MiniCPM-V 4.7 1B vs MiniCPM-V 4.7: dwa checkpointy, jedna nazwa i zupełnie inne zadanie

Nie istnieje checkpoint o nazwie MiniCPM-V 4.7. OpenBMB nigdy go nie opublikował, a adres URL modelu, który by go zawierał, zwraca błąd autoryzacji, a nie stronę z wagami. Ta nazwa to nazwa serii. 12 października 2026 r. ta seria wypuściła dwie rzeczy, które czytelnik mógłby zasadnie mieć na myśli, używając tej nazwy: MiniCPM-V 4.7 1B, gęsty model o 1,55 miliarda parametrów stworzony, by mieścić się w pamięci roboczej telefonu, oraz 35-miliardowy rzadki checkpoint mieszaniny ekspertów, który niesie każde sztandarowe twierdzenie z premiery — demonstrację na urządzeniu, wykres granicy Pareto, zdanie „pierwszy otwartoźródłowy MoE, który płynnie działa na urządzeniu”. Porównywanie ich nie jest równą walką i nigdy nią być nie miało. To pytanie o to, ile pamięci jesteś gotów poświęcić, i o to, czy własne liczby dostawcy są wystarczająco mocne, by uzasadnić jej poświęcenie.

Nazwa to seria, a nie model.

Dwa repozytoria noszą nazwę MiniCPM-V 4.7, a trzecie nosi ją z przyrostkiem. openbmb/MiniCPM-V-4.7-1B zostało utworzone 6 października 2026 o 17:40 UTC. openbmb/MiniCPM-V-4.7-35B-A3B pojawiło się 7 października o 07:07 UTC. openbmb/MiniCPM-V-4.7-1B-DSpark — licząca 213 milionów parametrów spekulatywna głowica szkicująca dla małego modelu — trafiło do sieci 8 października. Wszystkie trzy są na licencji Apache-2.0. Samo openbmb/MiniCPM-V-4.7 repozytorium nie istnieje i warto powiedzieć to wprost, ponieważ sporo doniesień pisze tak, jakby istniało, i podaje jeden zestaw liczb pod nazwą drugiego. README OpenBMB datuje samo wydanie na 12 października — to data, której należy użyć, jeśli jakiejś potrzebujesz: repozytoria zostały najpierw wgrane, a ogłoszone cztery dni później, w zwykłej kolejności.

Zatem uczciwe ujęcie „1B vs 4.7” nie jest porównaniem małego modelu z dużym modelem o tej samej nazwie. To porównanie dwóch klas rozmiarowych, które seria faktycznie oferuje, przy czym jedna z nich okazuje się jedyną, którą znajdzie sama nazwa serii.

Czym właściwie jest 1B

Odczytane z metadanych safetensors, gęsty checkpoint ma 1 554 476 272 parametrów w BF16 — około 3,11 GB w jednym pliku wag, co jest kluczową liczbą dla każdego, kto myśli o telefonie. Jego szkielet językowy jest oznaczony jako qwen3_6_text, ma 24 warstwy głębokości przy rozmiarze ukrytym 1024, a jego uwaga działa w wzorcu trzy liniowe na jedną pełną: 18 z 24 warstw obiera ścieżkę liniową, a sześć stosuje konwencjonalną uwagę. Słownik to 248 094 tokenów. Wieża wizyjna to własna minicpmv4_7_vision tej linii — 27 warstw, rozmiar ukryty 1152, rozmiar patcha 14, rozmiar obrazu 980, wstawiona do stosu językowego na warstwie 6. Dwa ustawienia mają większe znaczenie niż pozostałe w pracy z dokumentami: downsample_mode to 16x, a mrope_mode to canvas, czyli multimodalny schemat osadzania rotacyjnego, którego ta rodzina używa, aby zachować strukturę przestrzenną w pociętym obrazie. Maksymalne osadzenia pozycji to 262 144, więc okno kontekstu to prawdziwe 256K, a nie nominalne.

