LFM3-Omni-2B против MiniCPM-V 4.7 35B-A3B: новичок и действующий лидер

Две цифры, обе верные, обе вводят в заблуждение, если воспринимать их как приговор: MiniCPM-V 4.7 35B-A3B скачали около 289 000 раз, а LFM3-Omni-2B скачали 83 раза. На первый взгляд разрыв кажется разгромным. На самом деле это календарь. Веса OpenBMB были выложены 6 октября 2026 года; веса Liquid AI — 21 октября, а анонсированы 27 октября, за день до того, как были прочитаны эти цифры. Модель, существующая неделю, не может иметь историю скачиваний, а модель с шестинедельной форой и уже имеющейся аудиторией MiniCPM будет иметь её, заслуживает она этого или нет.

Итак, интересное сравнение — не популярность. А то, что команде, выбирающей небольшую мультимодальную модель для устройства, действительно стоит взвесить: нужно ли ей слышать, нужно ли её квантовать шестью способами и какая лицензия останется приемлемой, когда у продукта появится выручка.

Что представляет собой каждая модель

MiniCPM-V 4.7 35B-A3B — первая визуально-языковая модель OpenBMB со смесью экспертов: {{1}}35,2 млрд хранимых параметров с маршрутизацией 8 из 256 на токен, примерно 3 млрд активных, 40 текстовых слоёв, за 27-слойной визуальной башней скрытой размерности 1 152, которая встраивается на 6-м слое текстового стека.{{/1}} Она читает изображения, наборы из нескольких изображений, видео и текст, а отвечает текстом. Аудиомодальности нет нигде среди 70,4 ГБ весов. Главное заявление в карточке модели — не точность, а практическая пригодность: {{2}}более 13 токенов в секунду на iPhone 17 Pro Max при использовании около 3 ГБ памяти, что стало возможным благодаря приёму Lookahead Expert Scheduling, который {{3}}предсказывает экспертов следующего слоя и предзагружает их, пока вычисляется текущий слой{{/3}}.{{/2}}

LFM3-Omni-2B — это omni-модель Liquid AI в семействе LFM3: 2,17 млрд плотных параметров на базе LFM3-1.7B, с визуальным энкодером LFM3 и причинным аудиокодером LFM3, работающими с единым словарём на 128 000 токенов. Она обрабатывает текст, изображения, видео со звуком и без него, а также аудио 16 кГц и генерирует текст или речь 24 кГц, включая чередование текста и речи в одном ответе. По замыслу это не рассуждающая модель — в карточке указано, что enable_thinking=True не поддерживается, — и она позиционируется для телефонов, ноутбуков и edge-устройств.

Оба помещаются на телефоне. Только один был создан с расчётом на это.

Легко подвести оба случая под «небольшую модель на устройстве» и на этом остановиться. Инженерная начинка под этим — прямо противоположная.

Проблема OpenBMB заключалась в пропускной способности памяти на мобильном устройстве, поэтому модель разрежена так, что это сокращает объём данных, который нужно прочитать на каждый токен: 35,2 млрд параметров хранится, 3 млрд задействуется. Lookahead Expert Scheduling — это то, что выдаёт решение: предварительную выборку экспертов строят только тогда, когда узкое место — перемещение весов, а не их умножение. LFM3-Omni-2B решает ту же проблему за счёт того, что модель действительно мала: 2,17 млрд плотных параметров, никакой маршрутизации, всё в 16 битах — и всё равно несколько гигабайт.

Этот компромисс проявляется в квантовании. MiniCPM-V 4.7 поставляется в сборках GGUF, AWQ, GPTQ, FP8, INT4 и BitsAndBytes, а также с draft-чекпоинтами DSpark для спекулятивного декодирования — полный выбор для любого ускорителя, на котором вы окажетесь. LFM3-Omni-2B имеет веса BF16 на Hugging Face и сборку Ollama в обращении, причём в этом листинге Ollama указан контекст 125K против 32K в карточке модели. Является ли это ошибкой упаковки или недокументированной возможностью, на момент написания остаётся нерешённым. Если вам нужно запускать на Rockchip NPU или ноутбуке с Intel, поставщик с шестью форматами квантования — более надёжный выбор с первого дня.

Строка, которая решает исход большинства развёртываний

MiniCPM-V 4.7 35B-A3B не слышит. У него нет аудиомодуля, нет пути ASR, нет речевой головы. LFM3-Omni-2B слышит и может отвечать вслух на 19 речевых локалях и 16 текстовых языках.

Для задач с документами, графиками, скриншотами или кадрами видео это различие несущественно, и MiniCPM — более сильный выбор почти по всем остальным параметрам: крупнее, шире протестирован, лучше оснащён инструментами. Для всего, где в цепочке есть микрофон, это сразу завершает сравнение. Нельзя просто прикрутить слух к MiniCPM-V 4.7 без добавления отдельной ASR-модели, а затем TTS-модели, и тогда вы запускаете три модели, чтобы делать то, что один чекпойнт на 2,17 млрд параметров делает нативно.

