MiniCPM-V 4.7 otrzymał kartę modelu: OpenBMB opublikował benchmarki, licencję i deklarację działania na urządzeniu

Przez pierwsze sześć dni swojego życia MiniCPM-V 4.7 był 70 GB folderem tensorów bfloat16 bez README — bez karty modelu, bez znacznika licencji, bez tabeli wyników, niczego, co mówiłoby, do czego służy. Zmieniło się to 12 października 2026 r., kiedy OpenBMB zacommitowało pełną kartę modelu do repozytorium openbmb/MiniCPM-V-4.7-35B-A3B, ogłosiło licencję Apache-2.0, przepisało README repozytorium MiniCPM-o, aby na pierwszym miejscu stawiać nową serię, i ogłosiło to jako otwartoźródłowe wydanie MLLM przeznaczone na urządzenia iOS, Android i HarmonyOS. Ten sam przegląd dokumentacji objął model 1B z tej samej rodziny, który ma teraz identyczną strukturę karty. Ten artykuł dotyczy różnicy — tego, co karta faktycznie twierdzi, które z tych twierdzeń możesz sprawdzić samodzielnie i które z nich istnieją dziś wyłącznie jako piksele na dostarczonym przez dostawcę pliku PNG.

Co przybyło 12 października, a co już tam było?

Wagi się nie zmieniły. openbmb/MiniCPM-V-4.7-1Bzostał utworzony 6 października 2026 r. o 17:40 UTC, a openbmb/MiniCPM-V-4.7-35B-A3B7 października o 07:07 UTC; oba nadal wskazują znacznik czasu ostatniej modyfikacji z 12 października, ponieważ ten ostatni dzień poświęcono na tekst, a nie na parametry. Dziennik zatwierdzeń w repozytorium 35B z 12 października to sprint dokumentacyjny: dodaj kartę modelu o 16:08, zaktualizuj kartę modelu o 16:15, zmień nazwę 35BA3B o 16:23, dodaj metadane o 16:26, bezwzględne adresy URL zasobów o 16:50, cztery commity dodaj pierwsze kroki aż do 17:07 oraz link do dokumentacji LES o 17:09. Wszystko poniżej tej linii w historii to init. Repozytorium przeszło od osiemnastu plików i braku karty modelu do udokumentowanego wydania z obrazami, wykresami ewaluacyjnymi, instrukcjami wdrożenia i licencją — w ciągu zaledwie około godziny.

To ma znaczenie dla tego, jak czytasz tę zapowiedź, ponieważ post ogłaszający premierę to nie to samo co premiera. 12 października nic w samym checkpointcie się nie zmieniło. Zmieniło się to, że MiniCPM-V 4.7 przestał być niewyjaśnionym uploadem i stał się produktem, który możesz ocenić na papierze.

Dwa warianty i dlaczego nie są tym samym wydaniem

Ogłoszenie opisuje dwa modele, które poniżej wieży wizyjnej nie są ze sobą powiązane architektonicznie — jeden to rzadka mieszanina ekspertów, drugi to mały gęsty model.

• MiniCPM-V 4.7 35B-A3B — 35,2 miliarda łącznych parametrów jako rzadki MoE, 256 ekspertów z 8 aktywnymi na token, 40 warstw tekstowych, rozmiar ukryty 2 048, 16 głowic zapytań wobec 2 głowic klucza/wartości, maksymalna pozycja 262 144 tokenów, słownik 248 144.

• MiniCPM-V 4.7 1B — gęsty qwen3_5_text backbone, 24 warstwy o wymiarze ukrytym 1 024, 8 głów zapytań wobec 2 głów klucz/wartość, ten sam kontekst 262 144 tokenów, słownik 248 094, pojedynczy plik safetensors o rozmiarze 3,1 GB.

• Współdzielona wieża wizyjna — minicpmv4_7_vision, 27 warstw o rozmiarze ukrytym 1152, rozmiarze patchu 14, rozmiarze obrazu 980, wstawiona na warstwie 6 stosu tekstowego.