W chwili pisania tego tekstu repozytorium pokazuje 14 pobrań i 22 polubienia. To niewiele i jest to uczciwy wskaźnik tego, jak bardzo społeczność wykorzystała ten model do tej pory.

Czym tak naprawdę jest flagowiec

Checkpoint 35B-A3B ma 35 212 875 824 parametrów w BF16 — 70,4 GB rozłożone na szesnaście shardów safetensors, co stanowi 22 razy większy rozmiar niż gęsty model w pojedynczym pobraniu. Pod względem architektury to zupełnie inne zwierzę: 40 warstw, rozmiar ukryty 2048 oraz rzadki feed-forward MoE z 256 ekspertami, z których 8 jest aktywnych na token, przy czym moe_intermediate_size ustawiono na 512. Słownik liczy 248 144 pozycji, nieco szerszy niż ten w 1B. Wzorzec uwagi to ten sam pomysł na większej głębokości — 30 warstw liniowych do 10 pełnych. To pierwszy MoE w linii MiniCPM-V i to właśnie ten checkpoint jest właściwym przedmiotem opowieści producenta o wydajności: OpenBMB twierdzi, że osiąga ponad 13 tokenów na sekundę, zużywając około 3 GB pamięci na iPhone 17 Pro Max, dzięki Lookahead Expert Scheduling, który pobiera z wyprzedzeniem wagi ekspertów między warstwami, tak aby rzadkie routowanie nie utykało na przepustowości pamięci, plus sparowana głowica MTP i mieszana kompresja tokenów wizualnych 4x/16x. To dane producenta, zmierzone przez producenta, na jego własnym demo. Nikt inny jeszcze ich nie odtworzył. Repozytorium pokazuje 166 pobrań i 43 polubienia — o rząd wielkości więcej uwagi, niż przyciągnął 1B.

Porównanie, wymiar po wymiarze

Sześć wymiarów, po obu stronach, z adnotacją, jaką wagę ma każda liczba.

• Parametry i architektura — MiniCPM-V 4.7 1B: 1,55B gęsty, każdy parametr aktywny przy każdym tokenie. Flagowiec MiniCPM-V 4.7: 35,2B łącznie, rzadki, 8 z 256 ekspertów na token. Tych dwóch sum nie można porównywać; to aktywny budżet MoE decyduje o obliczeniach na token, a OpenBMB go nie publikuje. „A3B” należy czytać jako część nazwy, a nie jako miarę.

• Rozmiar wag — MiniCPM-V 4.7 1B: 3,11 GB w jednym pliku BF16, co jest całym powodem jego istnienia. MiniCPM-V 4.7 35B-A3B: 70,4 GB w szesnastu fragmentach w BF16. Podawana przez producenta wartość 3 GB na urządzeniu dotyczy większego modelu dopiero po kwantyzacji i strumieniowaniu ekspertów, a nie samego pobrania.

• Uwaga i kontekst — w obu: 256K pozycji, wzorzec uwagi liniowej do pełnej w stosunku 3:1 oraz ten sam canvas tryb mRoPE. MiniCPM-V 4.7 1B stosuje go w 24 warstwach; flagowy model w 40. To jedyny wymiar, w którym oba modele mają naprawdę tę samą konstrukcję, tylko przeskalowaną.

• Ścieżka wizyjna — w obu przypadkach: własna wieża minicpmv4_7_vision tej rodziny z 16-krotnym próbkowaniem w dół. Różnica leży po drugiej stronie etapu kompresji: wykresy flagowego modelu reklamują mieszany schemat 4x/16x, którego model 1B nie deklaruje.

• Licencja — w obu przypadkach: Apache-2.0, zadeklarowana w repozytorium i potwierdzona w README projektu. Ma to znaczenie, ponieważ jest to przeciwieństwo tego, jak ta sama seria wyglądała tydzień wcześniej; nie ma tu niejednoznaczności do zgłoszenia w przypadku żadnego z tych punktów kontrolnych.

