LFM3-VL-2B vs MiniCPM-V 4.7 1B: A diferença de 14 pontos que cai para 4 quando você desativa o raciocínio

A diferença de maior impacto entre LFM3-VL-2B e MiniCPM-V 4.7 1B não está em nenhuma das tabelas de benchmark. Está na linha da licença. O modelo da OpenBMB é Apache 2.0. O da Liquid AI é a LFM Open License v1.0, que traz condições comerciais em vez de termos permissivos simples. Fora isso, os dois modelos têm tamanhos próximos o suficiente para serem substitutos diretos — 1,92B contra 1,55B — e chegaram com três semanas de diferença um do outro: MiniCPM-V 4.7 1B foi publicado no Hugging Face em 6 de outubro e datado de 12 de outubro nas notas de lançamento do fornecedor, enquanto LFM3-VL-2B estava em um repositório público desde 19 de outubro e foi anunciado em 27 de outubro. Na própria suíte de 62 benchmarks da Liquid, o novo modelo tem média de 71,4 contra 57,5, uma diferença de 13,9 pontos que cai para 4,6 pontos no momento em que você desativa o raciocínio no modelo da Liquid.

Dois modelos na mesma classe de peso, sob regras diferentes

O MiniCPM-V 4.7 1B é o menor dos dois, com cerca de 370 milhões de parâmetros a menos. Ele combina uma torre de visão no estilo SigLIP com uma espinha dorsal de linguagem derivada do Qwen3.5, usa compressão de tokens visuais de 4× ou 16× selecionável por solicitação e afirma ter uma janela de contexto de 256K na documentação do fornecedor. É distribuído em versões BF16, int4, AWQ, GPTQ e GGUF, com um modelo draft DSpark dedicado para decodificação especulativa.

O LFM3-VL-2B combina o modelo de linguagem LFM3-1.7B com um novo codificador de visão interno de 164M e um projetor de 25M, com um contexto documentado de 128K, entrada de vídeo a 2 quadros por segundo e um modo sem pensamento documentado.

• Parâmetros — 1,92B para o LFM3-VL-2B vs 1,55B para o MiniCPM-V 4.7 1B, segundo a documentação da OpenBMB; o selo de tamanho do modelo do Hugging Face arredonda este último para 2B.

• Licença — LFM Open License v1.0 vs Apache 2.0.

• Contexto — 128K tokens vs. 256K alegados, embora configurações de inferência normalmente definam o teto muito mais baixo.

• Caminho de visão — um codificador interno de 164M com um token por bloco de patch 2×2, frente a uma torre no estilo SigLIP com compressão de 4×/16×.

• Vídeo — 2 quadros por segundo, primeiro modelo de visão LFM a aceitar vídeo vs suportado, com números de LongVideoBench e MotionBench publicados pelo fornecedor.

• Modo de raciocínio — disponível e medido nos dois sentidos vs disponível e utilizado na execução do benchmark.

• Média do fornecedor na suíte de 62 benchmarks da Liquid — 71,4 com raciocínio, 62,1 sem raciocínio, vs. 57,5.

A diferença agregada é de 13,9 pontos. Leia a nota de rodapé primeiro.

A tabela da Liquid é o único artefacto que avalia ambos os modelos nos mesmos 62 benchmarks com a mesma normalização, e é a razão pela qual esta comparação pode sequer ser feita. A própria ficha da OpenBMB não faz benchmark contra o LFM3-VL-2B, que não existia quando o MiniCPM-V 4.7 1B foi lançado.

A nota de rodapé que importa: o modo de raciocínio foi usado em todos os modelos da tabela, exceto no LFM2.5-VL-3B, que não o suporta, e na configuração sem raciocínio (no-thinking) do LFM3-VL-2B. Assim, 71,4 e 57,5 são ambas pontuações com raciocínio habilitado, o que torna a comparação mais justa do que o confronto com o LFM2.5. Ambos os modelos estão sendo medidos na sua melhor configuração, nos mesmos instrumentos, pelo mesmo laboratório.

Justo não é o mesmo que independente. A Liquid escolheu os benchmarks e os executou. A tabela é incomumente completa — inclui linhas no nível de categoria e por benchmark, e nomeia cada concorrente —, mas nenhum terceiro reproduziu qualquer parte dela.

Desligue o raciocínio e o 1B vence 24 de 62.

O LFM3-VL-2B publica uma segunda pontuação para os mesmos pesos com o raciocínio desativado. Essa coluna é a interessante, porque mostra de onde o agregado de 13,9 pontos realmente vem. Sem raciocínio, o LFM3-VL-2B vence em 35 benchmarks, o MiniCPM-V 4.7 1B vence em 24, e 3 empatam. A diferença média cai para 4,6 pontos.

Mais impressionante é o que o 1B vence nessa configuração. Ele leva a maior parte do conjunto de raciocínio matemático e de gráficos, muitas vezes por uma margem ampla.

• We-Math (testmini, strict) — 47,8 para o MiniCPM-V 4.7 1B vs 20,1 para o LFM3-VL-2B sem raciocínio, e 68,6 com raciocínio.

