MiniCPM-V 4.7 vs WeVisOne-VL-4B: Een alinea of een polygoon

De snelste manier om te kiezen tussen MiniCPM-V 4.7 en WeVisOne-VL-4B is te kijken naar wat er uit komt. WeVisOne-VL-4B retourneert coördinaten: boxen genormaliseerd naar een raster van duizend punten, punten, instantiemaskers en alpha-mattes op volledige resolutie, geproduceerd door een decoder met 9,6 miljoen parameters die aan een Qwen3-VL-backbone is vastgeschroefd. MiniCPM-V 4.7 retourneert zinnen, pagina's vol, in een context van 262.144 tokens die een video kan bevatten. Een van deze is een perceptiecomponent die je in een pipeline integreert. De andere is een lezer aan wie je vragen stelt. Ze zijn beide Apache-2.0, beide afkomstig van Chinese labs, beide in oktober 2026 uitgebracht met vrijwel geen aandacht in de Engelstalige vakpers, en ze zitten nauwelijks in dezelfde productcategorie.

De twee verschenen op heel verschillende wijze. Het WeChat Vision-team van Tencent plaatste WeVisOne-VL-4B op 22 oktober 2026 op Hugging Face en GitHub, samen met een arXiv-paper en een 2B-zustermodel, zonder blogpost en zonder persbericht. OpenBMB uploadde MiniCPM-V 4.7 op 6 en 7 oktober, dateerde de release op 12 oktober in zijn repository, en kondigde die aan in een Engelstalig PR Newswire-persbericht op 15 oktober dat opmerkelijk weinig aandacht in de Engelstalige vakpers opleverde. De een verscheen als repository; de ander als repository plus een persbericht via een persbureau. Bij de meeste vergelijkingen tussen de twee gaat de categorie al mis voordat de cijfers fout gaan.

Twee antwoorden op dezelfde vraag

WeVisOne-VL-4B is een fine-tune van Qwen3-VL die geometrie als tokens genereert. Boxen en punten worden gecodeerd als decimale tokens van 0 tot 1000, genormaliseerd ten opzichte van de afbeelding, en na elke voorspelde box genereert het model een speciaal token waarvan de verborgen toestand een aparte mask-decoder voedt: een visuele feature-adapter, zes deformable cross-attention-blokken en een cascade-head die verfijnt op stride vier, twee en één. Het resultaat is een instance-masker en, voor mattingtaken, een alfakanaal op volledige resolutie. Er is geen tweede model in de lus en geen SAM-aanroep; het volledige pixelpad bestaat uit minder dan tien miljoen parameters die aan het taalmodel zijn gekoppeld. Het heeft 4,83 miljard parameters in bfloat16, wat de modelkaart afrondt naar 5B, en het neemt één afbeelding per beurt — videorasters worden door de pixeldecoder botweg afgewezen.

MiniCPM-V 4.7 is een generalist in twee maten. De 35B-A3B heeft 35,2 miljard parameters verdeeld over 256 experts, routeert acht per token voor ongeveer 3 miljard actieve parameters, en heeft een context van 262.144 tokens met invoer van één afbeelding, meerdere afbeeldingen en video. De 1B is een dense model met 1,55 miljard parameters, dezelfde contextlengte en een BF16-checkpoint van 3,1 GB. Beide delen een 27-laags SigLIP2-visietoren met gemengde 4×- en 16×-compressie van visuele tokens, het mechanisme waardoor een context van een kwart miljoen tokens betaalbaar blijft. Geen van beide heeft een primitieve voor aanwijzen, detectie of segmentatie. Je kunt aan beide vragen waar de kat is, en je krijgt een beschrijving van waar de kat is.

Dat verschil is niet cosmetisch. Het bepaalt of je downstreamcode JSON of proza parseert, of een slecht antwoord luid of stil faalt, en of het model met iets anders kan worden gecombineerd zonder een tweede model om de uitvoer ervan te repareren.

