MiniCPM-V 4.7 1B против LFM2.5-VL 3B: OpenBMB утверждает, что модель 1B превосходит 3B. Вот что скрывает это заявление

MiniCPM-V 4.7 1B и LFM2.5-VL 3B — обе визуально-языковые модели с открытыми весами, созданные для телефонов и небольших компьютеров, а между их датами выпуска менее трёх недель. MiniCPM-V 4.7 1B была загружена OpenBMB 6 октября 2026 года и датирована 12 октября в примечаниях к выпуску поставщика. LFM2.5-VL 3B была опубликована Liquid AI 11 августа 2026 года. У одной — 1,55 млрд параметров и лицензия Apache 2.0. У другой — 3,12 млрд параметров под лицензией LFM Open License v1.0. А на собственной странице продукта OpenBMB есть заявление, которое должно остановить любого, кто выбирает, ориентируясь только на размер: что её 1B-модель превосходит LFM2.5-VL 3B по OCR, рассуждению по графикам и пониманию видео. Задокументированные сбои ИИ и инциденты с агентами, стоящие за подобными релизами, собраны в OrcaRouter AI Incident Archive где каждая запись содержит собственные источники, уровень серьёзности, степень уверенности и флаг спорности.

Эта фраза тянет на себе слишком много. Кроме того, насколько можно проверить, она не противоречит цифрам — и это интереснее, чем если бы противоречила. В этом материале разбирается, что на самом деле опубликовал каждый вендор, где сравнение действительно корректно и в каких двух местах утверждение незаметно подменяет предмет разговора.

Заявление в изложении самого поставщика

На странице OpenBMB о модели с 1B параметром говорится, что модель «представляет собой комплексное обновление по сравнению с MiniCPM-V 4.6-1.3B и превосходит Qwen3.5-0.8B и LFM2.5-VL-3B, оставаясь впереди в своём размерном классе в OCR, рассуждениях по графикам и понимании видео». Ключевая оговорка — «оставаясь впереди в своём размерном классе». Сравнение с LFM2.5-VL 3B приводится как свидетельство плотности возможностей; следующее предложение ограничивает утверждение размерным классом, к которому LFM не относится.

Карточка Liquid AI не отвечает взаимностью. В ней вообще не упоминается MiniCPM, а свою модель она тестирует в сравнении с G​emma4 E2B и E4B, InternVL 3.5 2B и 4B, а также Qwen3.5-2B и 4B. Так что это одностороннее сравнение: один вендор измерил себя относительно другого, а другой никогда не подтверждал это сопоставление. Эта асимметрия — первое, что нужно знать, прежде чем читать любое прямое сравнение, включая это.

Что каждый вендор официально заявляет

Liquid AI публикует таблицу с числовыми показателями. LFM2.5-VL-3B указывает MathVista 68.5, MMMU Pro 30.5, ChartQA 81.3 и OCRBenchv2 47.5 (подмножество только на английском) наряду с оценками родственной модели в тех же строках. Это вендорские цифры, полученные вендором, и никто независимый не обязан с ними соглашаться — но их можно опровергнуть, и именно это делает их полезными. Если вы воспроизведёте 55 на MathVista, вы поймёте, что в вашей конфигурации что-то отличается.

OpenBMB публикует числовое резюме в виде текста, а под ним — полные графики. Для модели 1B на странице указаны OCRBench 86.1, MathVista 74.3, CharXiv Reasoning 48.8, LongVideoBench 53.4 и MotionBench 54.55, а остальное сравнение представлено в виде изображений с колонками 4× и 16×. Сама карточка модели вообще не содержит таблицы бенчмарков.

Сравните эти две модели по единственному бенчмарку, который упоминают обе. MathVista: MiniCPM-V 4.7 1B — 74,3, LFM2.5-VL 3B — 68,5. Модель 1B опережает на 5,8 балла согласно собственным данным производителя. В OCR используются разные инструменты — OCRBench против английского подмножества OCRBenchv2 — и эти числа несопоставимы, а это именно та деталь, которую пропускает фраза «превосходит».

Где сравнение идёт на равных

• Параметры — 1,55B dense, BF16, 3,1 ГБ на диске против 3,12B dense, BF16; LFM примерно вдвое больше модели

• Визуальный энкодер — башня в стиле SigLIP2, 27 слоёв, скрытая размерность 1152, тайлы размером 980 пикселей против SigLIP2 NaFlex 400M, неперекрывающиеся патчи 512×512 плюс миниатюра с изменённым размером

• Текстовый бэкбон — конфигурация на основе Qwen3.5 с 24 слоями, скрытой размерностью 1024, схемой внимания с соотношением линейного и полного 3:1 по сравнению с LFM2.5-2.6B, гибридная архитектура собственной разработки Liquid AI

• Контекст — 262 144 токена против 32 768 токенов

• Бюджет визуальных токенов — переключаемая компрессия 4× или 16× на запрос в отличие от фиксированного бюджета патчей NaFlex, задаваемого разрешением

• Лицензия — Apache 2.0 vs LFM Open License v1.0: последняя содержит коммерческие условия, а не просто разрешительный характер.