• LogicVista — 46,1 vs 30,2 sem raciocínio, 60,4 com raciocínio.

• MathVista (mini) — 71,2 vs 68,5 sem pensamento, 84,2 com pensamento.

• ChartQA (teste) — 88,8 vs 81,4 sem pensamento, 92,7 com pensamento.

• CharXiv (descritivo) — 73,4 vs 65,5 sem raciocínio, 87,5 com raciocínio.

• DynaMath — 63,8 vs 57,7 sem raciocínio.

• MMMU (val) — 51,0 vs 48,6 sem raciocínio, 55,7 com raciocínio.

O resultado do We-Math é aquele sobre o qual vale a pena parar: uma vantagem de 27,7 pontos para o 1B quando nenhum dos modelos pode raciocinar — e uma vantagem de 20,8 pontos para o LFM3-VL-2B no momento em que pode. O We-Math é um benchmark de precisão rigorosa em matemática visual de várias etapas, e a pontuação não muda gradualmente entre os dois modelos. Ela inverte. Essa é a ilustração única mais clara na tabela do que o modo de raciocínio está proporcionando.

A tradução prática: se você desativar o raciocínio para reduzir a latência e sua carga de trabalho envolver números em gráficos ou diagramas, a vantagem agregada do modelo maior não protege você. O 1B é a melhor ferramenta.

Onde o LFM3-VL-2B vence independentemente do modo

O inverso também é verdadeiro, e as categorias são igualmente concretas. Cinco delas são quase unilaterais mesmo na coluna “sem pensar”.

• Compreensão de GUI — 83,1 com raciocínio, 81,5 sem raciocínio, contra 45,3 do MiniCPM-V 4.7 1B. O ScreenSpot-Pro é 55,5 contra 4,9; o ScreenSpot-v2 Desktop é 94,6 contra 51,5.

• Ancoragem visual — 77,3 com raciocínio, 72,6 sem raciocínio, contra 51,1. RefCOCO-avg fica em 90,5 contra 86,3.

• Raciocínio corporificado — 64,4 com pensamento, 57,9 sem pensamento, contra 45,3.

• Agentic — 42,5 com raciocínio, 32,9 sem raciocínio, contra 16,9. A categoria mais fraca para todos os quatro modelos da tabela, e a maior diferença relativa entre esses dois.

• Multilíngue — 84,4 com raciocínio, 76,2 sem raciocínio, vs. 77,4. A única categoria em que o modelo Liquid sem raciocínio perde para o 1B.

O ScreenSpot-Pro, com 55,5 contra 4,9, é a maior diferença isolada entre os dois modelos em qualquer um dos 62 benchmarks. Se você está construindo automação de UI, não há decisão a tomar aqui; se está construindo um tutor de matemática, o ranking se inverte. Uma média de 13,9 pontos é um artefato de se calcular a média de duas populações que se comportam de maneira muito diferente.

Dois harnesses, dois números para o mesmo benchmark

Esta é a parte que torna a comparação entre fornecedores traiçoeira, e ela merece sua própria seção porque ambos os fornecedores publicam números para benchmarks com o mesmo nome.

A OpenBMB relata MathVista 74,3 para o MiniCPM-V 4.7 1B em sua própria página. A reexecução da Liquid do mesmo modelo no mesmo benchmark nomeado relata 71,2. A OpenBMB relata OCRBench 86,1; o harness da Liquid relata OCRBench v1 em 82,1. Nenhum dos laboratórios está mentindo. Eles estão executando diferentes formatos de prompt, diferentes regras de extração de resposta ou diferentes subconjuntos, e as diferenças resultantes de 3,1 e 4,0 pontos são variância comum de harness.

A consequência é que você não pode pegar o 74,3 da OpenBMB e subtrair o 68,5 da Liquid — a pontuação do MathVista sem raciocínio do LFM3-VL-2B — para chegar a uma vantagem de 5,8 pontos. Essa era uma leitura defensável antes de 27 de outubro, quando o único benchmark compartilhado entre o MiniCPM-V 4.7 1B e o LFM2.5-VL-3B foi medido em dois harnesses diferentes. Ela não é defensável agora que a Liquid publicou os dois modelos em uma única tabela. Use a tabela e trate cada número da página do fornecedor como pertencente ao seu próprio instrumento.

O empate que resolve discretamente uma antiga discussão

Dentro dessa mesma tabela há um resultado que ninguém em nenhuma das duas empresas divulgou. O MiniCPM-V 4.7 1B tem média de 57,5 nos 62 benchmarks. O LFM2.5-VL-3B tem média de 57,6.

A página de produto da OpenBMB afirma que o modelo 1B supera o LFM2.5-VL-3B em OCR, raciocínio com gráficos e compreensão de vídeo. Na suíte da Liquid, essa afirmação está meio certa e meio errada, e o agregado é um empate absoluto:

• Documento, OCR e gráfico — 73,0 para MiniCPM-V 4.7 1B vs. 71,2 para LFM2.5-VL-3B. Afirmação sustentada, por margem estreita.