• Dowody jakości — MiniCPM-V 4.7 1B: wyłącznie wykresy producenta. MiniCPM-V 4.7 35B-A3B: wykresy producenta, firmowe wideo demonstracyjne na iPadzie M4 i iPhonie oraz opublikowane twierdzenie o liczbie tokenów na sekundę na urządzeniu. Żaden z nich nie ma niezależnej oceny ani nie został poddany benchmarkom przez podmiot trzeci z użyciem stałego zestawu testowego.

Co twierdzą własne wykresy dostawcy

OpenBMB opublikował wykresy porównawcze dla obu checkpointów, a różnica w tym, co mogą obsłużyć, jest pouczająca. Wykres dla 1B umieszcza model na poziomie MMBench 83,17, OCRBench 86,10 i OmniDocBench v1.6 85,39, wyprzedzając model poprzedniej generacji klasy 1,3B, obok którego znajduje się na tym samym wykresie, pod wszystkimi trzema względami (odpowiednio 81,89, 83,80, 82,52). Są to wartości podane przez dostawcę i nieodtworzone, a samo oznakowanie kolumn na wykresie trzeba czytać uważnie, ponieważ w jednym wierszu podano wartość, która nie jest wiarygodna dla modelu tej wielkości. Liczby bezwzględne traktuj jako marketing, a różnice względem poprzedniej generacji jako jedyną część mającą wewnętrzną logikę.

Wykres 35B-A3B jest czytelniejszy, ponieważ porównanie jest bardziej zagęszczone. Podaje on MMMU 80,22, MathVista 88,00, OCRBench 91,20, OCRBench_v2 68,47, OmniDocBench v1.6 94,24, CharXiv reasoning 75,60, TextVQA 84,99 i CCOCR 81,14, w zestawieniu z konkurencją obejmującą dwa modele mieszaniny ekspertów klasy 35B-A3B, 31B Gemma i 27B Qwen3.8. Według danych samego dostawcy MoE wygrywa nieznacznie w większości wierszy, a przegrywa w kilku — MMMU-Pro i MathVision wypadają odwrotnie. I znowu: dane zgłoszone przez dostawcę, nieodtworzone, a jedyna uczciwa interpretacja to „dostawca uważa, że jest na równi lub lepszy”, a nie „jest na równi lub lepszy”.

Jest problem z etykietowaniem, który warto zaznaczyć, a nie rozwiązywać. Repozytorium nosi nazwę 1B. Pasek boczny Hugging Face podaje, że model ma 2B parametrów. Metadane safetensors mówią o 1 554 476 272 — około 1,55B. Wykres samego dostawcy oznacza ten wiersz jako 1,3B. Cztery źródła, cztery liczby, a najmniejsza z nich znajduje się na wykresie, na który wskazuje marketing. Nic z tego nie zmienia tego, co robi model, ale jeśli planujesz budżet pamięci na podstawie karty specyfikacji, planuj go pod plik 3,11 GB, a nie pod którąkolwiek z etykiet.

Którego właściwie chcesz

Jeśli ograniczeniem jest telefon, laptop, pojedynczy mały GPU lub cokolwiek z budżetem energetycznym, tylko jedno z nich jest kandydatem. MiniCPM-V 4.7 1B istnieje właśnie po to, aby multimodalny model z kontekstem 256K mieścił się w kilku gigabajtach; jest udostępniany na licencji zezwalającej na użycie komercyjne, a ekosystem kwantyzacji już istnieje — wersje GGUF, AWQ, GPTQ, int4 i FP8, a także wsparcie od pierwszego dnia od Rockchip, Houmo, Intel, AMD oraz producentów sprzętu Arm i OpenVINO. W przypadku OCR na urządzeniu, rozumienia zrzutów ekranu i parsowania dokumentów przy zapotrzebowaniu na pamięć wynoszącym 3 GB to właśnie ta wersja z tej serii odpowiada na to pytanie.

