Wokselowa pagoda, o 10% mniej tokenów i jedno zdanie, za którym OpenBMB rzeczywiście stoi

Najczęściej cytowane zdanie o MiniCPM-V 4.7 35B-A3B w tym tygodniu nie znajduje się w jego karcie modelu. To tweet opublikowany 13 października 2026 r., który brzmi: „MiniCPM-V 4.7 35B-A3B nie tylko zużył mniej tokenów, ale też wygenerował lepszą pagodę wokselową niż Qwen 3.6 35B-A3”. Demonstracja, na którą wskazuje, to wideo, na którym dwa modele językowe piszą kod dla trójwymiarowej japońskiej pagody wokselowej, renderowanej obok siebie. To naprawdę interesujący artefakt — pokazuje model wizyjno-językowy odtwarzający zbudowaną strukturę w trzech wymiarach na podstawie promptu obrazowego, co jest zadaniem trudniejszym niż opisanie jej. Warto jednak oddzielić to, czym ten tweet jest, od tego, czym nie jest, ponieważ trzy różne twierdzenia zostały stopione w jedną linijkę i mają one trzy różne poziomy uzasadnienia. MiniCPM-V 4.7 35B-A3B to prawdziwy checkpoint od OpenBMB i ma około tygodnia; Qwen3.6-35B-A3B to dziewięciomiesięczny konkurent z otwartymi wagami, również Apache-2.0, również rzadka mieszanina ekspertów o tym samym rozmiarze z nazwy. Wszystko poniżej dotyczy tego, które z twierdzeń o wydajności wokół nich da się sprawdzić, a które jest JPEG-em wykresu.

Trzy tezy noszące się w jednym zdaniu

Ten tweet łączy trzy rozdzielne rzeczy i zasługują one na rozdzielenie, ponieważ tylko jedna z nich jest udokumentowana.

• „Użyto mniej tokenów” — to wymierne stwierdzenie dotyczące zużycia tokenów w jednym zadaniu. Wartość krążąca przy okazji dema to 10% mniej tokenów niż Qwen3.6 35B-A3B. Liczba ta pochodzi od zewnętrznego twórcy, który przeprowadził porównanie, a nie z ewaluacji OpenBMB, i dotyczy pojedynczej pary promptów, a nie benchmarku.

• „Stworzył lepszą wokselową pagodę” — to osąd wydany na podstawie obejrzenia dwóch wyrenderowanych pagód. Nie ma żadnych kryteriów oceny, żadnego narzędzia do punktacji ani niezależnego podmiotu. To rodzaj twierdzenia, które człowiek formułuje w trzy sekundy, a benchmark nie może go sformułować wcale, ponieważ „lepsza pagoda” nie ma wzorca odniesienia.

• „Wydajność plus jakość to prawdziwe pole bitwy” — ta część to teza i akurat ta, którą OpenBMB rzeczywiście argumentuje na piśmie, z liczbami w karcie modelu. Tyle że to nie jest zdanie, które się rozniosło.

To ma znaczenie, ponieważ pierwsze dwa twierdzenia są tymi, które zapadają w pamięć, a trzecie jest tym, którego można bronić. Jeśli decydujesz, czy przeznaczyć 70 GB pobierania na checkpoint, to właśnie trzecie cię interesuje.

Co OpenBMB faktycznie napisało i kiedy

Najpierw chronologia, ponieważ została spłaszczona przez powtarzanie. Wagi pojawiły się cicho: openbmb/MiniCPM-V-4.7-1Bzostał utworzony 6 października 2026 o 17:40 UTC,openbmb/MiniCPM-V-4.7-35B-A3B7 października o 07:07 UTC. Żaden z nich nie miał wówczas karty modelu, znacznika licencji ani benchmarku — pisaliśmy o tym tutaj w tamtym czasie i był to dziwny stan rzeczy jak na wgranie modelu o 35 miliardach parametrów. Sześć dni później, 12 października 2026, OpenBMB zatwierdził dokumentację za jednym posiedzeniem: kartę modelu, licencję Apache-2.0, wykresy ewaluacyjne, przepisany README repozytorium prowadzący nową serię oraz ogłoszenie. Parametry nie zmieniły się tego dnia. Zmieniło się wyjaśnienie.

