MiniCPM-V 4.7 vs Qwen3.8-Omni-Flash: een uur video op je telefoon, of één aanroep van 1M tokens

Twee releases, zes weken na elkaar, die beide claimen videobegrip op te lossen — en ze zijn het bijna volstrekt oneens over waar het werk moet gebeuren. MiniCPM-V 4.7 35B-A3B van OpenBMB draait op een telefoon, in ongeveer drie gigabyte, met een door de leverancier gerapporteerde snelheid van meer dan dertien tokens per seconde, en kost niets per aanroep omdat de rekenmachine in je zak zit. Qwen3.8-Omni-Flash van Alibaba neemt tekst, beeld, audio en video op in één venster van één miljoen tokens, tot een vol uur continu audio-video per aanroep, en wordt verkocht voor $0,15 per miljoen invoertokens met als opvallendste claim dat audio 98% goedkoper is dan bij zijn voorganger. De ene optimaliseert voor het apparaat; de andere optimaliseert voor het contextvenster. Voor een team met beeldmateriaal om te verwerken, bepaalt dat verschil de architectuur nog voordat welke benchmark dan ook dat doet. Qwen3.8-Flash staat in de catalogus voor $0,15 per miljoen invoertokens. Bekijk de routeerbare Qwen-modellen Eén sleutel, lijstprijs doorgegeven met 0% opslag, automatische failover tussen providers. De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waarbij elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistingsmarkering heeft.

Twee verschillende weddenschappen over waar de pixels naartoe gaan

MiniCPM-V 4.7 35B-A3B is een sparse mixture-of-experts visie-taalmodel: 35,2B parameters in totaal, ongeveer 3B actief per token, Apache-2.0, tekst in en tekst uit, met beeld-, multi-beeld- en video-invoer. Het verscheen op 6 en 7 oktober 2026 op Hugging Face, kreeg zijn modelkaart op de 12e en werd op de 10e samengevoegd in upstream llama.cpp. De technische gok is dat het meeste visuele werk routineus is, gebeurt waar de camera is en het toestel nooit zou moeten verlaten: gemengde 4x/16x visuele tokencompressie, expertstreaming en een fork die lookahead-expertplanning, gemengde precisie en speculatieve decoding combineert om een gepubliceerde 20,51 tokens per seconde te bereiken op een iPhone 18 Pro Max.

Qwen3.8-Omni-Flash is A​libaba's eigen omni-modale model, op 18 september 2026 opengesteld voor API-klanten met de slogan "Omni Senses. Agentic Delivery." Een context van één miljoen tokens, ongeveer 991K maximale invoer, 131K maximale uitvoer, een redeneerbudget tot 262K en tot een uur continue audio of audio-video in één enkele aanroep. De invoer bestaat uit tekst, afbeeldingen, audio en video — inclusief stereo- en vierkanaals ruimtelijke audio. De uitvoer is uitsluitend tekst. Het wordt aangeboden op A​libaba's Qianwen-platform en A​libaba Cloud Model Studio onder de API-id qwen3-8-omni-flash; de gewichten worden niet vrijgegeven.

• Waar het draait — MiniCPM-V 4.7 35B-A3B: je apparaat, iOS, Android, HarmonyOS of een GPU aan je bureau. Qwen3.8-Omni-Flash: A​libaba's API, alleen gehost.

• Kostenprofiel — MiniCPM-V 4.7 35B-A3B: hardware plus elektriciteit; een download van 21,2 GB Q4_K_M. Qwen3.8-Omni-Flash: $0,15 per miljoen invoertokens, $0,016 gecachet, $0,47 uitvoer.

• Media per aanroep — MiniCPM-V 4.7 35B-A3B: beperkt door apparaatgeheugen en samplingbudget, één prompt tegelijk. Qwen3.8-Omni-Flash: tot één uur continue audio-video.

• Uitvoer — beide alleen tekst. Geen van beide modellen spreekt.

• Licentie — Apache-2.0 versus een gehoste API zonder gewichten.

De 98% is een kostenclaim; de minuten zijn de echte vergelijking.

