MiniCPM-V 4.7 kontra Qwen3.8-Omni-Flash: godzina wideo na telefonie czy jedno wywołanie z 1 mln tokenów

Dwa wydania odległe o sześć tygodni, z których oba twierdzą, że rozwiązują problem rozumienia wideo — i trudno o większą rozbieżność co do tego, gdzie powinna odbywać się ta praca. MiniCPM-V 4.7 35B-A3B od OpenBMB działa na telefonie, w około trzech gigabajtach, osiągając zgłaszane przez dostawcę ponad 13 tokenów na sekundę, i nie kosztuje nic za wywołanie, bo kalkulator masz w kieszeni. Qwen3.8-Omni-Flash od Alibaba przyjmuje tekst, obraz, dźwięk i wideo do jednego okna o milionie tokenów, do pełnej godziny ciągłego audio-wideo na wywołanie, i jest sprzedawany po 0,15 USD za milion tokenów wejściowych, z główną deklaracją, że dźwięk jest o 98% tańszy niż u poprzednika. Jeden optymalizuje pod urządzenie; drugi optymalizuje pod okno kontekstu. Dla zespołu, który ma materiał filmowy do przetworzenia, ta różnica decyduje o architekturze, zanim zrobi to jakikolwiek benchmark. Qwen3.8-Flash jest w katalogu po 0,15 USD za milion tokenów wejściowych. Sprawdź modele Qwen dostępne w routingu Jeden klucz, cena listowa przekazywana bez marży, automatyczne przełączanie awaryjne między dostawcami. Udokumentowane awarie systemów AI i incydenty z agentami, które stały za takimi wydaniami jak to, są zebrane w Archiwum incydentów AI OrcaRouter gdzie każdy wpis zawiera własne źródła, poziom dotkliwości, ocenę wiarygodności i oznaczenie sporności.

Dwa różne zakłady o to, gdzie trafiają piksele

MiniCPM-V 4.7 35B-A3B to rzadki model językowo-wizyjny typu mixture-of-experts: łącznie 35,2 mld parametrów, około 3 mld aktywnych na token, licencja Apache-2.0, wejście i wyjście tekstowe oraz wejście obrazowe, wieloobrazowe i wideo. Trafił na Hugging Face 6 i 7 października 2026 r., kartę modelu otrzymał 12 października, a 10 października został scalony z upstream llama.cpp. Założenie inżynieryjne jest takie, że większość pracy wizualnej ma rutynowy charakter, odbywa się tam, gdzie jest kamera, i nigdy nie powinna opuszczać urządzenia: mieszana kompresja tokenów wizualnych 4x/16x, strumieniowanie ekspertów oraz fork, który łączy planowanie ekspertów z wyprzedzeniem, mieszaną precyzję i dekodowanie spekulatywne, aby osiągnąć opublikowany wynik 20,51 tokena na sekundę na iPhone 18 Pro Max.

Qwen3.8-Omni-Flash to natywny model omnimodalny Alibaby, udostępniony klientom API 18 września 2026 r. z hasłem „Omni Senses. Agentic Delivery.”. Milion tokenów kontekstu, około 991 tys. maksymalnego wejścia, 131 tys. maksymalnego wyjścia, budżet rozumowania sięgający 262 tys. oraz do godziny ciągłego audio lub audio-wideo w jednym wywołaniu. Dane wejściowe obejmują tekst, obraz, dźwięk i wideo — w tym dźwięk przestrzenny stereo i czterokanałowy. Dane wyjściowe to wyłącznie tekst. Jest udostępniany na platformie Qianwen firmy Alibaba oraz w Alibaba Cloud Model Studio pod identyfikatorem API qwen3-8-omni-flash; wagi nie są udostępniane.

• Gdzie działa — MiniCPM-V 4.7 35B-A3B: Twoje urządzenie, iOS, Android, HarmonyOS lub GPU przy biurku. Qwen3.8-Omni-Flash: API Alibaba, wyłącznie hostowane.

• Struktura kosztów — MiniCPM-V 4.7 35B-A3B: sprzęt plus energia elektryczna; pobranie 21.2 GB Q4_K_M. Qwen3.8-Omni-Flash: $0.15 za milion tokenów wejściowych, $0.016 za tokeny z pamięci podręcznej, $0.47 za tokeny wyjściowe.

• Multimedia na wywołanie — MiniCPM-V 4.7 35B-A3B: ograniczone pamięcią urządzenia i budżetem próbkowania, jedno zapytanie naraz. Qwen3.8-Omni-Flash: do godziny ciągłego audio-wideo.