• Vídeo — 53,7 vs 41,3. Afirmação corroborada, de forma decisiva.

• Matemática — 51,8 vs 40,6. Afirmação corroborada e não mencionada na afirmação original.

• Ancoragem visual — 51,1 vs 68,3. A afirmação falha gravemente.

• Compreensão de GUI — 45.3 vs 66.0. A afirmação falha drasticamente.

• Agentic — 16.9 vs 21.1. A alegação falha.

Então, um modelo Apache 2.0 de 1,55B iguala um modelo de 3,1B de um laboratório bem financiado em uma suíte compartilhada de 62 benchmarks, e o faz vencendo algumas categorias de forma decisiva e perdendo outras de forma decisiva. Esse é um resultado real sobre densidade de capacidade e também um alerta sobre o que uma média esconde. O que traz a comparação de volta ao LFM3-VL-2B: o modelo que supera ambos é aquele cujo modo de raciocínio eleva suas categorias mais fracas, não o que é uniformemente melhor.

Licença, downloads e o que você realmente pode entregar

A diferença de licença decidirá mais implantações do que qualquer linha acima. A Apache 2.0 não exige conversa com uma equipe jurídica. A LFM Open License v1.0 traz condições comerciais e, embora seja aberta o suficiente para que a Liquid distribua todos os modelos da família sob ela, não é a mesma permissão.

A adoção conta uma história semelhante. No Hugging Face, o MiniCPM-V 4.7 1B acumulou cerca de 155.000 downloads e pouco mais de 400 curtidas desde 6 de outubro. O LFM3-VL-2B, no momento em que escrevo, está com algumas centenas de downloads e 16 curtidas, tendo estado público por nove dias e sido anunciado há apenas um. As contagens de downloads são um sinal ruidoso — pipelines de CI e espelhos de quantização as inflam —, mas uma diferença de três ordens de magnitude não é ruído. Isso reflete que um modelo tem um mês de ferramentas, tutoriais e quantizações da comunidade por trás dele, e o outro tem um dia.

O ferramental segue o mesmo padrão. O MiniCPM-V 4.7 1B lista Transformers, SGLang, vLLM, llama.cpp, Ollama e OpenVINO, além de aplicativos nativos para iOS, Android e HarmonyOS. O LFM3-VL-2B tem SGLang no lançamento, pesos GGUF disponíveis e suporte a llama.cpp ainda em revisão — sem entrada de vídeo na implementação pendente, conforme seu próprio card.

Qual modelo para qual tarefa

• automação de UI, leitura de tela, percepção robótica — LFM3-VL-2B, sem hesitação, e o modo sem pensamento dá conta. ScreenSpot-Pro em 55,5 contra 4,9 não é uma margem que dá para contornar com engenharia.

• Raciocínio em gráficos, matemática visual, questões de diagramas — MiniCPM-V 4.7 1B se você estiver executando sem raciocínio, e uma competição de verdade se não estiver. Teste o We-Math com seus próprios dados; uma diferença de 27,7 pontos sem raciocínio é o tipo de coisa que aparece imediatamente em produção.

• Vídeo longo — mais próximo do que as médias da categoria sugerem. O LFM3-VL-2B lidera a categoria Vídeo por 61,2 a 53,7, mas o MiniCPM-V 4.7 1B na verdade vence o Video-MMMU por 50,1 a 49,6 mesmo contra a configuração de raciocínio.

• Qualquer coisa que precise passar pelo jurídico sem revisão — MiniCPM-V 4.7 1B, apenas com Apache 2.0.

• Qualquer coisa que precise de uma pilha de inferência madura hoje — MiniCPM-V 4.7 1B, pelas próximas semanas, no mínimo, até que o llama.cpp incorpore o suporte ao LFM3-VL.

Onde um roteador se encaixa quando nenhum dos dois modelos está nele

Nenhum desses checkpoints está no catálogo do OrcaRouter; ambos são pesos que você baixa, quantiza e executa. O uso interessante de uma camada de roteamento aqui não é servi-los, mas sim compor em torno deles. Fusão de modelospermite que um painel de modelos responda à mesma pergunta em conjunto, e um especialista local de 1,55B em matemática visual combinado com um modelo hospedado que é mais forte nas categorias em que ele perde — grounding, trabalho agêntico — é uma configuração que supera qualquer um dos modelos isoladamente. A DSL de roteamento é como você expressa qual perna cuida de qual pergunta sem reescrever a aplicação toda vez que um checkpoint é lançado.

O resumo honesto é que o número de destaque de 13,9 pontos é real, medido no harness de um laboratório, e enganoso como decisão de compra. O LFM3-VL-2B é o melhor modelo para telas e grounding por uma margem que nada mais na sua classe de tamanho chega perto. O MiniCPM-V 4.7 1B é o melhor modelo para matemática visual sem raciocínio, é distribuído sob uma licença que não exige negociação e empata com um modelo duas vezes maior na mesma suíte. A resposta certa depende de qual dessas frases descreve sua carga de trabalho — e a média de nenhum dos fornecedores dirá isso a você.