Верно и обратное. LFM3-Omni-2B читает изображения, но это модель на 2,17 млрд параметров, которая их читает: в её карточке указаны OCRBench 806, DocVQA 92,47 и MMMU 42,44, при этом MMMU-Pro — всего 27,28. Это достойные цифры для такого размера, но они не конкурируют с моделью на 35 млрд на сложных макетах документов. Если задача — плотные таблицы и сканированные формы, более крупная модель выигрывает на этой задаче ещё до того, как вы учтёте маршрутизацию 8 из 256, которая делает её недорогой в работе.

Там, где заканчиваются числа

Вот неудобная часть: честной таблицы прямого сравнения не существует, потому что OpenBMB публикует результаты MiniCPM-V 4.7 в виде изображений диаграмм, а не числовых таблиц. В карточке 35B-A3B нет цифр MMStar, MMMU или OCRBench, которые можно было бы привести. Любое число в этом столбце либо взято у родственной модели 1B — другого модели с другой архитектурой — либо выдумано.

Карточка LFM3-Omni-2B, напротив, представляет собой полную таблицу: MMStar 55.67, MMMU 42.44, MMMU-Pro 27.28, MMBench 73.68, SEEDBench 75.07, RealWorldQA 66.54, MathVista 62.50, POPE 89.34, DocVQA 92.47, InfoVQA 64.08, OCRBench 806, MVBench 58.03, Video-MME 57.70, плюс колонка по речи — от ASR для английского с WER 6.36 до TTS UTMOSv2 на уровне 3.80. Всё это было измерено Liquid AI, с использованием собственного chat-шаблона каждой сравниваемой модели и жадного декодирования, и ничего из этого не было воспроизведено.

Таблица от вендора лучше диаграммы от вендора, но это не то же самое, что независимая оценка. Ни у одной из моделей её нет. Именно так сейчас обстоят дела во всей категории small-omni, и поэтому ограничения при развертывании в итоге важнее, чем один балл MMMU.

Лицензии — прочитайте перед отправкой прототипа.

MiniCPM-V 4.7 распространяется под лицензией Apache 2.0. Никакого теста на выручку, никакого пункта об ограничении области использования, никаких переговоров. LFM3-Omni-2B распространяется по LFM Open License v1.0 — лицензии с порогом выручки, которую Liquid применяет ко всей линейке LFM3. Для хобби-проекта или начинающего стартапа на практике эти две лицензии эквивалентны. Для компании, превысившей порог, одна из них требует разговора с юристом, а другая — нет, и этот разговор обойдётся гораздо дешевле сейчас, чем после того, как модель окажется в продукте.

Это наименее эффектная ось сравнения и та, которая с наибольшей вероятностью определит исход в реальной компании.

Как эти двое вписываются в единую архитектуру

Реалистичный ответ для большинства команд — не «выбрать что-то одно». Это модель на устройстве для типичных случаев и хостируемая модель для запросов, с которыми локальная модель не справляется. Сохранение переносимости второй половины — это то, что переживает смену модели на устройстве: OrcaRouter даёт единый API для более чем 200 хостируемых моделей с нулевой наценкой к прайс-листу провайдера, автоматическое переключение при отказе провайдера и DSL маршрутизации, который переводит запрос на другую модель без изменения кода. Ни LFM3-Omni-2B, ни MiniCPM-V 4.7 не входят в этот каталог — обе представляют собой скачиваемые веса, и этот текст не утверждает обратного. Суть в том, что резервный уровень не должен пересобираться каждый раз, когда меняется уровень на устройстве, а поскольку уровень на устройстве всё ещё меняется каждые несколько недель, он будет меняться.

Какой из них поместить на устройство

Выберите {{1}}MiniCPM-V 4.7 35B-A3B{{/1}}, если вам нужны качество работы со зрением, формат квантования, который действительно можно развернуть, Apache 2.0 и экосистема, подкреплённая шестью неделями полевых отчётов. Количество загрузок не является сигналом качества, но отчёты об ошибках, сопровождающие 289 000 загрузок, — это форма тестирования, которой у {{2}}LFM3-Omni-2B{{/2}} пока нет.

Выбирайте LFM3-Omni-2B, если продукту нужен голос, если устройство настолько ограничено по памяти, что даже 3 ГБ активных весов — всё ещё слишком много, или если вы хотите одну контрольную точку вместо стека ASR + LLM + TTS. Примите более низкие показатели меньшей модели в задачах зрения, лицензию с порогом по выручке и тот факт, что вы — ранний пользователь модели, анонсированной всего день назад.

Что бы это решило — один независимый прогон: один и тот же тестовый стенд, обе модели, OCRBench, MMMU и задача на речь. Никто этого не сделал. Пока кто-нибудь не сделает, честный рейтинг такой: MiniCPM — для зрения, LFM3-Omni — для речи, а таблица — для всего остального.