De getallen, en de categoriefout die erin schuilt

Elk cijfer hieronder is door de leverancier gerapporteerd. Die van Tencent komen uit de paper en README, waarbij de vergelijkingsset door de auteurs is gekozen en er geen reproductie door derden is. Die van OpenBMB komen van de modelpagina van de leverancier, gepubliceerd als lopende tekst en grafiekafbeeldingen in plaats van een numerieke tabel. Geen van beide labs heeft een onafhankelijke score voor deze modellen op een gedeelde harness.

• Detectie, LVIS F1 — WeVisOne-VL-4B 55,3 tegenover de beste baseline die de auteurs noemen, op 50,7. MiniCPM-V 4.7 publiceert geen detectiecijfer.

• Dense detectie, Dense200 F1 — 71,3 voor WeVisOne tegenover 58,7 voor de beste baseline, en 15,2 voor ongewijzigde Qwen3-VL-4B. Die laatste rij is de interessantste in het paper: de fine-tune is wat van een generalist een localisator maakt.

• Referring, RefCOCOg-test-F1 — 81,8 voor WeVisOne-VL-4B tegen 77,6 voor de sterkste baseline die de auteurs vermelden. Het afwijzingspercentage bij queries zonder doelwit is waar je eerst moet kijken: 67,4 procent op RefCOCOg-Rej, 96,4 procent op de interne WeRef-Bench en 52,6 procent op PR-Bench. Hetzelfde model, drie verschillende antwoorden, omdat de distributies verschillen.

• Tellen, PixMo-Count — 89,6 tegen 82,8. Segmentatie, ReasonSeg val gIoU — 71,2 tegen 65,0.

• Matting, P3M-500-NP gemiddelde absolute verschil — 7,3 tegen 15,4, waarbij lager beter is, wat ongeveer de helft is van de fout van de beste speciaal gebouwde matting-baseline waarmee de auteurs vergeleken.

Lezen, OCRBench — 91,2 voor MiniCPM-V 4.7 35B-A3B en 86,1 voor de 1B, tegenover een TotalText F1 van 52,0 voor WeVisOne-VL-4B.

Die laatste opsomming is de valkuil. OCRBench meet tekstherkenning; TotalText F1 meet tekstlokalisatie. 86,1 naast 52,0 zetten en een overwinning van 34 punten uitroepen is een categoriefout, en het is het soort fout dat van de ene vergelijkingspost naar de volgende wordt overgenomen. De eerlijke vaststelling is dat de twee modellen niet op dezelfde taak zijn getest, en dat de cijfers alleen aantonen dat MiniCPM is gebouwd om te transcriberen en WeVisOne om te lokaliseren.

Geheugen is de echte prijs

WeVisOne-VL-4B is een bfloat16-checkpoint van 9,66 GB vóór de maskerdecoder, en Tencent levert geen gekwantiseerde variant. Het getal van 19 GB op de vergelijkingskaart is hetzelfde checkpoint omgezet naar F32, wat het verdubbelt; hoe dan ook heb je nog steeds de aangepaste inferentiecode nodig: mask_decoder.pt is een vereiste component, geen optionele toevoeging, en een standaard Transformers-load geeft je boxen en tekst maar geen maskers. De gedocumenteerde servingpaden zijn het eigen inferentiepakket van het project, dat een Transformers-backend of een vLLM-backend omvat, plus een Gradio-demo; greedy decodering en een limiet van 1.960 visuele tokens per afbeelding zijn de evaluatie-instellingen. Dit is een GPU-dienst.

MiniCPM-V 4.7 35B-A3B is ruwweg 70 GB aan BF16-gewichten verdeeld over zestien shards, wat op papier slechter en in de praktijk beter is, omdat slechts ongeveer 3 miljard parameters per token actief zijn. Het hele verkoopargument van OpenBMB is dat de inactieve experts uit opslag kunnen worden gestreamd in plaats van in het geheugen te worden gehouden, met behulp van Lookahead Expert Scheduling om de experts vooraf op te halen die de volgende laag waarschijnlijk nodig heeft, plus laagsgewijze kwantisatie en DSpark speculatieve decoding. De leveranciersclaim is 13 of meer tokens per seconde op een iPhone 17 Pro Max met ongeveer 3 GB geheugen. Niemand onafhankelijk heeft dat gereproduceerd, en de claim hangt af van alle drie technieken die samenwerken, niet van een van hen.