• Названные языки — английский и китайский в примерах карточки против 16 языков, перечисленных явно (от арабского до вьетнамского)

• Опубликованная оценка — пять показателей, приведённых в тексте, плюс сравнения только по диаграммам с числовой таблицей по четырём бенчмаркам и шести родственным моделям

• Независимая оценка — по состоянию на данный момент ни для одного из них нет записи в Artificial Analysis, тогда как у второго записи в Artificial Analysis также нет

• Скорость по данным поставщика — нет показателя токенов в секунду для 1B ни на одном устройстве, тогда как на Apple M5 Max — 228 tok/s, на AMD Ryzen AI Max+ 395 — 116 tok/s, на Galaxy S26 Ultra — 20 tok/s.

• Память — около 3,1 ГБ в BF16; Q4 GGUF — 0,67 ГБ плюс визуальный проектор на 0,90–1,11 ГБ против менее 3,3 ГБ в опубликованном варианте; предлагаются сборки GGUF, ONNX и MLX.

• Названы пути обслуживания — Transformers, SGLang, vLLM, llama.cpp, Ollama, OpenVINO, спекулятивное декодирование DSpark против Transformers, vLLM, SGLang, llama.cpp, а также экспорт в GGUF, ONNX и MLX

• Работа на устройстве — приложения для iOS, Android и HarmonyOS, а также поддержка Rockchip, Houmo, Intel, AMD и Arm с первого дня, продемонстрированная на показателе декодирования iPhone 17 Pro Max против Galaxy S26 Ultra и сборке MLX для Apple Silicon

Две строки заслуживают второго взгляда. Контекстное окно даёт восьмикратную разницу в пользу MiniCPM, и это тот тип числа, который выглядит решающим, пока не вспомнишь, что модель на 1B, удерживающая 262k токенов, держит KV-кэш больше собственных весов. На практике на телефоне ни одна из моделей не будет работать даже близко к своему потолку. А строка с лицензией — та, что решает вопрос коммерческого внедрения чаще любого бенчмарка: Apache 2.0 не требует разговора с юристом, а LFM Open License требует.

Та часть, в отношении которой заявление меняет тему

OpenBMB сравнивает свою модель с конкурентом, который вдвое больше, на выбранных ею бенчмарках и сообщает результат в текстовом виде. Это не нечестно — цифры опубликованы, и сравнение указано. Но это отвечает на вопрос, который никто, кто развертывает модель, на самом деле не задаёт. Никто не выбирает между 1B и 3B потому, что хочет, чтобы меньшая модель была лучше. Выбирают потому, что одна помещается на их устройство, а другая нет, или потому, что одна имеет нужный языковой охват, или потому, что лицензия одной проходит юридическую проверку.

По первому из них честный вывод таков: оба подходят. В карточке LFM2.5-VL-3B заявлено менее 3,3 ГБ и продемонстрировано 20 токенов в секунду на Galaxy S26 Ultra. MiniCPM-V 4.7 1B в Q4 со своим проектором занимает около 1,8 ГБ. Так что реальное преимущество 1B не в том, что «она работает на телефоне, а другая нет», — это запас: примерно на полтора гигабайта меньше памяти, что на Android-устройстве среднего класса означает разницу между приложением, которое выживает, и тем, которое система убивает.

По второму пункту сравнение меняется на противоположное. LFM2.5-VL-3B указывает 16 языков в своей карточке и поставляется со сборками ONNX и MLX наряду с GGUF. Документация MiniCPM-V 4.7 1B ориентирована на примеры на английском и китайском, а его решение для работы на устройстве — на поддержку чипов iOS, Android и HarmonyOS, а не на языковой охват. Если ваш продукт поставляется на турецком, польском или вьетнамском, то именно более крупная модель с более строгой лицензией имеет опубликованное заявление о поддержке вас.

По третьему пункту Apache 2.0 однозначно выигрывает, и обсуждать здесь особо нечего.

В чём каждый из них действительно лучше

LFM2.5-VL-3B построена вокруг конкретного набора задач, и в её карточке это прямо указано: работа в рамках одного хода с высокой пропускной способностью и низкой задержкой, например обнаружение объектов почти в реальном времени в автомобильных сценариях, пакетное OCR сканированных документов с аннотированием макета и перевод меню и дорожных знаков на устройстве. В карточке также указано, для чего модель не предназначена — задачи с длинным контекстом и задачи, требующие интенсивных рассуждений, визуальный веб-дизайн, технические вопросы о чертежах. Такие указания на ограничения встречаются редко, и им стоит доверять больше, чем положительным заявлениям.

