MiniCPM-V 4.7 vs North Micro Vision Instruct: a Cohere lançou um modelo documentado de 2,4B; a OpenBMB lançou um espaço em branco de 70 GB

MiniCPM-V 4.7 e North Micro Vision Instruct são ambas respostas de laboratórios pequenos ao mesmo briefing — um modelo compacto de visão-linguagem que você mesmo pode ajustar e implantar —, mas apenas um deles está pronto. O North Micro Vision Instruct, da Cohere, chegou em 10 de agosto de 2026 como um modelo de resolução nativa de 2,4 bilhões de parâmetros sob Apache-2.0, com um post técnico no blog explicando a arquitetura e um card listando para que serve. O MiniCPM-V 4.7 chegou em 6 de outubro de 2026 como um checkpoint de mistura esparsa de especialistas de 35,2 bilhões de parâmetros com dezesseis shards, sem README, sem campo de licença e sem nenhum tipo de benchmark. A comparação interessante não é "qual é mais inteligente". É que os dois lançamentos representam posturas opostas em relação à comunidade que precisa usá-los.

Os dois lançamentos, e o que veio com cada um.

North Micro Vision Instruct é um modelo de visão-linguagem de pesos abertos de 2,4B da CohereLabs, lançado sob Apache-2.0. Ele é explicitamente posicionado como uma base compacta para prototipagem, ajuste fino específico para tarefas e trabalho multimodal especializado. Sua característica definidora é o processamento de imagens em resolução nativa que preserva proporções e detalhes visuais finos em vez de reamostrar para uma grade fixa, e a ficha do modelo afirma capacidade em VQA, legendagem, grounding, OCR, gráficos e documentos. Ele suporta múltiplas imagens por conversa e onze idiomas — inglês, alemão, francês, espanhol, italiano, português, hindi, japonês, coreano, chinês e árabe. Os pesos do modelo têm 2.484.847.856 parâmetros em BF16 e, desde o lançamento, a comunidade MLX produziu conversões de 4 bits, 5 bits, 6 bits, 8 bits, mxfp8, mxfp4, nvfp4 e bf16, o que caracteriza um lançamento saudável de modelo pequeno após alguns meses. Ele tem cerca de 166.500 downloads e 150 curtidas.

MiniCPM-V 4.7 é openbmb/MiniCPM-V-4.7-35B-A3B: 35.212.875.824 parâmetros em BF16, 70,4 GB distribuídos em dezesseis fragmentos de safetensors, classe MiniCPMV4_7ForConditionalGeneration, salvo pelo Transformers 5.2.0 e enviado em 6 de outubro de 2026.

Seu backbone de texto é um MoE esparso derivado do Qwen3.5 — 256 especialistas, 8 selecionados por token — com 40 camadas executando um padrão fixo de atenção de três lineares para uma completa, contexto de 256K e uma torre de visão interna de 27 camadas com downsampling de 16×. Não há cartão de modelo. O repositório tem três curtidas e nenhum download.

Lado a lado, nas seis coisas que importam

• Parâmetros — North Micro Vision Instruct: 2,48B denso, todos os parâmetros ativos por token. MiniCPM-V 4.7: 35,2B no total, esparso com 8 de 256. Não é um número diretamente comparável.

• Licença — North Micro Vision Instruct: Apache-2.0, etiquetada e declarada. MiniCPM-V 4.7: nenhuma declarada, o que, por predefinição, significa todos os direitos reservados.

• Superfície de fine-tuning — North Micro Vision Instruct: projetado explicitamente como base para fine-tuning específico de tarefa, com quantizações da comunidade já disponíveis. MiniCPM-V 4.7: um checkpoint BF16 de 70 GB sem quantizações e sem receita de treinamento declarada.

• Tratamento de resolução — North Micro Vision Instruct: resolução nativa, com preservação da proporção. MiniCPM-V 4.7: downsample_mode: "16x" com max_slice_nums: 9, um caminho de alta resolução baseado em slicer.

• Cobertura de idiomas — North Micro Vision Instruct: onze idiomas listados no cartão. MiniCPM-V 4.7: não informado em lugar nenhum.

• Contexto — North Micro Vision Instruct: dimensionado para sua classe de implantação de 2,4B. MiniCPM-V 4.7: max_position_embeddings: 262144, 256K.

• Evidências de qualidade — North Micro Vision Instruct: um card publicado, um post técnico no blog, conversões da comunidade e ampla adoção. MiniCPM-V 4.7: nada a citar.

A assimetria que torna esta comparação desequilibrada

Existe um tipo específico de artigo comparativo que seria fácil de escrever aqui: pegar os números do MiniCPM-V 4.6 no GitHub da OpenBMB, observar que eles superam a classe equivalente de modelos pequenos e insinuar que o 4.7 os herda. Isso seria desonesto, e vale a pena expor o motivo com precisão. O MiniCPM-V 4.7 não é uma versão maior do 4.6. Ele abandona o backbone denso de 1,3B Qwen3.5-0.8B em favor de um Qwen-MoE esparso de 35B, muda o padrão de atenção para 3:1 de linear para full e troca o padrão de compressão de visão para 16x. Cada uma dessas mudanças altera a parte do modelo que determina a precisão. Linhagem de família não é um benchmark.

