WeVisOne-VL-2B vs MiniCPM-V 4.7 1B: 0,45B verschil, verschillende taken

De namen suggereren een verhouding van twee tegen een. De checkpoints niet. MiniCPM-V 4.7 1B levert 1.554.476.272 parameters in bfloat16, en WeVisOne-VL-2B levert ongeveer 2 miljard — dus de werkelijke afstand tussen hen is ongeveer 0,45 miljard parameters, niet een miljard. Zet ze op dezelfde schijf en ze nemen vergelijkbare ruimte in. Zet ze op dezelfde taak en ze vallen volledig uit elkaar, omdat MiniCPM-V 4.7 1B is gebouwd om een document te lezen, een video te bekijken en er een gesprek over te voeren, terwijl WeVisOne-VL-2B is gebouwd om een object te vinden en een masker terug te geven.

Beide zijn Apache 2.0. Beide zijn klein genoeg om interessant te zijn voor iemand die op één GPU bouwt. Beide zijn recent — MiniCPM-V 4.7 1B is op 6 oktober 2026 geüpload en in de releaseopmerkingen van OpenBMB gedateerd op 12 oktober, WeVisOne-VL-2B op 22 oktober. Die combinatie van overeenkomst en verschil maakt deze combinatie een pagina waard: bijna elke specificatie uit de koppen ligt dicht bij elkaar, en bijna elk feitelijk gebruik niet.

Eerst de namen, gecorrigeerd

De naamgeving van OpenBMB is zo losjes dat ze al verwarring heeft veroorzaakt in vergelijkingstabellen. Het model dat 1B heet, heeft volgens zijn eigen safetensors-metadata 1,55 miljard parameters; in leveranciersmateriaal worden op verschillende plaatsen 1,3B en 1,38B genoemd. De context van 262.144 tokens is echt en staat zo ingesteld in de modelconfiguratie. De architectuur bestaat uit een tekstbackbone met 24 lagen en een verborgen dimensie van 1024, afgeleid van Qwen3.5, met een 3:1-patroon van lineaire naar volledige attention, gecombineerd met een vision tower in SigLIP2-stijl met 27 lagen die werkt op tiles van 980 pixels, plus een selecteerbare compressiemodus voor visuele tokens van 4× of 16× die detail inruilt voor kosten per verzoek.

De naamgeving van Tencent is strakker. WeVisOne-VL-2B is een model met 2 miljard parameters, gebouwd op Qwen3-VL, met een afzonderlijke pixeldecoder van 9.511.460 parameters die de modelkaart "een vereiste kerncomponent, geen optionele toevoeging" noemt. De decoder is geen afrondingsfout in het deploymentverhaal: zonder hem produceert het model boxen en punten, en bestaat geen enkele masker- of matte-uitvoer.

Dus de juiste framing is niet klein versus groot. Het is 1,55B versus 2B — een verschil van 29 procent in gewichten — met volledig verschillende outputcontracten.

Twee benchmarkvocabulaires die nooit samenkomen

Dit is het onderdeel waarop de meeste vergelijkingen de fout ingaan, dus het is de moeite waard om dit te vermelden voordat er ook maar een cijfer verschijnt. OpenBMB evalueert MiniCPM-V 4.7 1B op algemene multimodale benchmarks: OCRBench 86,1, MMMU 56,89, MathVista 74,30, MMBench 83,17, MMStar 69,53, MMMU-Pro 38,03, MathVerse 60,41, CharXiv Reasoning 48,8, LongVideoBench 53,4 en MotionBench 54,55. Dat zijn door de leverancier uitgevoerde cijfers, meestal gepresenteerd als grafieken in plaats van als een tabel met details over de evaluatieopstelling, en geen enkele onafhankelijke instantie heeft ze gereproduceerd.

