MiniCPM-V 4.7 35B-A3B vs InternLumina U2: Duas Naves Silenciosas, Duas Respostas Opostas

Nem o MiniCPM-V 4.7 35B-A3B nem o InternLumina-U2 foram anunciados quando os seus pesos apareceram. Ambos são de pesos abertos, ambos vieram de laboratórios chineses, ambos são o maior lançamento multimodal que a sua equipe disponibilizou este ano, e ambos chegaram ao hub sem post de blog, sem keynote e sem dia de lançamento. É aí que a semelhança acaba. O MiniCPM-V 4.7 35B-A3B lê imagens e responde em texto; o InternLumina-U2 lê imagens, responde em texto e também desenha novas, edita-as e renderiza ativos 3D. Um foi criado para ser pequeno o suficiente para caber num telefone; o outro são 16 bilhões de parâmetros de pesquisa em difusão que não caberão nem de longe num telefone. Lidos lado a lado, não são duas entradas na mesma categoria — são duas respostas diferentes à pergunta sobre para que serve um modelo de visão-linguagem, publicadas com cinco semanas de diferença entre si sem ninguém observando.

O que é possível saber aqui divide-se de forma clara. Tudo sobre o lado do MiniCPM abaixo vem do repositório, do card do modelo e do arquivo de configuração, todos acessíveis a qualquer pessoa. Tudo do lado do InternLumina vem do próprio card do modelo do laboratório e da árvore de arquivos que ele publicou; a própria seção de benchmarks do card está rotulada como "Resultados preliminares, parciais" e não traz nenhum número. Nenhum dos modelos foi avaliado de forma independente, e nada neste texto é um lançamento: a OpenBMB só chamou o MiniCPM-V 4.7 de lançamento em 12 de outubro, e, pelo que o registro público mostra, o Shanghai AI Laboratory ainda não chamou o InternLumina-U2 de lançamento.

Dois navios silenciosos, separados por cinco semanas

A pasta MiniCPM-V 4.7 apareceu pela primeira vez no Hugging Face em 6 de outubro de 2026; o hub agora informa uma data e hora de criação de 7 de outubro, e o repositório foi alterado pela última vez em 12 de outubro. O repositório InternLumina-U2 foi criado em 1º de setembro. Nenhuma das datas vem acompanhada de um anúncio. Mas as duas envelheceram de forma diferente desde então, e a diferença é a coisa mais útil nesta comparação.

O InternLumina-U2 foi lançado em 1 de setembro apenas como código. Essa versão era um harness de inferência, um README e uma promessa — os pesos estavam "em breve", o repositório do Hugging Face continha um único arquivo .gitattributes, e o relatório técnico estava marcado como em preparação. Isso já não é verdade. O repositório agora contém dois checkpoints completos específicos para hardware, um em ascend/ e um em nvidia/, cada um com sete shards de safetensors, seu próprio módulo de código remoto, um plano paralelo e um tokenizer. Os pesos chegaram discretamente e ninguém atualizou a história. No momento em que escrevo, o repositório tem 16 curtidas e zero downloads registrados, e o relatório técnico ainda não foi divulgado.

O MiniCPM-V 4.7 seguiu na direção oposta. Ele chegou em outubro como pesos sem ficha do modelo — a pasta não tinha README, nem etiqueta de licença nem benchmarks, que é exatamente o que nosso artigo anterior registrou. Dez dias depois, ele tem todas as três primeiras coisas e ainda nenhuma da última: uma licença Apache-2.0, uma ficha completa com guias de uso e uma seção de alegações com números nela, mas nenhuma tabela de avaliação que um leitor possa citar. Portanto, o resumo preciso de ambos é que a documentação chegou depois que os pesos chegaram, nos dois casos, sem nenhum anúncio no meio.

O que o InternLumina-U2 realmente é

O cartão descreve um modelo de mistura de especialistas de 16B parâmetros com 1B parâmetros ativos — escrito como 16B-A1B — construído como um modelo de linguagem grande de difusão com múltiplos codebooks. A frase que importa é "totalmente discreto": a aposta central do InternLumina-U2 é que linguagem e visão devem compartilhar um único vocabulário de tokens em vez de viverem em pilhas separadas de compreensão e geração, e que o gargalo em modelos unificados anteriores era o próprio vocabulário visual. Sua resposta é uma representação visual discreta de oito codebooks construída sobre o AToken, que é o que permite que os mesmos pesos tanto interpretem uma imagem quanto sintetizem uma.