De belangrijkste boodschap van Alibaba is dat een uur audio-invoer 98% minder kost dan op Qwen3.5-Omni-Plus, en een uur gecombineerde audio-video 93% minder. Dat cijfer is afgeleid door de kosten van een sample van twee minuten te berekenen en die met dertig te vermenigvuldigen, waarbij video wordt gesampled op 720p en één frame per seconde — een legitieme manier om een productieworkload te beprijzen, en tegelijk een beschrijving van waar het model naar wordt gevraagd te kijken. Eén frame per seconde is genoeg om te weten wat er is gezegd en ruwweg wat er is gebeurd. Het is lang niet genoeg om bewerkingen op frameniveau te inspecteren of een artefact in één enkel frame te detecteren.

Pas dezelfde rekensom toe op het telefoonmodel, en de aard van de beslissing wordt duidelijk. Een uur beeldmateriaal bij één frame per seconde is 3.600 afbeeldingen. Op een apparaat dat decodeert met 13 tot 20 tokens per seconde is dat geen taak voor één aanroep; het is een batchgewijze, gesamplede taak waarbij gaandeweg wordt samengevat, en de kosten zijn uren kloktijd op hardware die je al bezit. Via de A​libaba API is hetzelfde uur één aanroep binnen een venster van een miljoen tokens, geprijsd in tokens en teruggegeven in de tijd die het endpoint nodig heeft. Geen van beide is gratis, en het zijn niet dezelfde valuta.

Het kantelpunt wordt bepaald door volume en privacy, niet door nauwkeurigheid. Een kliniek die frames het gebouw niet kan laten verlaten, heeft één optie. Een team voor mediamonitoring met duizend uur per maand heeft de andere, want duizend uur naar telefoons samplen is een hardwareaankoop en een planningsprobleem, terwijl duizend telefoongesprekken van een uur een begrotingspost is. Tussen die uitersten worden de cijfers interessant: de prijs van Q​wen is laag genoeg dat honderd uur beoordeling een paar honderd dollar kost in plaats van een paar duizend, en dat is de prijsklasse waarin 'stuur het maar gewoon naar de API' niet meer als verspilling aanvoelt.

Waar elk van hen op basis van het bewijs werkelijk goed in is

De lanceercijfers van Qwen3.8-Omni-Flash zijn allemaal afgezet tegen één baseline — Qwen3.5-Omni-Plus — en de gemiddelde verbetering over ongeveer dertig evaluaties bedraagt meer dan 26%. De grootste sprongen zijn WildClawBench-MM op 71,0, een stijging van 36,5 punten, en sprekerdiarisatie op AliMeeting, waar het foutpercentage daalt van 88,11 naar 3,35 en cpWER van 89,61 naar 17,18. Een verschil van die omvang verdient kritische aandacht in plaats van applaus; een Chinese technische analyse van de lancering schrijft een groot deel ervan toe aan front-end- en diarisatietechniek rond het model in plaats van aan de redeneerprestaties van het model, en waarschuwt dat het systeem overkomt als gespecialiseerd in horen, met zwakkere diepgaande videoredenering. Dat is de lezing van een criticus, geen replicatie, maar het is wel het juiste instinct. Al deze cijfers zijn afkomstig van Alibaba zelf en geen ervan is onafhankelijk gereproduceerd.

Het bewijs voor MiniCPM-V 4.7 is op een andere manier dunner: vijf evaluatiegrafieken, geen numerieke tabel en twee directionele vergelijkingen — een hogere totaalscore in minder inferentietijd dan Qwen3.6 35B-A3B, en substantiële winst ten opzichte van Qwen3.5 0.8B voor de 1B-variant. De reproduceerbare feiten zijn die in config.json en de bestandslijst: 35,2B totaal, 256 experts met 8 actief, een maximale positie van 262.144 tokens, een vision tower van 27 lagen, Apache-2.0 en een Q4_K_M-download van 21,2 GB. Lees de doorvoerclaims als leveranciersmetingen op hardware die je niet in handen hebt gehad, en de nauwkeurigheidsclaims als niet-geaudit — precies zoals OpenBMB ze presenteert.