Tencent evalueert WeVisOne-VL-2B op perceptiebenchmarks en rapporteert helemaal geen algemene multimodale scores. Er is geen MMMU, geen MMBench, geen MathVista, geen DocVQA en nergens in de zeven tabellen een captioningresultaat. Wat het in plaats daarvan rapporteert, is taakspecifiek: detectie-F1, counting exact-match, pointing-F1, OCR-localisatie-F1, segmentatie-cIoU en matting-error.

Het conflict is het scherpst bij OCR, omdat beide modellen beweren dat ze het kunnen. De 86,1 van MiniCPM is OCRBench — een transcriptiescore die meet of het model de tekens correct heeft gelezen. De OCR-cijfers van WeVisOne zijn localisatie-F1 bij een IoU-drempel van 0,5: 62,1 op SROIE, 42,6 op ICDAR2015, 42,5 op TotalText en 30,5 op HierText, en meten of het model het juiste kader rond de tekst heeft getekend. Een model kan uitblinken in het een en middelmatig zijn in het ander. Het afdrukken van "86,1 versus 62,1" zou neerkomen op het vergelijken van een spellingstest met een aanwijstest.

Er is geen benchmark waarop beide modellen een getal rapporteren dat op dezelfde manier is berekend. Dat is geen retorische versiering — het is de centrale bevinding van deze vergelijking, en het betekent dat elke rangschikking die je van deze twee ziet, is samengesteld uit onvergelijkbare onderdelen.

Wat 262.144 tokens oplevert, en wat WeVisOne niet wil zeggen

MiniCPM-V 4.7 1B publiceert een context van 262.144 tokens en een videopad dat standaard tot 128 frames accepteert, met één slice per frame. Dat is een document- en videomachine: lange PDF's, scans van meerdere pagina's, een minuut beeldmateriaal. De schakelaar voor 4×- en 16×-compressie bestaat juist omdat zoveel visueel detail vasthouden duur is, en OpenBMB laat je per verzoek kiezen hoeveel daarvan je behoudt.

WeVisOne-VL-2B publiceert geen contextlengte. De modelkaart vermeldt niets; de trainingsfasen in de paper draaiden op 4.096 en 8.192 tokens, en inferentie beperkt elke afbeelding tot 1.960 visuele tokens met greedy decoding. Geen daarvan is een deploymentvenster, en Tencent doet niet alsof dat wel zo is. Het verwerpt ook videorasters ronduit — de pixeldecoder is alleen voor afbeeldingen, single-turn, geen chain-of-thought.

Die asymmetrie vertelt je waar elke leverancier op heeft geoptimaliseerd. OpenBMB optimaliseerde voor hoeveel invoer één model kan verzwelgen. Tencent optimaliseerde voor hoe precies één model kan aanwijzen wat het heeft verzwolgen, en trok vervolgens een harde grens rond het invoertype om de decoder eenvoudig te houden.

Waar elk ervan daadwerkelijk draait

MiniCPM-V 4.7 1B heeft veruit het breedste inzetbereik: Transformers 5.18 en later, vLLM, SGLang, llama.cpp en Ollama, met GGUF-, AWQ-, GPTQ-, FP8-, bitsandbytes- en OpenVINO-builds, plus ondersteuning voor iOS, Android en HarmonyOS en chipondersteuning vanaf dag één van een lijst leveranciers waaronder Rockchip, Arm en Apple. OpenBMB levert ook een afzonderlijk DSpark-conceptmodel met 213 miljoen parameters voor speculatieve decoding.

WeVisOne-VL-2B heeft een eigen GitHub-pakket, een Transformers-pad, en vLLM en SGLang staan op de modelkaart vermeld. Geen GGUF. Geen gequantiseerde build. Geen ONNX. Geen mobiele ondersteuning. En de dense output is een alpha matte op volledige resolutie met stride 1, wat betekent dat het geheugengebruik meeschaalt met de afbeelding in plaats van met het aantal parameters — een 2B-model dat goedkoop is om in het geheugen te houden en niet noodzakelijk goedkoop om op 4K te draaien.