MiniCPM-V 4.7 1B построен вокруг плотности возможностей в нижней части диапазона размеров. Смешанная 4×/16× компрессия токенов — самое ясное её выражение: один и тот же чекпоинт может обслуживать как детальное чтение документа, так и дешёвый проход по миниатюрам, выбираемый для каждого запроса. Элементы управления нарезкой (36 срезов для изображений, 1 для видео), параметры выборки кадров для видео, а также отдельные рецепты по разбору PDF и grounding — всё это указывает на рабочую нагрузку с документами и экранными снимками, а не на задачи обнаружения. Кроме того, он поставляется с головами спекулятивного декодирования DSpark в виде отдельного артефакта на 213M параметров — это реальный рычаг повышения пропускной способности, если ваша среда выполнения его поддерживает, и мёртвый груз, если нет.

Практическое разделение таково: если вы обнаруживаете объекты в видеопотоке с камеры или переводите вывески со скоростью 20 кадров в секунду, аргумент — это показатели задержки и языковой охват LFM. Если вы превращаете скриншоты, чеки и изображения страниц в структурированный текст с контролируемым вами бюджетом токенов, аргумент — это переключатель сжатия MiniCPM.

Разрыв, который покупатель должен заложить в цену

LFM2.5-VL-3B доступна с 11 августа 2026 года — на момент написания прошло десять недель, что для открытых весов достаточно долго, чтобы экосистема квантизации успела устояться. Сборки GGUF, ONNX и MLX поставляются самим производителем. Для любого рантайма, который вы, скорее всего, будете использовать, есть рабочий путь.

MiniCPM-V 4.7 1B исполнилось три недели, и его карточка начинается с предупреждения о том, что несовпадения версий CUDA ломают декодирование видео через torchcodec, и приводит два задокументированных обходных решения. Архитектура новая — model_type, которого не существовало месяц назад, — а минимальная версия Transformers — 5.18.0. Ничто из этого не является дефектом. Это стандартная плата за внедрение модели в первый месяц её существования, и причина, по которой тихий релиз с оценкой на графиках — хороший кандидат для сравнительного теста и сомнительный кандидат для продакшен-пути на первой неделе.

Дешёвый способ провести этот тест — оставить текущее решение обслуживать запросы, пока вы оцениваете новичка; это задача маршрутизации, а не моделирования. OrcaRouter предоставляет более 200 моделей, размещённых у провайдеров, через одну совместимую с OpenAI конечную точку с нулевой наценкой, передавая прейскурантную цену каждого провайдера без изменений, поэтому снижение цены от поставщика отражается в вашем счёте в тот же день, а не после цикла пересмотра цен. Его DSL маршрутизации позволяет задать основную модель и резервную в одном вызове, а автоматическое переключение при сбое сохраняет работоспособность пути, когда у провайдера выдаётся неудачный час, — что как раз нужно, когда испытываемая модель — локальный чекпойнт на 1B, а модель в продакшене — то, за что вы платите. Ни одной из моделей, о которых говорится в этой статье, нет в том каталоге: обе — чекпойнты, которые вы запускаете сами, а маршрутизатор окружает их, а не предлагает способ обращения к ним.

Претензия урегулирована

Превосходит ли MiniCPM-V 4.7 1B модель LFM2.5-VL 3B? На MathVista — на 5,8 балла, как сообщают оба производителя. По OCR они опубликовали разные инструменты, и сравнение невозможно. В рассуждениях по графикам и понимании видео OpenBMB заявляет о победе и публикует это в виде диаграммы, а Liquid AI так и не ответила. Единственное полностью проверяемое сравнение подтверждает утверждение; остальные — это производитель, оценивающий собственную работу в формате, который затрудняет цитирование.

Утверждение не выдерживает проверки, если читать его как «меньшая модель просто лучше». LFM2.5-VL-3B предлагает шестнадцать языков, экспортированные сборки ONNX и MLX, документированный показатель скорости на серийном Android-телефоне и карточку, которая подсказывает, где её не стоит использовать. MiniCPM-V 4.7 1B предлагает переключаемый бюджет токенов, контекстное окно 262k, Apache 2.0 и около 1,8 ГБ квантованной памяти. Это разные продукты, поданные в виде одной строки бенчмарка, и правильный ответ зависит от того, какой из этих списков соответствует вашему развёртыванию, а не от того, какое число больше.

Протестируйте оба варианта на собственных изображениях при собственном квантовании. Веса бесплатны, и единственная цена — потраченный день.