De 1B verandert de economie volledig: 3,1 GB bij BF16, ongeveer 0,67 GB als Q4_K_M GGUF, en daarom kan de esp32-eye kattenmonitor hem op een MacBook draaien als een poort die hoogstens elke 1,5 seconde afgaat. Dezelfde build vond de 1B onbetrouwbaar in het onderscheiden van vier vergelijkbare katten, dus het is een aanwezigheidsdetector in plaats van een fijnmazige herkenner — een nuttige grens voor iedereen die hem als goedkope classifier wil gebruiken.

Simpel gezegd: WeVisOne koopt geometrie met 9,66 GB en een GPU. MiniCPM koopt leeswerk met 70 GB of 3 GB, afhankelijk van welke grootte je kiest, en een runtime van telefoonklasse als de planningsclaims van OpenBMB standhouden.

Wat breekt er in productie?

De faalmodi van WeVisOne zijn gedocumenteerd en specifiek. De Alpha-kwaliteit gaat achteruit bij fijne grenzen, zware occlusie en echt transparante materialen. Het model is gevoelig voor de formulering van de prompt, dus "the woman's hair" en "her hair" leveren niet gegarandeerd dezelfde matte op. Het kan geen video verwerken, het heeft geen chain-of-thought, dus er is geen manier om het te vragen te redeneren over een dubbelzinnige query voordat het een box kiest, en zijn afwijzingsgedrag heeft een zwakke plek die het opvallende cijfer uit het paper verbergt: 96,4 procent op WeRef-Bench maar ongeveer 52,6 procent op PR-Bench. Een component die afwezige doelen meestal weigert is nuttig; een die ze de helft van de tijd weigert op een andere distributie heeft een guard nodig.

De faalmodi van MiniCPM-V 4.7 zijn die van de generalist: het beschrijft een afbeelding vloeiend, of de beschrijving nu gegrond is of niet, en er is helemaal geen afwijzingskanaal. Niets in de kaart vertelt je wanneer het model het niet weet. Voor een lezer is dat dragelijk — een mens leest de alinea. Voor een pipeline die een box nodig heeft, is het diskwalificerend, want je zou proza naar coördinaten parseren en hopen.

Als wat je deze week nodig hebt een gehost algemeen visionmodel is in plaats van een zelfgehoste specialist, dan staat geen van beide in de catalogus van OrcaRouter, en dat is het vermelden waard voordat de pitch begint: de praktische route is een gehost algemeen model, aangeroepen via één sleutel voor meer dan 200 modellen tegen 0% opslag op de lijstprijzen van de provider, met automatische failover als een upstream-endpoint hapert. Dat levert je een werkende pipeline op; het geeft je geen alpha mattes, en het is een ander product dan beide modellen waar deze pagina over gaat.

Kiezen tussen beide

Kies WeVisOne-VL-4B als je uitvoer geometrie is: objecten tellen in een winkelrek, een product uit een foto knippen, een gebied voor een gebruiker markeren, of weigeren wanneer het ding er niet is. Het mattinggetal is echt ongewoon, het afwijzingskanaal is een echte technische functie, en de 9,66 GB is de prijs van een component die iets teruggeeft dat een programma kan gebruiken.

Kies MiniCPM-V 4.7 35B-A3B als je output begrip is: een lange pdf, een dashboard, een video, een pagina met gemengde tekst en figuren. Kies de 1B als je een goedkope poort voor iets duurders nodig hebt, en vraag hem niet om twee vergelijkbare katten uit elkaar te houden.

De vergelijking die dit echt zou beslechten, bestaat nog niet: een onafhankelijke testomgeving die beide modellen op dezelfde detectie- en OCR-set draait, met hetzelfde beeldbudget. Totdat iemand die publiceert, is de verdedigbare positie de saaie — deze modellen doen verschillende taken, de leverancierstabellen overlappen niet, en het enige getal dat je beslissing zou moeten beïnvloeden, is de omvang van het ding dat je moet uitrollen.