Molmo2-4B vs MiniCPM-V 4.7: Geen van beide modellen zit waar je denkt dat het zit

De matchup in de titel bestaat niet in de gewichten. Molmo2-4B is één enkel 4,85B-checkpoint. MiniCPM-V 4.7 is niet één model maar twee, en geen van beide is een 4B: een 1,55B dense variant gebouwd voor telefoons en een 35,2B mixture-of-experts-variant met ongeveer 3B actieve parameters en een context van 262.144 tokens. Dus een lezer die zoekt naar "Molmo2-4B vs MiniCPM-V 4.7" stelt eigenlijk een driedelige vraag — is de 4B-plek überhaupt de moeite waard om te bezetten, of ga je omlaag naar 1B voor de voetafdruk of omhoog naar de MoE voor de capaciteit? Dat is een nuttiger vraag dan de vraag die is getypt, en het heeft een duidelijker antwoord. Een beslissing over drie modellen is een routeringsprobleem voordat het een modelleringsprobleem is. De routerings-DSLstelt meerdere modellen samen in één aanroep in plaats van één contract per model.

De data zijn hier ook belangrijk, want beide modellen worden vaak nieuwer voorgesteld dan ze zijn. Molmo2-4B werd op 11 december 2025 aangekondigd door het Allen Institute for AI, met gewichten op Hugging Face vanaf 14 december. De gewichten van MiniCPM-V 4.7 verschenen op 6 en 7 oktober 2026, de modelkaart volgde op 12 oktober en een Engelstalig persbericht van ModelBest en OpenBMB op 15 oktober. De recente verandering aan de Molmo-kant is geen nieuw model: Molmo2 werd een native architectuur in upstream Transformers toen PR #43451 op 9 oktober 2026 werd samengevoegd en op 15 oktober in v5.20.0 werd uitgebracht, en op 5 november publiceerde Ai2 een Molmo2-4B fine-tune voor een roboticatestomgeving. Zie een van beide als reden om het model opnieuw te bekijken. Geen van beide is een lancering.

Drie checkpoints, drie posities op de curve

Parameters — Molmo2-4B is 4,85B; MiniCPM-V 4.7-1B is 1,55B; MiniCPM-V 4.7-35B-A3B is 35,2B in totaal, met ongeveer 3B actief per token.

Architectuur — Molmo2-4B is een SigLIP 2-toren vastgeschroefd op Qwen3-4B-Instruct-2507; het MiniCPM-V 4.7-tweetal gebruikt intra-ViT-vroegecompressie van LLaVA-UHD v4 met gemengde 4x/16x-compressie van visuele tokens, en de 35B-variant is de eerste MoE in de MiniCPM-V-lijn.

• Context — 36.864 posities voor Molmo2-4B; 262.144 tokens voor beide MiniCPM-V 4.7-varianten.

• {{1}}Modaliteiten{{/1}} — {{2}}Molmo2-4B{{/2}} verwerkt afbeeldingen, meerdere afbeeldingen en video, en geeft aanwijscoördinaten in een beeldruimte van 0–1000; {{3}}MiniCPM-V 4.7{{/3}} verwerkt één afbeelding, meerdere afbeeldingen en video, en antwoordt in tekst.

• Licentie — Molmo2-4B is Apache 2.0 op de gewichten, met de kaartwaarschuwing dat de trainingsdata ervan uitsluitend onderworpen is aan academisch en niet-commercieel onderzoeksgebruik; beide MiniCPM-V 4.7-varianten zijn Apache 2.0.

• Distributie — Molmo2-4B is float32-safetensors, 19,42 GB, vier shards, geen officiële kwantisaties; MiniCPM-V 4.7 is verkrijgbaar in GGUF-, int4-, AWQ-, GPTQ-, FP8- en DSpark-varianten voor beide groottes.

De distributierij is de rij die echte projecten bepaalt. Een context van 262.144 tokens is alleen nuttig als je het je kunt veroorloven die vast te houden, en OpenBMB heeft het weinig glamoureuze werk gedaan om de gequantiseerde formaten te publiceren die mensen daadwerkelijk inzetten — de officiële 1B-GGUF op Q4_K_M is 672 MB, het verschil tussen een demo en iets dat draait op een apparaat dat je al bezit.

Waar de 4B daadwerkelijk wint

De argumentatie voor Molmo2-4B berust op twee dingen die het MiniCPM-V 4.7-paar niet op dezelfde manier doen: pointing als volwaardige uitvoer, en videotracking met tijdstempels.

Het pointing-formaat is een numeriek punt in coördinaten van 0–1000, verpakt in een tag waarvoor de modelkaart een regex meelevert. Pointing over meerdere afbeeldingen wordt afgevlakt tot een lijst van drietallen van frame-index, x, y. Dat is een ander contract dan "beschrijven waar het object zich bevindt", en het verandert wat je kunt bouwen: croppipelines, follow-ups op regio's van interesse, tel-dan-verifieer-lussen, en elke workflow waarin een downstreamfase een coördinaat nodig heeft in plaats van een zin.