• Kompresja — mieszane podpróbkowanie tokenów wizualnych 4x i 16x, z techniką wczesnej kompresji wewnątrz ViT, którą OpenBMB przypisuje LLaVA-UHD v4; domyślnie jest to 16x, a 4x to ustawienie dla większej szczegółowości.

• Struktura uwagi — powtarzający się wzorzec trzy do jednego w obu wariantach: trzy warstwy linear_attention, po których następuje jedna warstwa full_attention, dziesięć razy na przestrzeni 40 warstw tekstowych modelu 35B.

• Licencja — Apache-2.0 w obu przypadkach, zadeklarowana we wstępie karty, co jest pierwszym razem, gdy którekolwiek z tych repozytoriów w ogóle określiło warunki.

35B-A3B to ten, od którego zaczyna się ogłoszenie, i to ten z ciekawą historią inżynieryjną: cały przekaz polega na tym, że rzadki MoE z 35 miliardami przechowywanych parametrów można zmusić do płynnego działania na telefonie.

Twierdzenie o działaniu na urządzeniu to rzeczywista nowość, a to problem szeregowania

Każdy, kto próbował uruchomić MoE na telefonie, zna ten tryb awarii. Wszystkie parametry znajdują się w pamięci masowej, na token aktywuje się tylko garstka z nich, a na urządzeniu, które nie ma dość RAM-u ani przepustowości, by pomieścić każdego eksperta, wagi są wymieniane stronicami. W efekcie dekodowanie odbywa się z prędkością, która uniemożliwia rozmowę. Oczywiste obejście — zablokowanie routera na stałym podzbiorze ekspertów dla całego promptu — czyni go szybkim i po cichu odbiera mu możliwości, ponieważ tokeny nie mogą już dotrzeć do ekspertów, których model w przeciwnym razie by wybrał.

Odpowiedź OpenBMB to trzy techniki zestawione razem, a karta jest niezwykle konkretna co do tego, co robi każda z nich:

• Wyprzedzające planowanie ekspertów (LES) — międzywarstwowy predyktor routingu wstępnie ładuje ekspertów prawdopodobnie potrzebnych następnej warstwie, priorytetyzując wśród ekspertów faktycznie wybranych przez rzeczywisty router i nakładając ich obliczenia na obciążenie związane z ładowaniem wszystkiego innego, co jest jeszcze potrzebne. Karta starannie zaznacza, że predykcja steruje wyłącznie wstępnym pobieraniem i planowaniem; obliczenia nadal przebiegają zgodnie z własnym routingiem modelu na poziomie tokenów, a eksperci pominięci przez predykcję są ładowani i oceniani jak zwykle.

• Drobnoziarnista kwantyzacja warstwa po warstwie — zmniejsza zapotrzebowanie na wagi ekspertów i ruch w pamięci, dzięki czemu wzorzec wczytywania mieści się w pamięci i przepustowości urządzenia.

• DSpark — próbkowanie spekulatywne — integruje ścieżkę modelu szkicującego z pętlą wnioskowania na urządzeniu, obok szeregowania i kwantyzacji.

Główna liczba to 13+ tokenów na sekundę na iPhone 17 Pro Max dla 35B-A3B. To pomiar dostawcy, na urządzeniu, którego nie widzieliśmy, przy użyciu aplikacji, której nie uruchamialiśmy, i jest to jedyna liczba w tym wydaniu, którą najbardziej warto traktować z rezerwą, dopóki ktoś spoza laboratorium jej nie odtworzy. Jest to również twierdzenie, na którym opiera się cała narracja "pierwszy open-source MoE działający płynnie na urządzeniu bez pogorszenia wydajności" — twierdzenie, które z definicji trudno jest obalić, ponieważ "bez pogorszenia wydajności" jest mierzone względem punktu odniesienia wybranego przez dostawcę.

Część karty, która jest rzeczywiście nową informacją: lista ekosystemów

Przed 12 października nie opublikowano żadnego przepisu na serwowanie. Karta modelu wymienia teraz frameworki, z którymi model ma współpracować, a lista jest wystarczająco szeroka, aby była przydatna niezależnie od tego, jak wypadną benchmarki:

• Wnioskowanie — SGLang, vLLM, llama.cpp i Ollama, ze ścieżką transformers serve dla lokalnego punktu końcowego zgodnego z OpenAI oraz ścieżką OpenVINO dla CPU, GPU i NPU firmy Intel.