Eén ding hebben beide gemeen: geen onafhankelijk scorebord. Geen van beide modellen staat op het moment van schrijven op een neutrale ranglijst van een derde partij met een geauditeerde multimodale score. Ze op "benchmarks" vergelijken zou daarom betekenen dat je de grafiek van de ene leverancier naast de grafiek van een andere leverancier legt en het resultaat een meting noemt. Doe dat niet.

Agentische sampling versus vaste sampling

Het meest interessante technische verschil is niet de omvang of de snelheid — het is wie bepaalt waar naar gekeken wordt.

Qwen3.8-Omni-Flash wordt geleverd met wat A{{1}}libaba{{/1}} Agentic Understanding-modus noemt, waarin het model kiest wat het inspecteert in plaats van elk frame te verwerken, en in rondes van grof naar fijn bewijs verzamelt. Op OmniVideoBench verhoogt die modus de nauwkeurigheid van 63,4 naar 67,8, terwijl het aantal tokens per query daalt van 145.736 naar 79.117 — een reductie van 45,7%. Nauwkeurigheid omhoog en kosten omlaag tegelijk is de sterkste claim in die release, en het is degene die de agentische pitch het meest direct ondersteunt.

Het equivalent bij MiniCPM-V 4.7 is een statische keuze per afbeelding: standaard 16x compressie, 4x wanneer detail belangrijk is. Het model beslist niet om dichterbij te kijken; de aanroeper doet dat, door een andere instelling door te geven. Dat is het juiste ontwerp voor een apparaat met een vast energiebudget en het verkeerde voor een video van een uur waarin de interessante negentig seconden zich niet aankondigen.

De routeringsvraag, eerlijk gesteld

Geen van beide modellen wordt door OrcaRouter aangeboden. MiniCPM-V 4.7 35B-A3B is een checkpoint dat je zelf host; Qwen3.8-Omni-Flash draait op A​libaba's eigen platforms en staat ook niet in onze catalogus. Waar een routeringslaag in deze architectuur goed voor is, is de naad tussen beide: per verzoek beslissen of de clip routineus genoeg is voor het lokale model of lang genoeg om een gehoste aanroep te rechtvaardigen, en failover toepassen wanneer de gehoste kant verslechtert.

OrcaRouter zet meer dan 200 gehoste modellen achter één sleutel en geeft de lijstprijs van de provider door met 0% opslag, zodat een prijsverlaging van een leverancier — zoals degene die Alibaba zojuist voor audio heeft doorgevoerd — dezelfde dag op je factuur komt in plaats van bij verlenging. Het schakelt ook automatisch over tussen providers bij een storing, wat meer uitmaakt voor een gehost omni-model dan voor een telefoon: de telefoon valt niet uit, de API wel. Er staat al een verifieerbare vergelijking in onze catalogus: Qwen3.8-Flash, het multimodale model waar deze omni-variant naast is ontwikkeld, is te routeren tegen $0,15 per miljoen invoertokens en $0,47 uitvoer — dezelfde lijstprijs die Alibaba voor het nieuwe omni-model noemt.

Kiezen, in één alinea

Kies MiniCPM-V 4.7 35B-A3B wanneer de frames het apparaat niet mogen verlaten, wanneer de workload bestaat uit veel korte blikken in plaats van weinig lange, wanneer offline werken een vereiste is, of wanneer de kosten per aanroep je unit-economie de das omdoen. Kies Qwen3.8-Omni-Flash wanneer de invoer lang is, de modaliteiten gemengd zijn — audio en video en slides in één aanroep — en je liever per token betaalt dan een samplingpijplijn te bouwen. Kies beide wanneer je een telefoonlaag hebt die de routinematige negentig procent filtert en een API-laag die de gevallen van een uur opvangt, en accepteer dat je nu twee promptformaten, twee samplingbeleidsregels en één heel duidelijke grens onderhoudt voor welke frames eroverheen mogen.