Video is waar het parameterbudget naartoe gaat. De kaartnamen van Ai2 noemen video captioning-QA, video subtitle-QA, video pointing, video tracking en twee multi-image pointing-sets onder zijn trainingsdata, en de vrijgegeven videopreprocessor gebruikt standaard 384 frames bij 2 fps op 378×378 met 3×3 pooling. MiniCPM-V 4.7 ondersteunt wel video — OpenBMB rapporteert LongVideoBench 68,9 voor de 35B-A3B en 53,4 voor de 1B — maar het is op dat pad een text-out-model, en een lange video concurreert met de prompt om hetzelfde tokenbudget.

Waar MiniCPM-V 4.7 wint, twee keer

Aan de onderkant van het gamma is de 1B een ander soort object. Met 1,55B parameters is het ongeveer een derde van de grootte van Molmo2-4B, het draait onder llama.cpp en Ollama, en OpenBMB rapporteert OCRBench 86,1, MathVista 74,3 en CharXiv 48,8 ervoor. Dat zijn leverancierscijfers op een door de leverancier gekozen harness, en ze moeten ook zo worden gelezen — maar een model van 1,55B dat overtuigend volledige pagina's kan OCR'en is een werkelijk andere aankoopbeslissing dan een model van 4,85B dat een GPU nodig heeft.

Aan de top van het gamma laat de 35B-A3B de 4B-kwestie bekrompen lijken. De door OpenBMB gepubliceerde cijfers hiervoor omvatten MMMU 80,2, OCRBench 91,2 bij 4x visuele tokens en 90,40 bij 16x, CharXiv 75,6, LongVideoBench 68,9, MathVerse 86,5 en MathVista 88. Er wordt ook iets interessanters dan een benchmark geclaimd: met Lookahead Expert Scheduling, laagsgewijze kwantisering en DSpark speculatieve sampling decodeert de 35B-A3B met 13+ tokens/s in ongeveer 3 GB geheugen op een iPhone 17 Pro Max. Beschouw dat als een leveranciersclaim over een specifieke toolchain, niet als een algemene eigenschap van het model — maar als het klopt, verdwijnt de gebruikelijke reden om op een apparaat de voorkeur te geven aan een dense 4B-model.

Al deze zijn door de leverancier gerapporteerd. Noch OpenBMB noch Ai2 heeft resultaten voor zijn model gepubliceerd op de benchmarksuite van de ander, dus geen enkele rij hierboven is een rechtstreekse vergelijking.

Het implementatiemenu is het onderschatte verschil

MiniCPM-V 4.7 vermeldt SGLang, vLLM, llama.cpp en Ollama voor inferentie, SWIFT en LLaMA-Factory voor fine-tuning, en day-0-ondersteuning voor Rockchip, Houmo, Intel, AMD en Arm. De kaart van Molmo2-4B vermeldt Transformers met remote code, een aparte molmo_utils-afhankelijkheid en decord2 voor video, en AI2's eigen platformdocumentatie verwijst naar vLLM nightly in plaats van stable. De kloof werd kleiner in oktober, toen native Transformers-ondersteuning in v5.20.0 verscheen en de remote-code-vereiste optioneel werd, maar het is nog steeds een kloof: het ene project heeft een kwantisatiematrix, het andere een onderzoeksrelease.

Dit is waar routing zijn bestaansrecht verdient in plaats van een slogan te zijn. Een team dat de MiniCPM-V 4.7 1B on-device wil voor het goedkope pad en een groter model voor het moeilijke pad, heeft daarvoor geen twee contracten nodig — de routing-DSL combineert meerdere modellen achter één endpoint, en 0% opslag betekent dat je de lijstprijs van de provider betaalt, zodat een prijsverlaging van een leverancier dezelfde dag ingaat. Dat is voor een beslissing met drie modellen zoals deze belangrijker dan voor een simpele A-of-B-keuze.

Hoe je eigenlijk kiest

Als geheugen de beperkende factor is, kies dan voor MiniCPM-V 4.7-1B. Niets in het Molmo2-4B-pakket komt ook maar in de buurt van 672 MB, en geen enkele mate van aanwijs­nauwkeurigheid compenseert een model dat niet past.

Als de beperking capaciteit per dollar is en je een MoE kunt serveren, neem dan MiniCPM-V 4.7-35B-A3B. Volgens OpenBMB's eigen cijfers zit het in een andere klasse dan beide kleinere modellen, en het aantal actieve parameters houdt de kosten per token dichter bij een 3B dan bij een 35B.

Als de vereiste een coördinaat is, neem dan Molmo2-4B. Punten met tijdstempels, aanwijzen en volgen over meerdere afbeeldingen zijn de redenen dat het model bestaat; niets in de documentatie van MiniCPM-V 4.7 beschrijft een gelijkwaardig uitvoercontract.

En als je echt een generalist van de 4B-klasse nodig hebt die beeld, meerdere afbeeldingen en video aankan zonder een download van 19 GB in float32, dan is het eerlijke antwoord dat deze specifieke vergelijking er geen biedt — Molmo2-4B is het enige model in de vergelijking in die categorie, en het komt binnen met de dunste deployment-tooling van de drie. Wat dat zou veranderen: een officiële gequantiseerde Molmo2-4B, of een MiniCPM-V van de 4B-klasse. Geen van beide bestaat vandaag.