• Dostrajanie — SWIFT i LLaMA-Factory, a do tego recepta treningowa, którą OpenBMB nazywa Self-Replay Fine-Tuning, pozycjonowana jako tani sposób rozszerzania możliwości przy jednoczesnym ograniczaniu zapominania.

• Kwantyzacja — GGUF, BNB, AWQ, GPTQ i FP8, z oddzielnymi repozytoriami opublikowanymi dla wariantów modelu 35B AWQ, GPTQ, int4, FP8 i GGUF.

• Sprzęt — deklarowane wsparcie day-0 dla platform chipowych Rockchip, Houmo, Intel, AMD i Arm, wraz z wdrożeniem na iOS, Android i HarmonyOS.

• Narzędzia — zbiór przepisów z przewodnikami po zadaniach dotyczących czatu z jednym obrazem, czatu z wieloma obrazami, wideo, OCR, parsowania PDF i groundingu wizualnego, a także repozytorium do wdrażania na urządzeniach brzegowych zawierające aplikacje na telefony.

• Dekodowanie spekulatywne — osobne checkpointy wersji roboczej DSpark zarówno dla modeli docelowych 35B, jak i 1B.

Praktyczny efekt jest taki, że MiniCPM-V 4.7 przeszedł z „musiałbyś sam napisać loader” do „istnieje udokumentowana ścieżka w co najmniej czterech stosach serwujących”. Jeśli czekałeś na kartę, zanim poświęcisz czas na lokalny test, czekanie się skończyło; jeśli czekałeś na niezależne dowody, że liczby na urządzeniu są prawdziwe — nie.

Co benchmarki ustalają, a czego nie

Sekcja oceny karty jest szczera co do swojego charakteru: dane raportowane przez dostawcę, nieodtwarzane niezależnie. Dwa twierdzenia porównawcze są przedstawione wprost i oba podano jako porównania, a nie wyniki bezwzględne. W trybie Instruct twierdzi się, że 35B-A3B osiąga wyższy wynik ogólny w krótszym czasie wnioskowania niż Qwen3.6 35B-A3B — jest to twierdzenie o wydajności względem opóźnienia, a nie o samej jakości. O wariancie 1B twierdzi się, że poprawia podstawowe możliwości MiniCPM-V 4.6 i znacznie przewyższa Qwen3.5 0.8B zarówno pod względem wyniku ogólnego, jak i wydajności wnioskowania.

Oto część warta zaznaczenia. Właściwych liczb nie ma w tekście. Sekcja oceny składa się z pięciu powiązanych obrazów — ogólnego wykresu wydajności dla zadań wizyjno-językowych modelu 35B, wykresu językowego, wykresu 1B, wykresu granicy wydajności i efektywności oraz GIF-a porównującego szybkość działania na urządzeniu — a otaczający je tekst zawiera narrację, a nie dane liczbowe. W README nie ma tabeli dla poszczególnych benchmarków, więc nie ma wyniku czytelnego maszynowo, który można by zacytować, a co za tym idzie, nie ma nic, co ten artykuł mógłby przytoczyć jako liczbę. „Wyższy ogólny wynik niż Qwen3.6 35B-A3B” to tak precyzyjne stwierdzenie, na jakie obecnie pozwalają publicznie dostępne dane.

Wynikają z tego dwie konsekwencje. Po pierwsze, MiniCPM-V 4.7 nie widnieje w żadnym z neutralnych rankingów zewnętrznych, do których normalnie byśmy się udali po zweryfikowane porównanie — brak indeksu rozumowania, brak indeksu agentowego, brak niezależnie ocenionego wyniku multimodalnego. Po drugie, agregat, który kreśli OpenBMB, to własny kompozyt dostawcy na wybranych przez niego grupach benchmarków, co oznacza, że twierdzenie o „wyższym wyniku ogólnym” ma tyle sensu, ile wagi, które za nim stoją, a te wagi również nie są publikowane. Nic z tego nie czyni tych liczb błędnymi. Czyni je niezaudytowanymi, co jest czymś innym, a to rozróżnienie ma największe znaczenie dokładnie tam, gdzie liczby są najmocniejsze.