A więc uczciwe ujęcie nie brzmi: „MiniCPM-V 4.7 35B-A3B został wydany w tym tygodniu”. Brzmi ono: „MiniCPM-V 4.7 35B-A3B stał się w tym tygodniu czytelny”. Wszystko na jego temat, co można teraz cytować, zostało albo wgrane szóstego i siódmego, ale bez dokumentacji, albo napisane dwunastego i jest twierdzeniem dostawcy.

Twierdzenie, które karta modelu rzeczywiście zawiera

Oto zdanie, dosłownie z karty, a jest ono bardziej zawężone niż tweet: w trybie Instruct wariant 35B-A3B „osiąga wyższy wynik ogólny w krótszym czasie wnioskowania niż Qwen3.6 35B-A3B”. To wszystko. Żadnej liczby tokenów, żadnego marginesu, żadnego rozbicia na poszczególne benchmarki w formie opisowej. Dowodem za tym jest wykres rozrzutu — średni wynik ewaluacji na osi pionowej, czas wnioskowania w sekundach w skali logarytmicznej na osi poziomej — na którym MiniCPM-V 4.7 35B-A3B znajduje się powyżej i na lewo od Qwen3.6-35B-A3B. Przypis samego wykresu definiuje średnią jako średnią z pięciu benchmarków: MMStar, MMMU-Pro, CharXiv reasoning, BLINK i MathVista. Koła oznaczają tryb Instruct, romby — tryb Thinking.

To prawdziwe i konkretne twierdzenie o dwuwymiarowym kompromisie i najmocniejszy element tego wydania. Warto też zauważyć, czego wykres nie może ci powiedzieć: na naniesionych punktach nie ma etykiet numerycznych, więc nie odczytasz z nich wyniku ani czasu — tylko kierunek. Kierunek, tak jak został narysowany, sprzyja MiniCPM jednocześnie na obu osiach.

I zmierzył to dostawca. Przy danych ewaluacyjnych na karcie widnieje zdanie: „Wyniki pochodzą z publicznych raportów oraz naszej lokalnej ewaluacji z użyciem oficjalnych checkpointów”. Lokalna ewaluacja oznacza sprzęt OpenBMB, system ewaluacyjny OpenBMB, wybór trybu OpenBMB. To normalna praktyka w karcie modelu, a nienormalne jest przemycanie tego jako fakt. Żadna niezależna strona nie uruchomiła tych dwóch checkpointów na wspólnym systemie ewaluacyjnym. Żaden ranking nie uwzględnił żadnego z tych wyników. W chwili pisania tego tekstu twierdzenie ma dokładnie jedno źródło, a to źródło sprzedaje model.

Skąd ma pochodzić efektywność tokenów?

Argument o wydajności nie opiera się na wykresie z benchmarku. Opiera się na trzech decyzjach inżynieryjnych, które warto zrozumieć, ponieważ decydują o tym, czy korzyść przełoży się na Twój sprzęt, czy nie.

• Wyprzedzające planowanie ekspertów (Lookahead Expert Scheduling, LES) — sztandarowa technika. Rzadka mieszanka ekspertów przechowuje znacznie więcej parametrów, niż aktywuje na token, a na urządzeniu, które nie może pomieścić wszystkich ekspertów w pamięci, wagi są stronicowane do i z pamięci, a dekodowanie utyka. LES wykorzystuje przewidywanie routingu między warstwami, aby wstępnie wczytywać ekspertów prawdopodobnie potrzebnych następnej warstwie, oraz priorytetyzuje obliczenia dla ekspertów, których rzeczywisty router faktycznie wybrał, a którzy akurat są już wczytani. OpenBMB starannie zaznacza, że przewidywanie steruje wyłącznie wstępnym pobieraniem i planowaniem; routing na poziomie tokenów w modelu pozostaje niezmieniony, a eksperci pominięci przez predyktor nadal są wczytywani i oceniani. Karta twierdzi, że przekłada się to na 5× przyspieszenie na rzeczywistych urządzeniach, bez utraty możliwości.

• Drobnoziarnista kwantyzacja warstwowa — zmniejsza ślad pamięciowy wag ekspertów i ruch pamięci, co stanowi drugą połowę tego, co sprawia, że wzorzec wczytywania na urządzeniu staje się dopasowany.

• DSpark — próbkowanie spekulatywne — sparowana ścieżka modelu szkicowego, publikowana osobno jako openbmb/MiniCPM-V-4.7-35B-A3B-DSpark, oraz zintegrowana wraz z pracami nad szeregowaniem i kwantyzacją.

