MiniCPM-V 4.7 vs Moondream 3.1 9B A2B: Uma semana antes de um deles perder sua API

Em 13 de novembro de 2026, o Moondream Cloud será encerrado. Isso ocorre trinta dias depois de a Moondream anunciar que estava se juntando à Prime Intellect, e é o fato mais relevante para a decisão em qualquer comparação entre o Moondream 3.1 9B A2B e o MiniCPM-V 4.7 hoje. Um desses modelos é um serviço hospedado que está prestes a deixar de ser hospedado. O outro nunca foi um serviço hospedado desde o início: a OpenBMB publicou o MiniCPM-V 4.7 como pesos abertos em 6 e 7 de outubro de 2026, adicionou o cartão do modelo e uma licença Apache-2.0 em 12 de outubro, e deixou a disponibilização do serviço a seu cargo.

Essa assimetria inverte a comparação usual. Em uma ficha técnica, o Moondream 3.1 9B A2B é um modelo esparso de 9 bilhões de parâmetros, com cerca de 2 bilhões ativos, construído em torno de primitivas de percepção estruturada, e o MiniCPM-V 4.7 35B-A3B é uma mistura de especialistas de 35,2 bilhões de parâmetros, com aproximadamente 3 bilhões ativos, construída em torno da leitura de imagens, documentos e vídeo em um contexto de 262.144 tokens. Em uma planilha de compras, um tem um preço por token publicado por mais sete dias e o outro não tem preço algum. Ambos os fatos são verdadeiros ao mesmo tempo, e qual deles você pondera depende de você estar prototipando ou operando.

Para que cada modelo realmente serve

O Moondream 3.1 9B A2B foi lançado em 7 de julho de 2026. De acordo com a própria página do modelo do fornecedor, ele é uma mistura esparsa de especialistas — oito especialistas com roteamento top-2 mais um especialista compartilhado, 9,0B no total e 2,0B ativos por token — com contexto de 32.768 tokens e uma restrição deliberada: uma imagem por chamada, saída de texto, sem vídeo nativo e sem raciocínio com múltiplas imagens. Em vez de prosa, ele responde em estrutura. Suas habilidades nativas são consulta, legenda, apontamento, detecção e segmentação, e as saídas de apontamento e detecção são coordenadas, razão pela qual a tabela de benchmark está repleta de F1 de detecção em vez de pontuações de legenda.

O MiniCPM-V 4.7 é a aposta oposta. Ele aceita imagens únicas, múltiplas imagens e vídeo, mantém um quarto de milhão de tokens de contexto e responde em linguagem. Os números publicados pela OpenBMB são números de compreensão: 80,2 no MMMU, 91,2 no OCRBench, 75,6 no raciocínio CharXiv, 68,9 no LongVideoBench, 86,5 no MathVerse. Não há nenhuma primitiva de ponto, detecção ou segmentação no model card. Se você quer uma caixa ao redor do gato, peça em palavras e analise as palavras.

• Contexto — 32.768 tokens no Moondream 3.1 9B A2B contra 262.144 no MiniCPM-V 4.7 35B-A3B.

• Entradas — uma imagem por chamada para o Moondream, em comparação com imagem única, múltiplas imagens e vídeo para o MiniCPM.

• Formato de saída — resultados estruturados de consulta, legenda, ponto, detecção e segmentação para o Moondream, em contraste com texto livre para o MiniCPM.

• Licença — a Licença do Modelo Moondream 1.0 permite uso comercial, auto-hospedagem e ajuste fino, e restringe a oferta de inferência Moondream de uso geral como serviço hospedado; o MiniCPM-V 4.7 é Apache-2.0 sem essa cláusula.

• Pesos em disco — um checkpoint esparso de 9B para o Moondream, em comparação com cerca de 70 GB de pesos BF16 distribuídos em 16 shards para o MiniCPM-V 4.7 35B-A3B, ou 3,1 GB para o irmão de 1B.

O abismo de 13 de novembro, e o que realmente muda

A aquisição foi anunciada pela Prime Intellect em 13 de outubro de 2026 e pela Moondream um dia depois. Os pesos abertos permanecem abertos sob a mesma licença, a auto-hospedagem via Photon continua gratuita, e a Moondream continua como marca para pequenos modelos multimodais dentro da Prime. O que encerra é a nuvem gerenciada: inferência e ajuste fino do Lens terminam em 13 de novembro, com créditos não utilizados reembolsados e clientes direcionados para a plataforma do adquirente.

Para uma equipe que construiu sobre o endpoint hospedado, trata-se de uma migração com data marcada. Os pesos não desaparecem, mas o formato operacional sim: sem cobrança por token, sem escalonamento gerenciado, sem garantia de latência do lado do fornecedor. A tabela pública de preços de nuvem coloca o Moondream 3.1 9B A2B a 0,30 dólar por milhão de tokens de entrada e 1,00 dólar por milhão de tokens de saída na camada em tempo real, pela metade disso em lote, o que era barato o suficiente para que a auto-hospedagem raramente compensasse para baixo volume. Depois de 13 de novembro, a comparação não é preço contra preço; é uma GPU que você possui contra um modelo que você chama.

O MiniCPM-V 4.7 nunca teve essa camada gerenciada. O único caminho de serviço próprio é a API ModelBest da própria OpenBMB, que é o que a build do monitor de gatos esp32-eye usa para suas verificações de identidade de 35B, e o resto é vLLM, SGLang, llama.cpp ou Ollama no hardware que você fornecer. Isso dá mais trabalho inicialmente e menos exposição ao calendário corporativo de outra pessoa. Dados os últimos trinta dias, a segunda propriedade vale alguma coisa.