MiniCPM-V 4.7 35B-A3B odpowiada na inne pytanie. To nie jest większa wersja tego samego produktu; to próba zachowania jakości modelu klasy 35B przy płaceniu jedynie za 8 ekspertów na token, a jeśli deklaracja przepustowości producenta się potwierdzi, jest to ciekawszy wynik inżynieryjny z tych dwóch. Jest też — przy 70,4 GB w BF16 — plikiem do pobrania na serwer lub stację roboczą, a jego historia działania na urządzeniu opiera się na kwantyzacji i strumieniowaniu ekspertów, a nie na pliku, który otrzymujesz z Hub.

Gdzie router pasuje, a gdzie nie

Żaden z tych dwóch checkpointów nie jest hostowany na OrcaRouter. MiniCPM w ogóle nie pojawia się w naszym katalogu, a właściwą radą dla każdego, kto chce uruchomić którykolwiek z nich, jest pobranie wag i samodzielne ich serwowanie — llama.cpp, Ollama, vLLM i SGLang obsługują tę architekturę, a powyższa lista wsparcia od pierwszego dnia jest wyjątkowo szeroka jak na tak świeże wydanie. Kwestia routingu pojawia się dopiero na kolejnym etapie, czyli wtedy, gdy mały model lokalny nie wystarcza do konkretnego żądania i praca musi trafić do czegoś hostowanego. To przekazanie jest decyzją routingową, a nie drugą umową: OrcaRouter umieszcza kilkaset hostowanych modeli za jednym kluczem, w cenie katalogowej każdego dostawcy i bez żadnych dodatków, z przełączaniem awaryjnym, gdy dostawca zaczyna działać gorzej. Wśród hostowanych modeli wizyjnych na tej liście znajduje się kilka w tej samej klasie wagowej co 1B — qwen/qwen3-vl-8b-instruct i jego wariant rozumujący, qwen/qwen3-vl-235b-a22b-instruct na cięższy koniec, oraz deepseek/deepseek-v4-flash-vision-exp do pracy z dokumentami o długim kontekście. To poziom wyżej niż ta rodzina, a nie jej zamiennik, i warto jasno powiedzieć, po której stronie tej granicy znajduje się każdy model.

Co obejrzeć

Dwie rzeczy rozstrzygną to porównanie i żadna z nich jeszcze nie istnieje. Pierwszą jest niezależna ewaluacja — ten sam harness uruchomiony na obu checkpointach, na tym samym sprzęcie, bez wybierania promptów przez dostawcę. Dopóki się nie pojawi, każda liczba dotycząca dokładności w tym artykule pochodzi od samego dostawcy i należy ją cytować z tym zastrzeżeniem. Drugą jest głowica szkicująca DSpark, która została już opublikowana dla 1B i jest mechanizmem, który znacząco przyspieszyłby wnioskowanie małego modelu na telefonie. Jeśli dekodowanie spekulatywne działa w tej skali tak, jak reklamowano, gęsty 1B staje się znacznie lepszą odpowiedzią, niż sugerowałby jego rozmiar, a 35B-A3B pozostaje modelem, po który sięgasz tylko wtedy, gdy żądanie naprawdę tego wymaga.

To, co nie musi na nic czekać, to licencja, architektura, ślad i narzędzia. Znajdują się one w repozytoriach, w przypadku obu checkpointów są to Apache-2.0, i to wystarczy, by już dziś zdecydować, który z tych dwóch powinien trafić na twój sprzęt.

Hostowana część tego wzorca to decyzja o routingu, a nie drugi kontrakt. cena katalogowa każdego dostawcy bez narzutu dodanego przez nas Żaden z checkpointów MiniCPM-V 4.7 nie jest modelem hostowanym na OrcaRouter – oba są wagami, które hostujesz samodzielnie.