MiniCPM-V 4.7 vs Gemma 4 12B: Um publica benchmarks, o outro publica uma imagem deles

Abra o model card do MiniCPM-V 4.7 e role até a seção de avaliação. Você encontrará três imagens: um gráfico de fronteira de desempenho versus tempo de inferência, uma comparação geral de visão-linguagem e uma comparação geral de linguagem. Você não encontrará uma tabela. Agora abra o card do Gemma 4 12B e role até o mesmo lugar. Você encontrará MMLU Pro, AIME 2026, LiveCodeBench v6, GPQA Diamond, Codeforces ELO, MMMU Pro, MATH-Vision e uma taxa de erro de parsing de documentos, cada um com um número que você pode copiar para uma planilha. Ambos os modelos são open-weight, ambos são Apache 2.0, ambos são posicionados como modelos multimodais que cabem no hardware que você possui — e apenas um deles permitirá que você verifique seu trabalho. As falhas documentadas de IA e os incidentes de agentes por trás de lançamentos como este estão reunidos em o OrcaRouter AI Incident Archive em que cada entrada traz suas próprias fontes, severidade, grau de confiança e sinalização de disputa.

Essa assimetria é a comparação real. O MiniCPM-V 4.7, lançado pela OpenBMB em 12 de outubro de 2026, e o Gemma 4 12B, lançado pelo Google DeepMind em 3 de junho de 2026, não são o mesmo tipo de objeto, e a diferença não está no tamanho. Está em quanto de sua própria alegação cada fornecedor está disposto a colocar em texto.

O que cada fornecedor lhe dirá, em números

A ficha do Gemma 4 12B publica suas pontuações em comparação com cinco irmãos e um predecessor, com o harness de avaliação indicado por benchmark. Especificamente para a variante 12B Unified, o fornecedor informa 77,2 no MMLU Pro, 77,5 no AIME 2026 sem ferramentas, 72,0 no LiveCodeBench v6, 78,8 no GPQA Diamond, um ELO no Codeforces de 1659, 69,0 no Tau2 com média de três execuções, 83,4 no MMMLU e — o número que enquadra com mais honestidade o que é um modelo de 12B — 5,2 no Humanity's Last Exam sem ferramentas. No lado da visão, informa 69,1 no MMMU Pro, 79,7 no MATH-Vision e 0,164 de distância média de edição no OmniDocBench 1.5, em que menor é melhor.

Esses são números do fornecedor. Ninguém que seja independente precisa concordar com eles e, num modelo tão amplamente implantado, alguns deles não sobreviverão ao contato com um harness diferente. Mas são falseáveis, que é a propriedade que importa. Se você tirar 62 no MMLU Pro na sua própria avaliação, você sabe que há algo errado com sua configuração ou com o cartão.

O card do MiniCPM-V 4.7 faz quatro afirmações numéricas em prosa e nenhuma tabela de benchmark. A variante 35B-A3B decodifica a 13 ou mais tokens por segundo usando cerca de 3 GB de memória em um iPhone 17 Pro Max. O Lookahead Expert Scheduling proporciona um ganho de velocidade de 5× em dispositivos reais. A variante 1B supera o Qwen3.5 0.8B na pontuação geral e na eficiência de inferência. E, no modo Instruct, o 35B-A3B alcança uma pontuação geral mais alta em menos tempo de inferência do que o Qwen3.6 35B-A3B. Todo o resto — cada eixo da comparação — está dentro das imagens dos gráficos.

Isso não é desonestidade. Gráficos carregam informação, e um gráfico de fronteira é, sem dúvida, um resumo melhor de um trade-off entre velocidade e qualidade do que uma tabela de pontuações em benchmarks diferentes medidos com tamanhos de lote diferentes. Mas um gráfico não pode ser citado, não pode ser rederivado e não pode ser comparado com o gráfico de outro fornecedor sem que alguém leia posições de pixels. Quando a única avaliação pública de um modelo é uma imagem, a postura correta é tratar o modelo como não medido até que alguém o meça.

As duas arquiteturas resolvem problemas diferentes

Vá além das seções de avaliação e os designs divergem nitidamente, o que é um sinal mais útil do que qualquer pontuação isolada.