Złożone razem dają sztandarową liczbę tego wydania: ponad 13 tokenów na sekundę przy zużyciu około 3 GB pamięci na iPhone 17 Pro Max. To wartość podana przez dostawcę, na sprzęcie dostawcy, z oprogramowaniem dostawcy — aplikacją napisaną przez OpenBMB. To rodzaj twierdzenia, które jest albo całym produktem, albo niczym, a obecnie nikt spoza firmy nie może go zweryfikować, ponieważ jego odtworzenie wymaga stosu działającego na urządzeniu, którego używa demo telefonu.

Efektywność tokenów jest realna, ale tutaj jest macierzą, a nie skalarem

Jest w tym wydaniu szczegół, który został spłaszczony we wszystkich jego podsumowaniach, i to właśnie on w rzeczywistości rządzi ekonomią tokena.

• MiniCPM-V 4.7 35B-A3B obsługuje mieszaną kompresję tokenów wizualnych 4x i 16x, wybieraną dla każdego żądania. Ustawienie 16x scala tokeny wizualne dla szybkości; 4x zachowuje czterokrotnie więcej, dla szczegółów. Domyślnym ustawieniem karty jest 16x, a parametr musi zostać przekazany zarówno do szablonu czatu, jak i do wywołania generate, w przeciwnym razie liczba symboli zastępczych i enkoder wizji będą się nie zgadzać.

• Własna tabela porównawcza modeli wizyjno-językowych dostawcy odnotowuje ustawienie kompresji użyte w wierszu każdego modelu. W tej tabeli wiersz MiniCPM-V 4.7 35B-A3B ma 4x — ustawienie zachowujące szczegóły, czyli to droższe — a wiersz Qwen3.6 35B-A3B ma 16x. Wiersz 31B Gemma 4 jest podany jako 9x; dwa wiersze 27B Qwen jako 4x.

• Przypis wprost stwierdza, że MiniCPM-V 4.7 obsługuje oba ustawienia, podczas gdy pozostałe modele w tabeli obsługują wyłącznie stały współczynnik kompresji.

Przeczytaj to razem, a obraz się zmienia. Jeśli wiersz MiniCPM czerpie swoje wyniki w zakresie wizji i języka przy ustawieniu żądnym tokenów, podczas gdy wiersz Qwen czerpie swoje wyniki przy ustawieniu oszczędnym pod względem tokenów, to dwie kolumny porównują różne ilości szczegółów wizualnych, a historia o wydajności nie brzmi „ten sam wkład, mniej tokenów” — brzmi „regulowany wkład, a oto kolumna, która wygrywa pod względem jakości”. To ciekawsze i bardziej uczciwe twierdzenie niż to z tweeta, a OpenBMB opublikowało je w przypisie, zamiast wysuwać je na pierwszy plan.

To oznacza również, że wartości, na której naprawdę Ci zależy — liczby tokenów na jednostkę szczegółowości wizualnej — w ogóle nie da się odczytać z tej tabeli. Wymaga to uruchomienia obu modeli przy tym samym ustawieniu, czego nikt nie opublikował.

Tabela, wraz z dołączonymi zastrzeżeniami

Karta zawiera dwie tabele dostawcy: jedną dla modeli wizyjno-językowych i jedną dla językowych, obie w trybie Instruct, obie na tle zestawu obejmującego dwa modele Qwen klasy 35B-A3B, model Gemma 31B i dwa modele Qwen 27B. Poniższe wartości odczytano z własnego wykresu PNG dostawcy, a zastrzeżenie ma charakter strukturalny: liczby istnieją wyłącznie jako piksele na tym wykresie, a nie jako tabela, więc to, co następuje, zostało wyodrębnione w drodze odczytu maszynowego i możliwe są drobne błędy transkrypcji.

• OCRBench — MiniCPM-V 4.7 35B-A3B 91,20 wobec Qwen3.6 35B-A3B 90,40. Różnica 0,8 punktu, we własnym teście dostawcy.

• OmniDocBench v1.6 — około 98,2 dla MiniCPM wobec około 93,3 dla modelu Qwen, co stanowi największą pojedynczą różnicę w tabeli i tę, która miałaby największe znaczenie, gdyby się potwierdziła, ponieważ to na parsowanie dokumentów zwykle przeznacza się budżet tokenów.

• MMMU — około 80,2 wobec 80,0, remis przy rozdzielczości obrazu wykresu.

• MMMU-Pro — około 69,7 wobec 67,7, w wierszu, w którym 27B Qwen plasuje się wyżej niż oba.

