
MiniCPM-V 4.7 vs LLaDA-UI: een telefoongeschikte generalist tegenover een diffusie-GUI-agent
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 187 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 414 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 87 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 138 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
Zet MiniCPM-V 4.7 naast LLaDA-UI en het voor de hand liggende kader — generalist versus specialist — blijkt de minst nuttige manier om de confrontatie te lezen. MiniCPM-V 4.7, die OpenBMB op 12 oktober 2026 documenteerde en licentieerde, is een sparse mixture-of-experts vision-language-model met 35,2 miljard parameters waarvan het hele argument efficiëntie is: de modelkaart claimt 13-plus tokens per seconde op een iPhone 17 Pro Max en een betere positie qua prestaties per inferentietijd dan Qwen3.6 35B-A3B. LLaDA-UI, de GUI-agent van inclusionAI met ongeveer 16,7 miljard parameters op basis van een mixture-of-experts, is een heel andere soort — het genereert helemaal geen tokens van links naar rechts, het denoist een blok ervan in één keer. De vraag die een bouwer werkelijk heeft, is smaller dan 'wat is beter': het is welke van deze twee is gemeten op de taak waarvoor je aanwerft, en op basis van welk bewijs.
De twee bewijsbases zijn niet hetzelfde soort ding.
Beide modellen zijn door de leverancier gebenchmarkt, en geen van beide is onafhankelijk gereproduceerd. Verder dan dat loopt de vergelijking uiteen.
• MiniCPM-V 4.7 — de evaluatiesectie van de modelkaart bestaat uit vijf afbeeldingen: algehele visie-taalprestaties, taalprestaties, de grafiek van de 1B-variant, een frontierplot van prestaties versus inferentietijd, en een snelheidsvergelijking op het apparaat. De tekst bevat twee beweringen, beide vergelijkend in plaats van absoluut. Er is geen scoretabel per benchmark in de openbare documentatie.
• LLaDA-UI — het technische rapport, de arXiv-paper en de projectpagina geven benoemde benchmarks met benoemde baselines: ScreenSpot-Pro 52,9 tegen 52,7 van Qwen3-VL-8B, AndroidWorld 53,5 tegen 47,9, MobileWorld 25,6 tegen 9,4, WebVoyager 56,9 tegen 45,2, waarbij ScreenSpot-V2 als dichtbij wordt beschreven en OSWorld-Verified door inclusionAI zelf wordt neergezet als de resterende kloof.
• Wat dat in de praktijk betekent — het ene model publiceert cijfers op taakniveau waarover je kunt discussiëren, en het andere publiceert een samengestelde score die je niet kunt ontleden. "Een hogere totaalscore in minder inferentietijd" is een bewering over een grafiek, en de weging achter de samengestelde score is niet gepubliceerd. Een ScreenSpot-Pro-score van 52,9 is een bewering over een gedefinieerde test met een gedefinieerd protocol.
• Geen van beide is onafhankelijk geverifieerd — de cijfers van LLaDA-UI komen van de eigen projectpagina en het technische rapport; de cijfers van MiniCPM-V 4.7 komen uit grafieken die de leverancier zelf heeft getekend. Een van beide als vaststaand beschouwen zou een fout zijn, maar ze als even informatief beschouwen zou een andere fout zijn.
Wat elk model daadwerkelijk is
De kloof in architectuur is groter dan de parameteraantallen suggereren, en die bepaalt het merendeel van de praktische verschillen stroomafwaarts.
• Base — MiniCPM-V 4.7 is gebaseerd op een qwen3_5_moe_text-backbone met 256 experts, 8 actief per token, 40 lagen en een lineair-naar-volledig-aandachtspatroon van drie op één; LLaDA-UI is gebaseerd op LLaDA2.0-mini-base, een taalmodel met gemaskeerde diffusie.
• Generatie — MiniCPM-V 4.7 is autoregressief, één token per keer; LLaDA-UI decodeert bloksgewijs, waarbij het een heel blok uitvoerposities parallel denoist en binnen dat blok reconstrueert onder bidirectionele voorwaarden.
• Parameters — in totaal 35,2 miljard voor MiniCPM-V 4.7, waarbij 8 van de 256 experts actief zijn per token; ongeveer 16,7 miljard in totaal voor LLaDA-UI als mixture of experts.
• Context — maximale positie van 262.144 tokens voor MiniCPM-V 4.7; de kaart van LLaDA-UI documenteert een --max-length standaardwaarde van 8192 voor het inferentiescript, waarbij grote schermafbeeldingen vereisen dat deze wordt verhoogd.
