MiniCPM-V 4.7 kontra LFM2.5-VL 3B: 70 GB tajemnicy przeciwko modelowi 3B, który możesz wdrożyć na laptopie

MiniCPM-V 4.7 i LFM2.5-VL 3B są sprzedawane jako rzeczy z tej samej kategorii — kompaktowe modele wizyjno-językowe, które uruchamiasz samodzielnie — a w praktyce trudno o dwa bardziej odległe od siebie przypadki. LFM2.5-VL 3B to produkt gotowy: udokumentowany checkpoint o 3,1 miliarda parametrów od Liquid AI, z licencją, kartą modelu, kwantyzacjami GGUF dostępnymi w sieci i coraz mniejszą liczbą dobrych powodów, aby nie po prostu go pobrać i wypróbować. MiniCPM-V 4.7 to rzadki checkpoint typu mixture-of-experts o 35,2 miliarda parametrów, który OpenBMB przesłał na Hugging Face 6 października 2026 r. bez karty modelu, bez licencji i bez jakichkolwiek benchmarków. Porównywanie ich to nie porównywanie dwóch modeli. To porównywanie modelu z artefaktem, który prawdopodobnie dopiero nim zostanie.

Pojedynek, szczerze mówiąc na wstępie

Ta strona może dać ci pełny obraz LFM2.5-VL 3B, ponieważ Liquid AI opublikowało go. Może dać ci pełny obraz MiniCPM-V 4.7: kształt i nic a nic o jego zachowaniu, ponieważ OpenBMB opublikowało config.json i na tym poprzestało. Wszystko poniżej dotyczące strony MiniCPM pochodzi z tego pliku konfiguracyjnego i indeksu wag; wszystko dotyczące strony Liquid pochodzi z karty modelu, a własne twierdzenia karty dotyczące wydajności są deklarowane przez dostawcę i oznaczone jako takie. Tam, gdzie liczba istnieje dla jednego modelu, a dla drugiego nie, uczciwą rzeczą jest pozostawić lukę widoczną, zamiast ją maskować.

Czym jest każdy z nich

LFM2.5-VL-3B został wydany 11 sierpnia 2026 r. To multimodalny wariant rodziny LFM2.5, stworzony z myślą o wdrażaniu na urządzeniach, który nie zaczyna od zera: bierze językowy backbone LFM2.5-2.6B i łączy go z enkoderem wizyjnym SigLIP2 NaFlex. NaFlex to element, który ma znaczenie w pracy z dokumentami — zachowuje natywne proporcje i rozdzielczość, zamiast wymuszać na każdym obrazie stały kwadrat, dlatego główne ulepszenia w karcie modelu to grounding z zapytaniami w języku naturalnym oraz OCR całych stron z adnotacją układu. Jest udostępniany na licencji LFM Open License v1.0 i obejmuje szesnaście języków, w tym angielski, chiński, japoński, koreański, arabski, hindi, francuski, niemiecki, hiszpański, portugalski, włoski, polski, rosyjski, tajski, wietnamski i indonezyjski. Ponieważ jest modelem 3B, kompilacje GGUF pojawiły się w ciągu jednego dnia od wydania, a we wrześniu pojawił się wariant DSpark, więc ekosystem wokół niego jest realny: możesz dziś pobrać skwantyzowaną wersję i uruchomić ją na laptopie.

MiniCPM-V 4.7 to checkpoint BF16 o 35 212 875 824 parametrach, 70,4 GB w szesnastu shardach, klasa MiniCPMV4_7ForConditionalGeneration, przesłany do openbmb/MiniCPM-V-4.7-35B-A3B 6 października 2026 r.

Jego szkielet językowy jest oznaczony tagiem qwen3_5_moe_text — wywodzący się z Qwen3.5 rzadki MoE z 256 ekspertami i 8 wybieranymi na token — a jego 40 warstw działa według stałego wzorca uwagi typu trzy liniowe na jedną pełną, więc 30 z 40 warstw wykorzystuje liniową ścieżkę w stylu Mamba zamiast konwencjonalnej uwagi. Kontekst to 256K. Wieża wizyjna należy do samej linii MiniCPM-V i ma w przybliżeniu taki sam kształt, jaki stosował MiniCPM-V 4.6. W repozytorium nie ma pliku README, co w serwisie Hugging Face oznacza brak licencji.