• Tabela językowa — ten sam kształt, z bardziej rzucającymi się w oczy komórkami dotyczącymi przestrzegania instrukcji i kodu. IFBench jest podany na około 47,7 wobec 35,3, a LiveCodeBench-v6 na około 97,0 wobec 54,3. Te dwie wartości są na tyle duże, że należy traktować je jako najmniej wiarygodne komórki w tym wydaniu, dopóki ktoś inny ich nie uruchomi: 43-punktowa różnica na benchmarku kodu między dwoma podobnej wielkości otwartymi modelami MoE, zmierzona przez jedną z dwóch stron, to twierdzenie, które wymaga drugiego narzędzia pomiarowego.

Zgłoszone przez dostawcę, zweryfikowane na stanowisku dostawcy, nieodtworzone. To całość. Jeśli te liczby się obronią na niezależnym stanowisku testowym, twierdzenie o froncie Pareto jest poprawne, a wideo z pagodą to przypis. Jeśli nie, pozostaje tylko wideo z pagodą.

Co mówią wskaźniki adopcji, co nie ma nic wspólnego z jakością

Jedna liczba w tym porównaniu nie jest przez nikogo kwestionowana i nie jest to benchmark. Licznik pobrań Hugging Face, odczytany 13 października 2026 r., pokazuje 630 dla openbmb/MiniCPM-V-4.7-35B-A3Bwobec około 3,6 miliona dlaQwen/Qwen3.6-35B-A3B— repozytorium utworzone 15 kwietnia 2026 r., a zatem znajdujące się około dziewięciu miesięcy dalej na krzywej adopcji. Ta różnica mierzy czas, a nie wartość, i to jest powód, dla którego pytanie o efektywność jest w ogóle zadawane w tym kierunku: nowicjusz musi argumentować w przeliczeniu na token właśnie dlatego, że nie miał dziewięciu miesięcy, by stać się domyślnym wyborem.

W tym wpisie jest też drobna wewnętrzna sprzeczność, którą warto odnotować. Repozytorium nosi tag „On-Device Model” odziedziczony po reszcie rodziny, a sparse MoE o 35,2 miliarda parametrów w 70,4 GB wag BF16 nie działa na urządzeniu w żadnym sensie, jaki rozpoznałby pobierający. Historia z działaniem na urządzeniu jest prawdziwa, ale realizuje się przez kwantyzację i strumieniowanie ekspertów na bazie checkpointu, a nie przez sam checkpoint. Planuj budżet pod skwantyzowaną wersję i aplikację, a nie pod tag.

Co z tym zrobić w tym tygodniu

Praktyczne stanowisko jest wąskie i jasne. Jeśli chcesz, aby twierdzenie o wydajności zostało zweryfikowane, nie ma jeszcze czego weryfikować — to wykres jednego dostawcy, a jedyna liczba z dołączonym wynikiem na zadanie (o 10% mniej tokenów, jedna pagoda) pochodzi z pojedynczego dema strony trzeciej. Jeśli chcesz uruchomić model, wagi są na licencji Apache-2.0, architektura jest udokumentowana, a ustawienie podpróbkowania możesz wybrać sam — to prawdziwa i niedoceniana dźwignia: 16x, gdy liczy się przepustowość, 4x, gdy wykres pokazuje ci dokument.

Jedna połowa tego porównania jest dziś osiągalna przez hostowane API, a druga nie — i warto doprecyzować, która jest która. qwen/qwen3.6-35b-a3bto model hostowany w OrcaRouter — znajduje się w katalogu za jednym kluczem, w cenie katalogowej samego Qwena, bez żadnych narzutów, kierując zapytania do tego dostawcy, który jest sprawny, a nie do tego, którego przypiąłeś. MiniCPM-V 4.7 nie jest hostowany przez nas; to checkpoint z otwartymi wagami, który uruchamiasz samodzielnie. Ta asymetria jest tu tym, co przydatne. Stronę Qwena z tego porównania możesz wprowadzić do baseline'u jeszcze dziś po południu, uruchomić harness OpenBMB na własnych danych przeciwko niemu i pozwolić, by wykres dostawcy był hipotezą, a nie odpowiedzią.

Co, biorąc pod uwagę, że cała dyskusja dotyczy wydajności na twoim sprzęcie, jest jedynym pomiarem, który kiedykolwiek miał to rozstrzygnąć.