O Gemma 4 12B não tem encoder. Não há uma torre de visão separada nem um encoder de áudio separado: patches brutos de imagem e formas de onda de áudio são projetados diretamente no espaço de embeddings do modelo de linguagem por meio de camadas lineares leves. O motivo declarado pelo Google é a latência e o ajuste fino em uma única passada — um modelo, um treinamento, todas as modalidades. A contrapartida é que a empresa aposta que um transformer somente decodificador pode aprender a ver bem o suficiente sem um front-end visual dedicado. Seu próprio número no MMMU Pro, 69,1, contra 76,9 do irmão de 31B que possui um encoder visual de aproximadamente 550M de parâmetros, sugere que a aposta custa algo em raciocínio visual refinado.

O MiniCPM-V 4.7 segue o caminho inverso. Ele mantém uma torre de visão dedicada — largura oculta de 1152, 27 camadas, tiles de 980 pixels — e investe sua engenharia em tornar essa torre barata. A compressão antecipada intra-ViT emprestada do LLaVA-UHD v4 reduz os tokens visuais dentro do encoder, e não depois dele, e um switch misto de downsampling 4×/16× permite ao solicitante escolher entre detalhe e custo por requisição. No lado da linguagem, o 35B-A3B é uma mistura de 256 especialistas que ativa 8 especialistas por token, organizada em um padrão 3:1 de atenção linear para atenção completa ao longo de 40 camadas.

A consequência prática desse design é que o caminho de vídeo do MiniCPM é incomumente explícito. A ficha expõe max_num_frames em 128, um parâmetro stack_frames que compõe subquadros em uma grade entre os quadros principais, e orientação separada de contagem de fatias para imagens (36) versus vídeo (1). Se você está construindo algo que lê gravações de tela ou vídeos de aula, esse nível de controle sobre o que é amostrado é o recurso. O Gemma 4 12B também lida com vídeo, como sequências de quadros, mas sua ficha documenta o formato em vez da economia da amostragem.

As linhas que realmente decidem isso

Parâmetros — 35,21B no total, 8 de 256 especialistas ativos, além de um irmão denso de 1,55B vs 11,95B denso

• Modalidades de entrada — texto, imagem, vídeo, com OCR e análise de PDF destacados vs texto, imagem, vídeo e áudio nativo

Contexto — 262.144 tokens vs 262.144 tokens no 12B, 128K nos modelos irmãos da série E

• Licença — Apache 2.0, pesos disponíveis para download vs Apache 2.0, pesos disponíveis para download

• Avaliação publicada — gráficos de fronteira e de comparação, quatro afirmações em prosa versus uma tabela numérica completa abrangendo oito modelos irmãos

• Avaliação independente — nenhuma entrada do Artificial Analysis para qualquer uma das variantes 4.7 até o momento desta redação, versus uma página do Artificial Analysis com posicionamento de inteligência e throughput

• Memória em BF16 — aproximadamente 70 GB de pesos para o 35B-A3B, cerca de 3,1 GB para o 1B vs aproximadamente 24 GB

• Formatos quantizados disponibilizados — GGUF, bitsandbytes, AWQ, GPTQ, FP8, int4 vs. o checkpoint upstream, além de builds GGUF e QAT da comunidade, do Google e de terceiros

• Caminhos de serving nomeados pelo fornecedor — SGLang, vLLM, llama.cpp, Ollama, Transformers, OpenVINO vs Transformers, com o ecossistema mais amplo fornecido pela comunidade

• Proposta on-device — aplicativos iOS, Android e HarmonyOS, além de suporte day-0 para Rockchip, Houmo, Intel, AMD e Arm, versus um design otimizado para laptops e GPUs de consumo

Três cargas de trabalho, três respostas

Compreensão de ecrãs e documentos em volume. É aqui que o design do MiniCPM-V 4.7 se concentra e onde a sua documentação é mais sólida. O modo de subamostragem de 4×, a definição de 36 fatias, as entradas do cookbook para OCR e análise de PDF e os controlos explícitos de amostragem de frames para vídeo descrevem todos um pipeline para converter conteúdo renderizado em texto estruturado. O Gemma 4 12B também é credível neste domínio — a sua distância de edição de 0,164 no OmniDocBench é um valor real de análise de documentos —, mas o cartão do fornecedor trata a análise de documentos como uma capacidade entre muitas, em vez de o princípio organizador.

Tudo o que precisa de ouvir.O Gemma 4 12B recebe áudio nativamente, com CoVoST em 38,5 e FLEURS em 0,069 na sua ficha técnica. O MiniCPM-V 4.7 não. O trabalho de áudio da OpenBMB está na linha separada MiniCPM-o, e a ficha do 4.7 não indica qualquer modalidade de áudio. Se a sua entrada inclui fala, a comparação termina antes de começar — um modelo precisa de uma etapa de transcrição à sua frente e o outro não.

