack — een encoder met 27 lagen en 1152 verborgen eenheden op tegels van 980 pixels met tokencompressie binnen de encoder vs de vision-tower van Qwen3.5-9B, overgenomen van het basismodel • Licentie — Apache 2.0 vs bevestiging in afwachting, waarbij de Apache-2.0-verklaring expliciet wordt onthouden • Evaluatiestijl — vijf in proza beschreven cijfers plus vergelijkingen uitsluitend in grafiekvorm vs een volledige numerieke bijlage over mobiel, computer, web, grounding, CAPTCHA en veiligheid • Onafhankelijke evaluatie — geen voor beide modellen op het moment van schrijven vs geen, al is het technische rapport op arXiv 2609.00028 een substantieel, door derden controleerbaar artefact

Het verschil hier is ongeveer een orde van grootte in geheugen: 1,8 GB gekwantiseerd tegenover 18,8 GB in BF16, of ongeveer 5 GB bij 4-bit als je kwantiseert. Dat is het verschil tussen een app en een service. Het is ook de reden waarom de twee modellen meestal in verschillende artikelen worden besproken — het ene is een kwestie van edge-deployment en het andere een kwestie van inferentiekosten.

Waar de 9B zijn formaat rechtvaardigt

De cijfers van UI-Venus 2 9B, allemaal door de leverancier gerapporteerd op zijn modelkaart en in zijn technisch rapport, plaatsen het bijna bovenaan de GUI-klasse onder de 10B. Op ScreenSpot-Pro, dat elementlocalisatie op professionele software met hoge resolutie meet, rapporteert het 73,0. Op VenusBench-GD 77,1. Op OSWorld-G-R 78,5. Op AndroidWorld 80,2. Op de vernieuwde 595-taken-split van WebVoyager 90,8. Op OSWorld-Verified 70,8. Op zijn eigen VenusBench-CAPTCHA 78,1 pass@1 over acht interactietypen.

Dat zijn geen cijfers die een 1B-generalist produceert, en dat is ook niet de bedoeling. Wat ze geloofwaardig maakt in plaats van decoratief, is de trainingsbeschrijving: een mobiele pool van meer dan 170 meertalige apps, een webpool van meer dan 4.000 domeinen in 19 categorieën, drie trainingsfasen (multimodale mid-training, offline RL over vijf taakfamilies, on-policy distillatie met meerdere leraren), en een verificatieschema dat is gebaseerd op taakrelevante visuele keypoints met stemming door meerdere modellen in plaats van één beoordelaar die naar het eindscherm kijkt. De kaart rapporteert ook veiligheidsresultaten — 11,3% aanvalsuccespercentage op OSHarm en 48,8% op OSBlind, tegenover 25,3% en 79,4% voor de Qwen3.5-9B-basis — en kadert die als een vergelijking met die basis in plaats van als een absolute robuustheidsclaim, wat de juiste kadrering is.

Niets hiervan is overdraagbaar naar een 1B-model. GUI-handelingsvermogen wordt getraind; het komt niet voort uit algemene visuele competentie, en geen enkele mate van OCR-nauwkeurigheid vervangt een beleid dat weet wat een 'next'-knop doet.

Waar de 1B toch wint

Drie plaatsen, en het zijn geen troostprijzen.

Latentie en beschikbaarheid. Een lokale 1B-model heeft geen netwerkrondreis, geen wachtrij, geen storing bij de provider en geen kosten per verzoek. Voor een scanfunctie die vijftig keer per dag wordt gebruikt, is dat de volledige productervaring. Een 9B-model achter een vLLM-server is snel — maar het is snel op de manier waarop elk gehost model snel is, en het houdt op snel te zijn wanneer de verbinding wegvalt.

Privacy door ontwerp. Een bonnetje, een identiteitsbewijs, een medisch formulier of een screenshot van een privégesprek kan op het apparaat blijven. Dat is geen marketingpraatje; het is het verschil tussen een functie die je in een gereguleerde sector kunt uitbrengen en een die je niet kunt uitbrengen. De eigen veiligheidsevaluatie van UI-Venus 2 9B gaat over de vraag of het model zich aan de serverkant misdraagt. De privacy-eigenschap van de 1B is dat de afbeelding de telefoon nooit verlaat.