Porównanie, które jest faktycznie możliwe

Sześć wymiarów, obie strony oraz notatka przy każdym o tym, jak dużą wagę ma ta liczba.

• Łączna liczba parametrów — LFM2.5-VL 3B: 3,12 mld, wszystkie aktywne na token. MiniCPM-V 4.7: 35,2 mld łącznie, rzadki, 8 z 256 ekspertów aktywnych na token. Wartości dla MiniCPM nie można porównywać z liczbą parametrów modelu gęstego, a rzeczywisty budżet aktywnych parametrów nie został opublikowany; traktuj „A3B” jako nazwę, a nie pomiar.

• Efektywny rozmiar na dysku — LFM2.5-VL 3B: pojedynczy plik safetensors o rozmiarze ~6 GB w BF16 albo jego ułamek w formacie GGUF. MiniCPM-V 4.7: 70,4 GB w szesnastu shardach, wyłącznie BF16.

• Licencja — LFM2.5-VL 3B: LFM Open License v1.0, opublikowana i podlinkowana z karty. MiniCPM-V 4.7: nie zadeklarowano. W przypadku braku tagu licencja: domyślnym stanowiskiem są wszelkie prawa zastrzeżone, więc to jest przeszkoda, a nie przypis.

• Podejście wizyjne — LFM2.5-VL 3B: SigLIP2 NaFlex, natywna rozdzielczość z zachowaniem proporcji, karta deklaruje OCR całej strony z adnotacją układu. MiniCPM-V 4.7: niestandardowa wieża minicpmv4_7_vision z downsample_mode: "16x" i max_slice_nums: 9.

• Kontekst — LFM2.5-VL 3B: przykłady serwowania z karty są skromne w porównaniu z projektem długiego kontekstu, a rodzina jest ukierunkowana na budżety pamięci na urządzeniu. MiniCPM-V 4.7: max_position_embeddings: 262144, przy czym tokenizer model_max_length zgadza się na 256K.

• Dowody jakości — LFM2.5-VL 3B: opublikowana karta z deklarowanymi przez dostawcę ulepszeniami względem LFM2-VL-3B, kwantyzacje firm trzecich oraz historia na Hugging Face obejmująca około 25 900 pobrań. MiniCPM-V 4.7: zero pobrań, trzy polubienia, brak karty, brak benchmarków, brak niezależnej oceny. Nie ma czego cytować.

• Narzędzia — LFM2.5-VL 3B: kompilacje GGUF i MLX od stron trzecich oraz wariant DSpark. MiniCPM-V 4.7: brak. Jak dotąd nie istnieje żadna kwantyzacja.

Brakujące dwie trzecie tej strony

Każdy artykuł porównawczy w tej dziedzinie zawiera akapit z benchmarkami. Ten nie może. Nie ma żadnego MMMU, OCRBench, DocVQA, wyniku grounding, pomiaru opóźnienia ani wskaźnika VRAM dla MiniCPM-V 4.7 — nie dlatego, że było niewygodnie ich szukać, ale dlatego, że nic w repozytorium ich nie zawiera i żadna strona trzecia ich nie opracowała. Model wgrany bez karty jest z punktu widzenia oceny niezmierzony. Ktokolwiek twierdzi inaczej, wnioskuje na podstawie nazwy rodziny lub liczby parametrów, a jedno i drugie słabo przewiduje jakość multimodalną.

To samo dotyczy subtelniejszego pytania: czy rzadki MoE faktycznie pomaga. Projekt 35B-A3B wymienia całkowitą pamięć na obliczenia przypadające na token, a jakość podążania za instrukcjami przez rzadki model zależy wyłącznie od tego, jak dobrze wytrenowano router. Konfiguracja pokazuje współczynnik pomocniczej straty routingu równy 0,001 oraz współdzielonego eksperta obok 256 ekspertów routowanych, co jest konwencjonalnym rozwiązaniem — ale konwencjonalne rozwiązanie nie jest dowodem dobrego routingu.