O âmbito é amplo por conceção: QA de texto, geração de texto para imagem até 1024×1024, compreensão de imagens em imagens naturais e gráficos densos, edição de imagens baseada em instruções com um modo dual-CFG opcional, compreensão de vídeo em fotogramas amostrados e compreensão 3D em recursos GLB e GLTF. O percurso 3D é o mais atípico e o mais interessante — os recursos são renderizados em vistas de cor e profundidade através de um pipeline Blender incluído antes da tokenização, o que é uma forma engenhosa de reutilizar um modelo de imagem para geometria sem lhe ensinar geometria.

Dois detalhes de engenharia merecem destaque porque são incomuns. Primeiro, ambos os checkpoints ficam em um único repositório, divididos por acelerador: uma build Ascend treinada em NPUs da Huawei e uma build NVIDIA treinada em GPUs. Isso é uma proteção deliberada contra restrições de exportação e fornecimento, e significa que "qual checkpoint" é uma pergunta que usuários do InternLumina-U2 precisam responder antes de qualquer outra coisa. Segundo, o card afirma que o modelo é Apache-2.0 sem ressalvas — genuinamente permissivo, em contraste com vários lançamentos multimodais de 2026 que foram distribuídos sob termos apenas para pesquisa.

O que é agora o MiniCPM-V 4.7 35B-A3B

O cartão o chama de primeiro MoE da série MiniCPM-V, e o arquivo de configuração confirma isso: 256 especialistas com 8 ativos por token, 40 camadas, uma janela de contexto de 262.144 tokens e um vocabulário de 248.144 tokens. A visão passa por um módulo SigLIP2 com compressão antecipada intra-ViT do LLaVA-UHD v4 e um modo misto de compressão de tokens 4x/16x — o padrão 16x para vazão, 4x quando você precisa de detalhes finos, selecionado no momento da chamada. Ele entende imagens únicas, conjuntos de várias imagens e vídeo; responde em texto; não gera imagens.

A alegação que a OpenBMB faz em negrito é que este é o primeiro modelo MoE de código aberto com inferência local sem perdas e fluida, alcançada por meio de três técnicas nomeadas: Lookahead Expert Scheduling, quantização refinada camada a camada, e amostragem especulativa por meio dos rascunhos separados do DSpark. O número associado a ela é de mais de 13 tokens por segundo em um iPhone 17 Pro Max. Esse número é relatado pelo fornecedor, não reproduzido e não qualificado — sem formato de quantização, sem build, sem prompt, sem metodologia de medição. O cartão também afirma que, no modo Instruct, o modelo obtém uma pontuação geral mais alta do que o Qwen3.6 35B-A3B em menos tempo de inferência, e essa afirmação está dentro de uma imagem de gráfico em vez de uma tabela, o que significa que não pode ser citada como um número e não deve ser tratada como tal.

O que não é uma alegação é o trabalho de distribuição, e é a razão prática para se importar. Os pesos Base, FP8, int4, AWQ, GPTQ e GGUF existem; SGLang, vLLM, llama.cpp, Ollama e OpenVINO são suportados com entradas day-zero; aplicativos iOS, Android e HarmonyOS existem no repositório MiniCPM-V-Apps; e Rockchip, Houmo, Intel, AMD e Arm estão todos listados como silício day-zero. Há seis semanas, a crítica a este modelo era que ele era um checkpoint indocumentado. Essa crítica agora está desatualizada — é um checkpoint documentado sem benchmarks, o que é um problema diferente e menor.

Os dois, dimensão por dimensão

• O que ele faz com uma imagem — MiniCPM-V 4.7 35B-A3B lê e responde em texto; InternLumina-U2 lê, responde em texto, gera uma nova, edita uma existente e interpreta ativos 3D.

• Arquitetura — um MoE esparso autorregressivo de 35,2B parâmetros com 3B ativos, contra um modelo de difusão discreta multi-codebook 16B-A1B. Famílias diferentes, não tamanhos diferentes de uma mesma família.

• Modalidades em — texto, imagem e vídeo versus texto, imagem, vídeo e 3D.

• Modalidades de saída — apenas texto versus texto mais imagens geradas e imagens editadas.

• Tamanho dos pesos — cerca de 70 GB de BF16 distribuídos em 16 shards, em comparação com sete shards por build de hardware, publicado duas vezes.

• Licença — Apache-2.0 em ambos. Esta é a única dimensão em que os dois concordam genuinamente, e isso importa, porque uma licença permissiva num modelo de geração desta escala não é comum.