Metas que nunca são atingidas

Não há um benchmark compartilhado entre esses dois modelos, e as duas tabelas medem competências diferentes. Os números do Moondream são próprios, medidos com seu próprio motor Photon em uma única H100 com batch 16, e as tarefas são detecção e contagem: 81,46 no COCO, 93,94 no ODinW-13, 74,61 no Dense200, 90,35 no CountBench, 88,68 no PixMo-Count, 87,1 no RefCOCO-M. Suas métricas de documentos — 88,6 DocVQA, 86,01 ChartQA — são respeitáveis e bem abaixo de suas pontuações em detecção. Sua matemática está simplesmente ausente: as notas de lançamento não relatam nenhum GSM8K ou outro benchmark aritmético, então não há número de matemática para comparar e nenhuma evidência em nenhum dos sentidos.

Os números do MiniCPM são da OpenBMB, publicados como tópicos em prosa e imagens de gráficos na página do modelo do fornecedor, sem tabela numérica e sem reprodução independente. Sua força é o inverso da do Moondream: 91,2 OCRBench, 75,6 de raciocínio CharXiv, 68,9 LongVideoBench, 80,2 MMMU. Ele não publica F1 de detecção, nem pontuação de contagem e nenhum resultado de matting ou segmentação, porque não faz essas coisas nativamente.

O único lugar em que podem ser comparados é o OCR, e mesmo aí as estruturas de teste diferem. O Moondream reporta 88,6 no DocVQA, uma pontuação de perguntas e respostas sobre documentos; o MiniCPM reporta 91,2 no OCRBench, uma pontuação de reconhecimento de texto. Esses não são o mesmo teste e não deveriam ser subtraídos. Qualquer pessoa que os coloque numa mesma coluna está a produzir um número que não significa nada.

Onde cada um quebra

Os limites documentados do Moondream são específicos e úteis: texto menor que cerca de dez pixels, objetos menores que cerca de doze pixels, mais de cinquenta instâncias em um quadro e nenhum vídeo nativo. Essas são as fronteiras de uma primitiva de percepção, e são honestas. Se suas imagens forem fotos de produtos, fotos de prateleiras, quadros aéreos ou cenas lotadas, eles descrevem seus modos de falha antes que você os atinja.

Os limites do MiniCPM-V 4.7 estão documentados com menos clareza, o que já é, por si só, um achado. O cartão do modelo afirma inferência no dispositivo a 13 ou mais tokens por segundo num iPhone 17 Pro Max usando cerca de 3 GB de memória, um número que depende de o Lookahead Expert Scheduling, a quantização por camadas e a descodificação especulativa DSpark funcionarem todos em conjunto, e que nenhum terceiro reproduziu. A compilação esp32-eye, a implementação pública mais detalhada, considerou o irmão de 1B pouco fiável a distinguir quatro gatos semelhantes e transferiu a identidade para o 35B. Trata-se de um resultado negativo útil: a variante pequena é um detetor de presença, não um reconhecedor de granularidade fina.

Também há uma assimetria de hardware. O Moondream 3.1 é um modelo esparso de 9B que roda confortavelmente em uma única GPU moderna por meio do Photon, e seu motor é o motivo pelo qual o fornecedor pode citar 34 solicitações por segundo com lote 16. O MiniCPM-V 4.7 35B-A3B exige muita VRAM ou o maquinário de especialistas em streaming que a OpenBMB criou para celulares, e o irmão de 1B exige quase nada. Escolher entre eles com base no hardware é, na verdade, escolher entre um modelo de porte médio e uma família de dois tamanhos.

Se você está implementando esta semana

A árvore de decisão é curta. Se a sua tarefa é "encontrar, contar ou delinear objetos e retornar coordenadas", o Moondream 3.1 9B A2B é a ferramenta mais direta, e a data de 13 de novembro só muda onde você o executa: auto-hospedado via Photon, sob uma licença que proíbe revender a inferência de uso geral do Moondream. Se a sua tarefa é "ler este documento, este painel ou este vídeo e me dizer o que ele diz", o MiniCPM-V 4.7 35B-A3B é a opção mais adequada, e sempre foi uma decisão de auto-hospedagem.

Se você não quer nenhum dos dois compromissos, o caminho pragmático é um modelo hospedado de propósito geral para o trabalho de leitura enquanto você avalia os pesos abertos com seus próprios dados. É aí que um roteador se justifica: o OrcaRouter expõe mais de 200 modelos por trás de uma única chave a 0% de margem sobre os preços de tabela dos provedores, com failover automático, para que um pipeline não fique atrelado à existência contínua de um único upstream. Nem o Moondream 3.1 9B A2B nem o MiniCPM-V 4.7 estão nesse catálogo hoje, então este é um conselho sobre a arquitetura em volta, não uma afirmação de que servimos qualquer um dos modelos.

O que o último mês mostrou é que a disponibilidade de modelos agora é uma questão de cadeia de suprimentos. Um modelo pode ser excelente, de pesos abertos e bem documentado, e ainda assim perder seu endpoint gerenciado com aviso prévio de trinta dias porque a empresa que o criou foi adquirida. As equipes que lidaram bem com isso foram aquelas cujo código tinha uma URL base em um arquivo de configuração e uma segunda opção por trás dela.

O resumo justo é que estes não são substitutos. Moondream 3.1 9B A2B é um componente de percepção com um relógio correndo em sua forma hospedada; MiniCPM-V 4.7 é um modelo de leitura com dois tamanhos e nenhuma forma hospedada a perder. Escolha a tarefa primeiro, depois escolha o modelo, depois verifique se aquilo que você escolheu ainda vai responder na próxima sexta-feira.