Po stronie Liquid brakującym elementem jest coś innego: deklaracje jakości karty pochodzą od samego dostawcy.

Ulepszenia w OCR i groundingu opisują osoby, które trenowały model, a choć kwantyzacje od podmiotów trzecich i liczba pobrań pokazują, że społeczność uznała je za wystarczająco przydatne, by je przekonwertować, to dowód adopcji, a nie dowód jakości. Nikt nie opublikował niezależnego bezpośredniego porównania.

Po który z nich naprawdę byś sięgnął?

Drzewo decyzyjne jest tu wyjątkowo przejrzyste, ponieważ oba modele nie konkurują o to samo zadanie.

Jeśli potrzebujesz modelu wizyjno-językowego działającego na laptopie, telefonie, Jetsonie lub pojedynczym skromnym GPU, LFM2.5-VL 3B jest jedynym z dwóch, który odpowiada na to pytanie. Jest wystarczająco mały, by go skwantyzować, ma licencję, która pozwala na tę pracę, a ktoś już wykonał za Ciebie prace związane z konwersją. W zakresie analizy układu dokumentów, parsowania zrzutów ekranu i ugruntowanego opisu obiektów przy rozmiarze i śladzie językowym mieszczących się w budżecie urządzeń brzegowych deklarowane w karcie mocne strony pokrywają się z celem wdrożenia.

MiniCPM-V 4.7 nie jest kandydatem do tego zadania przy 70 GB w BF16. Jest kandydatem do odwrotnego zadania: długokontekstowego, wysokoprzepustowego modelu multimodalnego na sprzęcie serwerowym, w obciążeniach, w których chodzi o okno 256K i oszczędności pamięci podręcznej KV wynikające z uwagi liniowej. Nie wiadomo, czy dobrze wykonuje to zadanie, a kwestia licencji musi zostać rozstrzygnięta, zanim w ogóle wykona to zadanie w jakimkolwiek zastosowaniu komercyjnym.

Jest jeszcze trzecia opcja, którą warto wymienić: być może wcale nie musisz wybierać. Jeśli architektura zakłada, że „mały model lokalny obsługuje większość ruchu, a trudne przypadki przekazuje czemuś hostowanemu", to część lokalna jest decyzją, którą możesz podjąć już dziś, a część hostowana to decyzja dotycząca routingu. OrcaRouter obejmuje kilkaset hostowanych modeli dostępnych za pomocą jednego klucza, w cenie katalogowej każdego dostawcy, bez żadnych dodatkowych opłat, z przełączaniem awaryjnym, gdy dostawca zaczyna działać gorzej — ale wyraźnie zaznaczmy, czym to nie jest: ani LFM2.5-VL 3B, ani MiniCPM-V 4.7 nie są modelami hostowanymi na tym routerze. Jedno i drugie to wagi, które serwujesz samodzielnie. Router to coś, co stoi za nimi.

Na jakim etapie to jest i co warto odświeżyć

Liquid AI wypuściło gotowy mały model. OpenBMB wypuściło niedokończony duży. Porównanie, którego chcą czytelnicy — dokładność kontra opóźnienie, OCR kontra OCR — nie może jeszcze zostać napisane po stronie MiniCPM, a tekst, który byłby nieuczciwy, to ten, który wypełnia miejsce arytmetyką liczby parametrów. Obserwuj README repozytorium. W dniu, w którym się pojawi, będzie zawierać licencję i pierwsze prawdziwe liczby, i tego dnia to stanie się prawdziwym bezpośrednim starciem, a nie specyfikacją obok produktu.

Hostowana połowa tego wzorca to decyzja o routingu, a nie druga umowa. cena katalogowa każdego dostawcy bez doliczanej przez nas marżyAni LFM2.5-VL 3B, ani MiniCPM-V 4.7 nie jest modelem hostowanym w OrcaRouter - oba to wagi, które obsługujesz samodzielnie.