Kosten aan de marge. Een screenshot lezen met een gehoste 9B kost geld per verzoek, elk verzoek, voor altijd. Het lezen met een lokale 1B kost batterij. Bij laag volume is de gehoste optie goedkoper; bij hoog volume — een scanner in een veldapp, een toegankelijkheidshulpmiddel, een batch van tienduizend bonnetjes — is het lokale model het enige waarvan de marginale kosten nul naderen.

De stack die de meeste teams uiteindelijk daadwerkelijk bouwen

Geen keuze tussen deze twee. Een gelaagdheid ervan.

De 1B op het toestel verzorgt de waarneming: lees het scherm, haal de tekst eruit, vind het veld, beschrijf wat er staat. Meestal is dat genoeg, en het verzoek verlaat nooit de telefoon. Wanneer de taak een actie vereist — tik hier, veeg daar, voltooi deze flow — gaat de klus naar een agent, en een agent heeft een groter model nodig met een actiewoordenschat.

Die overdracht is waar een routeringslaag zich bewijst, en het loont precies te zijn over wat ze wel en niet doet. OrcaRouter biedt meer dan 200 gehoste modellen via één OpenAI-compatibel endpoint tegen 0% markup, waarbij de lijstprijs van elke provider ongewijzigd wordt doorgegeven, met automatische failover en een routerings-DSL die een primaire en een fallback in één aanroep kan bevatten. Het patroon dat dit mogelijk maakt, is onglamoureus en nuttig: de telefoon probeert zijn lokale 1B, de app escaleert de moeilijke gevallen naar een gehost visionmodel via dezelfde sleutel die hij voor al het andere gebruikt, en een provider die een slechte middag doormaakt, wordt een failover-gebeurtenis in plaats van een storing. Noch MiniCPM-V 4.7 1B noch UI-Venus 2 9B staat in die catalogus — beide zijn checkpoints die je zelf draait — dus de router is de laag rond de stack, niet een manier om een van beide modellen aan te roepen.

Twee faalwijzen waar je rekening mee moet houden

De eerste is een 1B-generalist die als agent wordt gebruikt. Die leest een scherm correct en heeft vervolgens geen idee wat hij ermee moet doen. Als je product een flow moet doorlopen in plaats van er een te beschrijven, dan is de 1B het verkeerde instrument en geen enkele prompt lost dat op.

De tweede is een 9B-agent die is uitgebracht op basis van de licentiestatus in de modelkaart. Op de kaart van UI-Venus 2 9B staat dat de licentie nog in afwachting is en dat de Apache-2.0-verklaring opzettelijk is achtergehouden. Totdat dat is opgelost, is het model voor commerciële doeleinden een onderzoeksartefact, hoe goed het ScreenSpot-Pro-getal ook is. Teams die plannen op basis van "het zal waarschijnlijk Apache 2.0 zijn", nemen een planningsrisico dat ze niet hebben ingeprijsd.

Waar de keuze eigenlijk op neerkomt

Als de vraag luidt: "kan ik deze schermafbeelding op een telefoon lezen, offline, gratis, met een licentie die ik kan meeleveren" — dan antwoordt MiniCPM-V 4.7 1B met ja, bij ongeveer 1,8 GB gequantiseerd, onder Apache 2.0, en het enige dat je hoeft te controleren is de geheugenmarge van je eigen apparaat.

Als de vraag is "kan dit model de interface bedienen in plaats van beschrijven" — UI-Venus 2 9B is de variant met de training, de benchmarks en de harness, en het heeft een GPU en een licentiebeslissing nodig voordat het iets anders nodig heeft.

Als de vraag is "beide, in één product" — dan bouw je een tweelaags systeem, waarbij de 1B de waarneming op het apparaat doet en de agent de actie op een server, en het engineeringwerk zit in de overdracht tussen beide in plaats van in de keuze tussen beide.

De vergelijking lijkt scheef, omdat ze dat ook is. Een 1B-generalist en een 9B-GUI-specialist zitten niet in dezelfde gewichtsklasse, dezelfde deploymentklasse of dezelfde licentiepositie. De fout zou zijn om dat te lezen als "de een is beter". Ze beantwoorden verschillende vragen, en de snelste manier om te kiezen is opschrijven welke vraag je eigenlijk stelt.