Uma única GPU de consumidor com um orçamento fixo. O Gemma 4 12B em 4 bits cabe em menos de 8 GB e deixa espaço para contexto; o 35B-A3B em 4 bits não cabe em uma placa de consumidor, e a própria história de desempenho da placa dele é sobre celulares mantendo 3 GB residentes, não sobre uma GPU com 70 GB de pesos de especialistas para paginar. Se a restrição é "uma placa que você já possui", o 12B é a resposta e a variante 1B é o único MiniCPM que se aplica.

A diferença que um comprador deve precificar

Ambos os modelos podem ser baixados gratuitamente, então, no quesito licença, há um empate, e o custo real é tudo o que vem depois. Para o Gemma 4 12B, o ecossistema teve quatro meses e meio para se adaptar: versões quantizadas do próprio Google, conversões GGUF da comunidade, checkpoints QAT e indexação independente que permite compará-lo a cem outros modelos na mesma escala. Para o MiniCPM-V 4.7, você está há oito dias em uma nova arquitetura — um novo model_type, um novo layout de atenção, uma versão mínima do Transformers —, e o card do próprio fornecedor abre com uma nota sobre incompatibilidades de versão do CUDA que quebram a decodificação de vídeo via torchcodec.

Isso não é uma crítica ao modelo. É o custo padrão de adotar qualquer coisa nas primeiras duas semanas, e é por isso que um lançamento discreto com avaliação apenas por gráfico é um mau candidato para um caminho de produção e um bom candidato para um teste lado a lado. A forma de tornar esse teste barato é manter o sistema atual atendendo enquanto você avalia o novo, o que é um problema de roteamento, e não de modelagem.

OrcaRouter executa mais de 200 modelos hospedados por trás de um único endpoint compatível com OpenAI com 0% de markup, preço de tabela do provedor repassado diretamente, assim, o custo de experimentar um segundo modelo é uma mudança de configuração, e não um segundo contrato. Sua DSL de roteamento pode manter um primário e um fallback em uma única chamada, e o failover automático mantém o caminho primário ativo quando um provedor passa por um momento ruim. A nota de cobertura é a parte importante aqui: nosso catálogo inclui Gemma 4 26B-A4B e Gemma 4 31B, não este 12B, e não inclui o MiniCPM-V 4.7 de forma alguma. Ambos os modelos sobre os quais este artigo trata são checkpoints que você mesmo executa — o roteador é o que fica ao redor deles, não uma forma de chamá-los.

O que resolveria isso

A comparação está atualmente desequilibrada de um jeito fácil de enunciar e fácil de corrigir. O Gemma 4 12B tem números que dá para contestar. O MiniCPM-V 4.7 tem alegações que só se pode aceitar ou rejeitar: 13 tokens por segundo, 3 GB, aceleração de 5×, melhor que um concorrente identificado em uma pontuação geral não identificada. Cada uma delas seria mais útil como uma linha de tabela, e a OpenBMB é claramente capaz de produzir uma — as fichas técnicas anteriores da família traziam grades de benchmarks padrão.

A postura útil é assimétrica de propósito. Se você precisa de uma decisão esta semana, o Gemma 4 12B é o modelo cujo comportamento você consegue prever a partir de números publicados, e seu suporte a áudio é uma capacidade que nenhuma paciência acrescentará ao MiniCPM-V 4.7. Se você está desenvolvendo para celulares, para HarmonyOS, para uma placa Rockchip, ou para ler telas e documentos em que o caminho de downsample de 4× é exatamente o certo, a engenharia do MiniCPM-V 4.7 é mais específica para o seu problema do que qualquer coisa que o G​oogle tenha lançado nesse tamanho — e a tabela ausente é um motivo para você mesmo medir, em vez de um motivo para descartá-lo.

Uma última coisa que vale dizer sem rodeios, porque é a parte que não se encaixa no enquadramento de nenhum dos fornecedores. Nenhum desses modelos está competindo pelo mesmo comprador que uma API de fronteira. Eles estão competindo com a decisão de não executar nenhum modelo localmente. O argumento mais forte do Gemma 4 12B é que quatro meses de ecossistema significam que o caminho sem glamour funciona; o argumento mais forte do MiniCPM-V 4.7 é que um modelo de 1B com 3 GB roda em lugares onde um 12B não consegue ir. Escolha primeiro a restrição, depois o modelo — a tabela de benchmarks, quando chegar, só vai reorganizar modelos dentro de uma categoria que você já escolheu.