• Wynik — oba wyłącznie tekst. Żaden model nie mówi.

• Licencja — Apache-2.0 kontra hostowane API bez wag.

98% to twierdzenie o kosztach; minuty są prawdziwym porównaniem

Nagłówek Alibaby mówi, że godzina wejścia audio kosztuje o 98% mniej niż w Qwen3.5-Omni-Plus, a godzina połączonego audio i wideo — o 93% mniej. Liczbę tę uzyskano, wyceniając dwuminutową próbkę i mnożąc ją przez trzydzieści, przy wideo próbkowanym w 720p i jednej klatce na sekundę — to zasadny sposób podawania obciążenia produkcyjnego, a zarazem opis tego, na co model ma patrzeć. Jedna klatka na sekundę wystarcza, by wiedzieć, co powiedziano, i z grubsza, co się wydarzyło. To zdecydowanie za mało, by analizować operacje na poziomie klatek albo wychwycić artefakt w pojedynczej klatce.

Przeprowadź tę samą kalkulację dla modelu na telefonie, a kształt decyzji staje się jasny. Godzina materiału przy jednej klatce na sekundę to 3 600 obrazów. Na urządzeniu dekodującym od 13 do 20 tokenów na sekundę to nie jest zadanie na jedno wywołanie; to zadanie wsadowe, próbkowane, z podsumowywaniem na bieżąco, a koszt to godziny czasu zegarowego na sprzęcie, który już posiadasz. Przez API A​libaba ta sama godzina to jedno wywołanie w oknie miliona tokenów, wyceniane w tokenach i zwracane w czasie, jaki zajmie endpointowi. Żadne z nich nie jest darmowe i nie są to te same waluty.

O przejściu decydują wolumen i prywatność, a nie dokładność. Klinika, która nie może pozwolić na to, by klatki opuszczały budynek, ma jedną opcję. Zespół monitoringu mediów z tysiącem godzin miesięcznie ma drugą, bo próbkowanie tysiąca godzin na telefonach to zakup sprzętu i problem z harmonogramem, podczas gdy tysiąc jednogodzinnych wywołań to jedna pozycja w budżecie. Między tymi biegunami liczby zaczynają być ciekawe: cena Q​wen jest wystarczająco niska, że sto godzin przeglądu to kilkaset dolarów, a nie kilka tysięcy, czyli przedział, w którym „po prostu wyślij to do API” przestaje wydawać się marnotrawstwem.

W czym każdy z nich faktycznie jest dobry, sądząc po dowodach

Wszystkie liczby premierowe Qwen3.8-Omni-Flash są porównywane z jednym punktem odniesienia — Qwen3.5-Omni-Plus — a średnia poprawa w około trzydziestu ewaluacjach przekracza 26%. Największe zmiany to WildClawBench-MM na poziomie 71,0, czyli o 36,5 punktu więcej, oraz diaryzacja mówców na AliMeeting, gdzie wskaźnik błędów spada z 88,11 do 3,35, a cpWER z 89,61 do 17,18. Delta tej wielkości zasługuje na wnikliwą analizę, a nie na aplauz; chińska analiza techniczna dotycząca premiery przypisuje jej dużą część inżynierii front-endu i diaryzacji obudowującej model, a nie rozumowaniu modelu, i ostrzega, że system sprawia wrażenie wyspecjalizowanego w słuchaniu, ze słabszym głębokim rozumowaniem wideo. To interpretacja krytyka, nie replikacja, ale to właściwy instynkt. Wszystkie te liczby pochodzą od samej firmy Alibaba i żadna nie została niezależnie odtworzona.

Dowody MiniCPM-V 4.7 są cieńsze w inny sposób: pięć wykresów ewaluacyjnych, brak tabeli liczbowej i dwa porównania kierunkowe — wyższy wynik ogólny przy krótszym czasie wnioskowania niż Qwen3.6 35B-A3B oraz znaczne zyski w stosunku do Qwen3.5 0.8B dla modelu siostrzanego 1B. Faktami odtwarzalnymi są te z config.json i listingu plików: łącznie 35,2B, 256 ekspertów z 8 aktywnymi, maksymalna pozycja 262 144 tokenów, 27-warstwowa wieża wizyjna, Apache-2.0 i plik do pobrania Q4_K_M o rozmiarze 21,2 GB. Odczytywaj twierdzenia o przepustowości jako pomiary dostawcy na sprzęcie, którego nie miałeś w rękach, a twierdzenia o dokładności jako nieaudytowane — dokładnie w taki sposób przedstawia je OpenBMB.