• Vision — MiniCPM-V 4.7 gebruikt een 27-lagen, 1.152-brede tower bij patch 14 en afbeeldingsgrootte 980 met gemengde 4x/16x tokencompressie; LLaDA-UI gebruikt een ViT met native resolutie, geïnitialiseerd vanuit SigLIP met 2D-rotatie-embeddings en een vier-op-één ruimtelijke samenvoeging tot een tweelaags MLP, expliciet om de beeldverhouding van telefoon-, desktop- en webscreenshots te behouden.
• Uitvoer — MiniCPM-V 4.7 produceert tekst, met beeld- en videobegrip aan de invoerzijde; LLaDA-UI produceert genormaliseerde coördinaten in een bereik van 0 tot 999 en getagde redenering-plus-actiesequenties die bedoeld zijn om te worden uitgevoerd.
• Licentie — Apache-2.0 voor MiniCPM-V 4.7, aangegeven op 12 oktober; nergens op de projectpagina of modelkaart van LLaDA-UI wordt een licentie vermeld.
Die laatste bullet is geen voetnoot als je gaat uitleveren. Eén van deze twee kun je vandaag zonder overleg in een commercieel product verwerken; de andere niet.
Decoderen is waar de echte splitsing zit
Blokgewijze diffusie is de reden dat LLaDA-UI bestaat als een aparte werkstroom in plaats van als een extra fine-tune. In een autoregressieve agent-lus is elk actietoken afhankelijk van elk token ervoor, dus de klikcoördinaat aan het einde van een antwoord wacht op de redenering die eraan voorafgaat. In een diffusie-agent wordt het blok als een eenheid verfijnd, en de praktische consequentie die inclusionAI verkoopt is latentie: in een gepaarde API-test rapporteert de projectpagina 4,8 tot 6,4 seconden tegen 17 tot 53 seconden van Qwen3-VL-8B, beschreven als gemiddelde versnellingen van 3,58x op web, 6,83x op desktop en 8,95x op mobiele inputs, terwijl er meer tokens per aanroep worden gegenereerd. Op MobileWorld-inputs zijn de gerapporteerde gemiddelden 5,9 seconden tegen 53,0.
Dit zijn door de leverancier gemeten, gepaarde, niet-gecachte cijfers op het eigen testharnas van het lab, en ze moeten ook zo worden gelezen. Maar de richting is het waard om serieus te nemen, zelfs met die kanttekening, omdat agent-loops latentie vermenigvuldigen. Een interface-agent die tien stappen zet, betaalt de kosten per stap tien keer, en een verschil van tien seconden per stap is het verschil tussen een demo en een product.
MiniCPM-V 4.7 pakt hetzelfde probleem vanaf de tegenovergestelde kant aan. Het behoudt autoregressief decoderen en maakt elke stap goedkoop via expertscheduling — een cross-layer voorspeller laadt alvast experts die de volgende laag waarschijnlijk nodig heeft, waarbij prioriteit wordt gegeven aan de experts die de echte router daadwerkelijk heeft geselecteerd, en de kaart geeft expliciet aan dat voorspelling alleen prefetch aanstuurt en dat de eigen routing van het model nog steeds de berekening bepaalt. Voeg laagsgewijze kwantisering en DSpark speculative sampling toe, en de claim is 13-plus tokens per seconde voor een MoE met 35 miljard parameters op een smartphone. Ander mechanisme, hetzelfde doel: de lus snel genoeg maken zodat een apparaat hem kan draaien.

Waar elk van hen goed in is, zo nauw omschreven als het bewijs toelaat.
• Kies LLaDA-UI wanneer de taak een interface betreft — klikken, typen, navigeren door een mobiele app, een desktopvenster of een webpagina. Het is degene van de twee met gepubliceerde grounding- en navigatiescores, een gedocumenteerde coördinatenconventie en kant-en-klare voorbeeldverzoeken voor mobiel, desktop en web.
• Kies MiniCPM-V 4.7 wanneer het om begrip gaat — een foto beschrijven, een document lezen, een PDF parseren, een vraag over een video beantwoorden, draaien op hardware die je bezit. Het is degene van de twee met gedocumenteerde aandacht voor OCR, PDF-parsing en visuele grounding in zijn cookbook, met standaardondersteuning voor SGLang, vLLM, llama.cpp en Ollama, en met gekwantiseerde varianten die gepubliceerd zijn voor download.
• De overlap is kleiner dan hij lijkt — de kaart van MiniCPM-V 4.7 vermeldt visual grounding als cookbook-gids, maar publiceert helemaal geen grounding-score. De kaart van LLaDA-UI gaat over één taak. Als jouw workload GUI-automatisering is, vergelijk je een gemeten specialist met een ongemeten generalist; als jouw workload document- en beeldbegrip is, vergelijk je een gedocumenteerde generalist met een model dat daar nooit voor is gebouwd.