A outra direção da desonestidade é mais sutil: tratar a ausência de um card como evidência de um problema. Não é. A OpenBMB lançou nove gerações do MiniCPM-V desde 2024, várias delas genuinamente excelentes para o seu tamanho, e uma janela de doze minutos entre a criação do repositório e o último commit é a aparência de um artefato preparado e depois publicado, não a de um artefato quebrado. A leitura correta do MiniCPM-V 4.7 é "desconhecido", e o desconhecido é algo distinto do "ruim".

O lado da Cohere tem seus próprios requisitos de honestidade.

As alegações de qualidade da ficha do North Micro Vision são medições da própria Cohere, e a análise técnica aprofundada foi escrita pela mesma equipa. O facto de a comunidade ter criado dezasseis quantizações MLX em poucos dias é evidência de adoção, não de precisão — as pessoas convertem modelos que são fáceis de converter, e um lançamento limpo de 2,4B Apache-2.0 é fácil de converter. Nem o número de transferências nem a dispersão das quantizações devem ser interpretados como uma pontuação.

Para que cada um realmente serve

North Micro Vision Instruct é um alvo de ajuste fino. Esse é todo o resumo do projeto, dito nas próprias palavras da ficha: uma base compacta para prototipagem e aplicações especializadas. Se você tem uma tarefa restrita de análise de documentos, extração de gráficos ou legendagem multilíngue e alguns milhares de exemplos rotulados, um modelo de 2,4B Apache-2.0 com entrada em resolução nativa e quantizações de oito bits ou mais é um ponto de partida sensato, e você pode movê-lo para um dispositivo de borda ou uma única GPU de gama média quando funcionar.

MiniCPM-V 4.7, se se revelar utilizável, não é isso. Com 70 GB não quantizados, é um modelo de servidor, e as suas características distintivas — uma janela de 256K e atenção linear que mantém a cache KV constante — apontam para cargas de trabalho multimodais de contexto longo: transcrições de vídeos de uma hora, grandes conjuntos de documentos, análise prolongada de vários turnos com imagens no histórico. Essas são cargas de trabalho reais, e a arquitetura é uma aposta razoável nelas. A aposta simplesmente ainda não foi avaliada.

Há uma nuance sobre as duas estratégias de compressão que vale a pena ter em mente. Resolução nativa e downsampling de 16× não são simplesmente melhores e piores. Um codificador em resolução nativa gasta tokens para preservar detalhes finos, que é exatamente o que OCR e grounding precisam. Um downsample de 16× gasta menos tokens e corre o risco de perder exatamente esse detalhe. Qual é o certo depende de sua tarefa ser ler um formulário denso ou descrever uma cena, e o modo alternável 4x/16x do MiniCPM-V 4.6 existia justamente porque a resposta muda conforme a tarefa. Se o 4.7 manteve esse switch é uma das coisas que a configuração não diz.

Onde um router se encaixa e onde não

Ambos esses modelos são pesos que você mesmo serve. Nem o North Micro Vision Instruct nem o MiniCPM-V 4.7 são modelos hospedados no OrcaRouter, e nada aqui deve ser interpretado como uma alegação de que sejam. A questão de roteamento entra um passo depois, quando o pequeno modelo auto-hospedado estiver fazendo o trabalho rotineiro e algo maior tiver que lidar com os casos em que ele falha. É para essa transferência que serve um roteador de chave única — mais de 200 modelos de diversos provedores, cada um pelo preço de tabela, sem acréscimo da nossa parte, com failover automático quando um provedor apresenta degradação — e vale a pena deixar a interface definida antes de você precisar dela, porque o dia em que sua avaliação do 4.7 for bem-sucedida é o dia em que você vai querer um segundo endpoint sem um segundo contrato.

O veredito, e o que o mudaria

A Cohere lançou um modelo. A OpenBMB lançou um checkpoint. Em todos os eixos sobre os quais um leitor pode agir — licença, clareza da licença, comportamento documentado, prontidão para ajuste fino, quantização, cobertura de idiomas — o North Micro Vision Instruct é a resposta hoje, e não é por pouco. Isso não é uma afirmação sobre capacidade, porque nenhuma comparação de capacidade é possível. O MiniCPM-V 4.7 tem aproximadamente dez vezes a contagem de parâmetros do modelo com o qual está sendo comparado e não publicou nada para justificar ou refutar esse tamanho. A postura honesta é tratá-lo como pendente: um artefato real de um laboratório com um histórico real, sentado em um repositório com um arquivo faltando que mudaria tudo — o README.