Als je doel een telefoon is, dan beëindigt deze sectie de vergelijking. MiniCPM is voor die beperking gebouwd en vermeldt dat in zijn lijst met formaten. WeVisOne niet, en beweert dat ook niet.

Het enige punt waarop ze gelijk staan: de licentie

Apache 2.0 voor beide. Geen omzetdrempel, geen beperking van het toepassingsgebied, geen afzonderlijke commerciële overeenkomst. In een categorie waar Liquid AI zijn eigen licentie met omzetplafond gebruikt en Moondream een source-availablelicentie zonder recht om diensten door derden aan te bieden, is het opmerkelijk dat twee Apache 2.0-visionmodellen van deze omvang gebruiken — het betekent dat de licentie hier niet de beslissende variabele is, wat ongewoon genoeg is om hardop te zeggen.

De gelijkstand neemt ook de meest voorkomende reden weg waarom teams voor het kleinere model kiezen. Als beide de juridische toets doorstaan, kies je op basis van capaciteit en implementatie, niet op basis van voorwaarden.

Kiezen tussen hen

Vraag je af waar de uitvoer naartoe gaat. Als die naar een documentopslag, een chatvenster, een video-index of een downstream taalmodel gaat, is MiniCPM-V 4.7 1B precies de vorm die je wilt: het genereert lange teksten, het kan lange invoer verwerken en het is beschikbaar in formaten die op consumentenhardware draaien.

Als het een compositing-pipeline, een beeldbewerker, een catalogusopschoningstaak of een uitsnede van een interessegebied voedt, is WeVisOne-VL-2B precies de vorm die je wilt: boxes, punten, binaire maskers en continue alfa-mattes, plus een afwijzingsgedrag dat belangrijker is dan welke benchmark dan ook. Tencent meldt een afwijzingspercentage van 50,2 op RefCOCOg voor queries naar afwezige objecten, tegenover 0,5 en 0,6 voor twee gespecialiseerde groundingmodellen in dezelfde tabel. Als de meeste van je afbeeldingen niet bevatten wat je zoekt, is dat getal het getal dat je geld bespaart.

Er is een derde geval waarin ze elkaar aanvullen in plaats van met elkaar te concurreren: een documentpijplijn waarin MiniCPM de pagina leest en WeVisOne het gebied vindt — de handtekening, de stempel, de productfoto — dat de leesstap moet isoleren. Dat is niet zozeer een routeringsprobleem als wel een kwestie van pijplijnontwerp, en dat is waar het product OrcaRouter echt nuttig is in plaats van er als een losse toevoeging aan vast te hangen. Geen van deze modellen staat in onze catalogus; beide worden zelf gehost, en we gaan niet suggereren dat het anders is. Wat wij bieden is de gehoste helft: meer dan 200 modellen achter één API-sleutel tegen de lijstprijs van de provider, zonder mark-up, automatische failover wanneer een provider achteruitgaat, en model fusion, waarmee een panel van modellen samen dezelfde vraag kan beantwoorden — nuttig wanneer een transcriptie op het punt staat in een database te belanden en je een second opinion wilt voordat dat gebeurt.

Het getal om te onthouden

Niet 1B en 2B — 1,55B en 2B. De naamgeving laat ze op verschillende gewichtsklassen lijken en de checkpoints laten ze op bijna-buren lijken, en beide indrukken zijn misleidend. Wat MiniCPM-V 4.7 1B van WeVisOne-VL-2B onderscheidt, is niet de omvang, de licentie of zelfs hoe recent ze zijn. Het is dat de een woorden teruggeeft en de ander pixels, en geen enkele benchmark die een van beide leveranciers heeft gepubliceerd kan van de andere worden afgetrokken om je te vertellen welke beter is in het zijn van datgene wat je nodig hebt.