Co możesz samodzielnie zweryfikować już dziś

Odrzuć marketing, a zostaje solidny, możliwy do sprawdzenia rdzeń — wszystko to można odczytać z repozytorium, nie ufając nikomu:

• Bajty wag — szesnaście fragmentów safetensors w modelu 35B o łącznym rozmiarze 70 425 903 448 bajtów, co jest zgodne z checkpointem BF16 35,2B; model 1B to pojedynczy plik o rozmiarze 3,1 GB.

• Architektura — każda wartość strukturalna powyżej znajduje się w config.json, który jest jawnie publikowany i zgadza się z opisem karty.

• Licencja — Apache-2.0, zadeklarowana w metadanych nagłówka karty i teraz jednoznaczna. W przypadku użytku komercyjnego to najważniejsza pojedyncza linia w wydaniu — i jest nowa.

• Warianty skwantyzowane — repozytoria AWQ, GPTQ, int4, FP8 i GGUF istnieją i można je pobrać, więc scenariusz wdrożenia nie jest teoretyczny na poziomie wag.

• Sygnały adopcji — na dzień 13 października repozytorium 35B ma około 166 pobrań i 38 polubień, co stanowi wzrost w stosunku do bliskich zeru wartości, jakie miało, gdy było niewyjaśnionym uploadem, ale wciąż jest to niewielka liczba jak na reklamowane wydanie na granicy Pareto.

Tego, czego nie można zweryfikować, dotyczy twierdzenie, na którym opiera się ta premiera: że to pierwszy MoE o otwartym kodzie źródłowym, który działa na telefonie, nie rezygnując z niczego, przy ponad 13 tokenach na sekundę. To czeka na stronę trzecią z iPhonem i stoperem.

Gdzie router pasuje, a gdzie nie

MiniCPM-V 4.7 nie jest obsługiwany przez OrcaRouter. To checkpoint z otwartymi wagami, co oznacza, że sam model hostujesz — na stacji roboczej, na maszynie z GPU albo na telefonie, na który jest ukierunkowana ta karta. Miejsce, w którym warstwa routingu zarabia na siebie, znajduje się po drugiej stronie tego układu: w punkcie, w którym samodzielnie hostowany model wizyjny uznaje, że wychodzi poza swoje możliwości, i przekazuje trudną klatkę czemuś większemu. OrcaRouter umieszcza ponad 200 hostowanych modeli za jednym kluczem, przepuszcza cenę katalogową każdego dostawcy przy 0% marży, dzięki czemu zmiana ceny dostawcy obowiązuje tego samego dnia, oraz automatycznie przełącza na zapas, gdy dostawca pogarsza jakość — a to właśnie kształt potrzebny konfiguracji hybrydowej, w której tani model lokalny wykonuje rutynową pracę, a model hostowany przejmuje przypadki, których nie może udźwignąć.

Co obejrzeć dalej

Trzy rzeczy zamieniłyby to wydanie z udokumentowanego twierdzenia w ustalony fakt. Niezależny pomiar na urządzeniu dla modelu 35B — ktoś z iPhonem 17 Pro Max, opublikowaną aplikacją i własnym pomiarem czasu — rozstrzygnąłby liczbę, na której opiera się cała prezentacja. Tabela z rzeczywistymi wynikami dla poszczególnych benchmarków, a nie wykresy, pozwoliłaby zweryfikować twierdzenie o Pareto względem wskazanego przez nie modelu odniesienia. A uruchomienie w neutralnym rankingu postawiłoby MiniCPM-V 4.7 obok modeli ocenianych w warunkach, których sam nie wybrał. Do tego czasu uczciwym podsumowaniem jest to, że OpenBMB dostarczyło prawdziwy, dobrze udokumentowany model na licencji Apache-2.0, z wiarygodną, ale nieudowodnioną historią efektywności, a różnica między tymi dwiema rzeczami to dokładnie różnica między kartą modelu a benchmarkiem.