• Cenário de implantação — builds quantizados, apps móveis e cinco runtimes de inferência versus um módulo de código remoto e um shell script, divididos por acelerador.

• Evidência pública — um cartão de alegações de fornecedor sem tabela de avaliação, versus um cartão que rotula explicitamente sua seção de benchmark como preliminar e não imprime nada nela.

A diferença entre eles não é de qualidade, é de espécie.

Seria satisfatório declarar um vencedor, e seria desonesto. Não há um benchmark compartilhado entre esses dois modelos, nenhum terceiro executou qualquer um deles, e a própria tabela de avaliação do MiniCPM-V 4.7 não existe, enquanto a do InternLumina-U2 está explicitamente marcada como parcial. Qualquer pessoa que os ranqueie hoje está ranqueando qualidade de documentação, não qualidade de modelo.

O que pode ser comparado honestamente é a trilha de evidências, e nesse ponto os dois falham em direções opostas. O InternLumina-U2 diz muito sobre arquitetura e quase nada sobre resultados — um design fascinante sem capacidade demonstrada. O MiniCPM-V 4.7 diz muito sobre resultados em prosa e se recusa a publicá-los como dados, o que torna as alegações difíceis de falsificar e, na mesma medida, difíceis de confiar. O primeiro é um instrumento promissor; o segundo é um instrumento promissor com uma camada de marketing por cima.

A leitura prática decorre daí. Se o que precisa é de um modelo que ingere capturas de ecrã, documentos ou vídeo e devolve texto, e quer executá-lo por conta própria, o MiniCPM-V 4.7 é aquele que tem uma receita de serving, seis runtimes e pesos quantizados que pode descarregar hoje. Se o que precisa é de um modelo que compreenda e gere imagens no mesmo vocabulário — para pipelines de edição, dados sintéticos ou investigação sobre espaços de tokens unificados — o InternLumina-U2 é o único dos dois que o tenta, e a segunda pasta de checkpoint que apareceu após a divulgação do código em setembro é o primeiro sinal de que a investigação continua a avançar.

O que isso significa se você está apenas tentando lançar algo

Ambos são ficheiros que você descarrega e serve por conta própria. Nem o MiniCPM-V 4.7 35B-A3B nem o InternLumina-U2 aparecem no catálogo alojado da OrcaRouter, portanto nada aqui é uma via para os chamar como endpoint, e nenhum artigo nosso deve ser lido como dizendo o contrário. Aquilo para que um router é útil nesta situação é a outra metade do trabalho: o momento em que a sua pipeline precisa de um modelo que não quer alojar. A OrcaRouter coloca mais de 200 modelos alojados por trás de uma única chave, repassa o preço de tabela de cada fornecedor sem qualquer margem nossa, e faz failover automaticamente quando um fornecedor degrada — para que uma equipa que executa o MiniCPM-V 4.7 localmente para compreensão de documentos em massa possa escalar as páginas difíceis para um modelo alojado sem um segundo contrato ou um segundo SDK.

O modelo hospedado mais próximo dessa configuração é o Qwen3.6 35B A3B — também 35B no total e 3B ativos, também contexto de 262K, também texto, imagem e vídeo na entrada com texto na saída — disponível a US$ 0,25 por milhão de tokens de entrada e US$ 1,48 por milhão de tokens de saída, a preço de custo. Esse é um grupo de controle genuinamente útil: se a sua decisão é entre auto-hospedar um MoE multimodal esparso de 70 GB e chamar um equivalente, a segunda opção é mensurável esta tarde e a primeira não é.

O que mudaria esta comparação

Dois documentos resolveriam a maior parte disso. Uma tabela de benchmark da OpenBMB transformaria o MiniCPM-V 4.7 de uma afirmação em um ponto de dados, e o modelo de rascunho DSpark — a única parte da família com números publicados, na forma de tokens aceitos por passo — é a rota externa mais barata para um primeiro número independente. Um relatório técnico do Shanghai AI Laboratory faria o mesmo para o InternLumina-U2 e seria a primeira vez que alguém veria seu vocabulário de oito codebooks ser avaliado em comparação com qualquer coisa.

Até então, a posição honesta é esta: um desses dois você pode implantar, e o outro você só pode estudar. É provável que essa frase deixe de ser verdade dentro de um mês, e é por isso que nenhum dos dois modelos merece ser arquivado como vaporware — eles estão simplesmente mais no início de sua vida pública do que os textos sobre eles sugerem.