• De implementatiefrictie werkt de andere kant op — MiniCPM-V 4.7 biedt GGUF-, AWQ-, GPTQ-, int4- en FP8-checkpoints plus een OpenVINO-pad en naar verluidt day-0-ondersteuning voor Rockchip, Houmo, Intel, AMD en Arm-silicon. Het servingpad van LLaDA-UI vereist de eigen SGLang-multimodale diffusiepatches van het lab en het bijbehorende serve_llada_ui.sh-script; de modelkaart vermeldt ronduit dat de server niet kan worden gestart vanuit een standaard SGLang-installatie.
De kostenkwestie die niemand publiceert
Geen van beide modellen heeft een publieke prijs per token, omdat geen van beide een gehost endpoint is dat je per miljoen tokens huurt. Je host ze beide, wat betekent dat de kosten je hardware en je latency zijn. Dat plaatst de keuze in een ander perspectief: een checkpoint met 16,7 miljard parameters van ongeveer 32 GB in BF16 is een aanzienlijk kleinere commitment dan een van 70 GB met 35 miljard parameters, en als de agenttaak alleen het kleinere model nodig heeft, levert het grotere model je niets op voor die workload.
Het hybride scenario is waar een routeringslaag zijn bestaansrecht verdient. Draai het kleine, doelgerichte model lokaal voor het routinematige interfacewerk, en geef de echt moeilijke gevallen — een dichte screenshot, een ongebruikelijk document, een vraag die de wereldkennis van een groter model vereist — door aan een gehost endpoint. OrcaRouter zet meer dan 200 gehoste modellen achter één sleutel met de lijstprijs van elke aanbieder doorberekend tegen 0% opslag en automatische failover wanneer een aanbieder verslechtert, en de routerings-DSL laat één aanroep een moeilijk geval uitwaaieren naar meer dan één model wanneer het antwoord correct moet zijn in plaats van goedkoop. Noch MiniCPM-V 4.7 noch LLaDA-UI wordt er via aangeboden — beide zijn open-weights checkpoints die je zelf draait, en de router is wat aan de andere kant van die overdracht staat.

Drie vragen die het waard zijn om te beantwoorden voordat je je vastlegt
Is het snelheidsvoordeel van LLaDA-UI echt op jouw hardware? De cijfers van 3 tot 9x zijn gepaarde, niet-gecachte metingen op de eigen meetopstelling van het lab, tegen één baseline. Bloksgewijze diffusie heeft andere geheugenkenmerken dan autoregressief decoderen, en een versnelling die op de GPU van de leverancier is gemeten, vertaalt zich niet automatisch naar die van jou. Dit is het getal dat het meest de moeite waard is om te reproduceren voordat je erop voortbouwt.
Kan MiniCPM-V 4.7 überhaupt op een interfacetaak worden gericht? Waarschijnlijk wel — het is een visie-taalmodel met gedocumenteerde grounding-tooling — maar de kaart publiceert geen GUI-agent-benchmark, geen coördinatenconventie en geen actievocabulaire. Vandaag een GUI-agent erop bouwen betekent zelf het uitvoerformaat definiëren en hopen dat het model zich eraan houdt. LLaDA-UI heeft dat probleem doelbewust opgelost, met getagde redeneringen plus actie-outputs en platformspecifieke vocabulaires.
Welke zal over zes maanden nog steeds ondersteund worden? OpenBMB heeft in minder dan een week een volledige familie rond MiniCPM-V 4.7 uitgebracht — twee basisvarianten, vijf kwantisatieformaten, twee DSpark-draftmodellen, een kookboek en een repository voor edge-deployment — onder Apache-2.0-voorwaarden. LLaDA-UI heeft een technisch rapport, een arXiv-paper, een projectpagina en een code-repository, en geen vermelde licentie. De breedte van de omliggende infrastructuur is een redelijke proxy voor hoeveel een lab van plan is iets in leven te houden.
Het vonnis
Deze twee zijn geen vervangers van elkaar, en de eerlijke aanbeveling volgt daaruit, niet uit de parameteraantallen. Als je interface-automatisering bouwt, is LLaDA-UI het meer afgewerkte product ondanks dat het het kleinere model is — gemeten op de taak, met een gedocumenteerd uitvoerformaat en een servingpad, en met het licentierisico dat je moet oplossen voordat je het uitbrengt. Als je iets bouwt waarbij je naar afbeeldingen kijkt, documenten leest of op een telefoon draait, is MiniCPM-V 4.7 degene met het ecosysteem, de permissieve licentie en het deploymentverhaal, en de efficiëntieclaims zijn precies zo sterk als een niet-gereproduceerde grafiek ze kan maken. Teams die beide nodig hebben, draaien ze samen, en de routeringslaag is het goedkoopste onderdeel van die opzet.