Jedno ich łączy: brak niezależnej tabeli wyników. W chwili pisania żaden z modeli nie widnieje w neutralnym rankingu strony trzeciej z audytowanym wynikiem multimodalnym. Porównywanie ich na podstawie „benchmarków” oznaczałoby zatem zestawienie wykresu jednego dostawcy z wykresem innego dostawcy i nazwanie wyniku pomiarem. Nie rób tego.

Próbkowanie agentowe a próbkowanie stałe

Najciekawsza różnica techniczna to nie rozmiar ani szybkość — lecz to, kto decyduje, na co patrzeć.

Qwen3.8-Omni-Flash wprowadza to, co A​libaba nazywa trybem Agentic Understanding, w którym model sam wybiera, co sprawdzić, zamiast przetwarzać każdą klatkę, gromadząc dowody w rundach od zgrubnych do szczegółowych. W OmniVideoBench ten tryb podnosi dokładność z 63,4 do 67,8, jednocześnie zmniejszając liczbę tokenów na zapytanie ze 145 736 do 79 117 — redukcja o 45,7%. Jednoczesny wzrost dokładności i spadek kosztów to najmocniejsza teza tego wydania i ta, która najbardziej bezpośrednio wspiera argumentację na rzecz podejścia agentowego.

Odpowiednikiem MiniCPM-V 4.7 jest statyczny wybór dokonywany dla każdego obrazu: domyślnie kompresja 16x, a 4x, gdy liczą się szczegóły. Model nie decyduje o przyjrzeniu się bliżej; decyduje o tym wywołujący, przekazując inne ustawienie. To właściwa konstrukcja dla urządzenia o stałym budżecie energetycznym i niewłaściwa dla godzinnego wideo, w którym interesujące dziewięćdziesiąt sekund pozostaje niezapowiedziane.

Pytanie o routing, przedstawione uczciwie

Żaden z modeli nie jest obsługiwany przez OrcaRouter. MiniCPM-V 4.7 35B-A3B to checkpoint, który hostujesz; Qwen3.8-Omni-Flash działa na własnych platformach A​libaba i również nie ma go w naszym katalogu. W tej architekturze warstwa routingu przydaje się na styku obu modeli: decyduje przy każdym żądaniu, czy klip jest wystarczająco rutynowy dla modelu lokalnego, czy wystarczająco długi, by uzasadnić wywołanie hostowane, oraz przełącza się na zapas, gdy strona hostowana zawodzi.

OrcaRouter udostępnia ponad 200 modeli hostowanych pod jednym kluczem i przekazuje cennikową cenę dostawcy bez marży (0%), więc obniżka ceny przez dostawcę — taka, jaką Alibaba właśnie wprowadziła w audio — trafia na Twoją fakturę tego samego dnia, a nie dopiero przy odnowieniu. Automatycznie przełącza też ruch między dostawcami w razie awarii, co ma większe znaczenie w przypadku hostowanego modelu omni niż w przypadku telefonu: telefon nie ma awarii, a API ma. W naszym katalogu jest już jedno weryfikowalne porównanie: Qwen3.8-Flash, model multimodalny, obok którego powstawał ten wariant omni, jest dostępny w routingu za 0,15 USD za milion tokenów wejściowych i 0,47 USD za tokeny wyjściowe — to ta sama cena cennikowa, jaką Alibaba podaje dla nowego modelu omni.

Wybór, w jednym akapicie

Wybierz MiniCPM-V 4.7 35B-A3B, gdy klatki nie mogą opuścić urządzenia, gdy obciążenie to wiele krótkich spojrzeń, a nie kilka długich, gdy działanie offline jest wymogiem albo gdy to koszt za wywołanie rujnuje Twoją ekonomikę jednostkową. Wybierz Qwen3.8-Omni-Flash, gdy dane wejściowe są długie, modalności są mieszane — audio, wideo i slajdy w jednym wywołaniu — i wolisz płacić za token niż budować potok próbkowania. Wybierz oba, gdy masz warstwę telefoniczną filtrującą rutynowe dziewięćdziesiąt procent i warstwę API pochłaniającą godzinne przypadki, i zaakceptuj, że utrzymujesz teraz dwa formaty promptów, dwie polityki próbkowania i jedną bardzo wyraźną granicę, określającą, które klatki mogą ją przekroczyć.