Воксельная пагода, на 10% меньше токенов и одно предложение, за которое OpenBMB действительно стоит

Самое цитируемое предложение о MiniCPM-V 4.7 35B-A3B на этой неделе — не в карточке модели. Это твит, опубликованный 13 октября 2026 года, в котором говорится: «MiniCPM-V 4.7 35B-A3B не только использовала меньше токенов, но и создала воксельную пагоду лучше, чем Qwen 3.6 35B-A3». Демонстрация, на которую он указывает, — это видео, где две языковые модели пишут код для трёхмерной воксельной японской пагоды, а результаты отрендерены рядом. Это действительно интересный артефакт — он показывает, как визуально-языковая модель воспроизводит построенную структуру в трёх измерениях по подсказке в виде изображения, а это более сложная задача, чем составить подпись к ней. Но стоит отделять то, чем этот твит является, от того, чем он не является, потому что три разных утверждения слились в одну строку, и у них три разных уровня подтверждения. MiniCPM-V 4.7 35B-A3B — настоящий чекпойнт от OpenBMB, и ему примерно неделя; Qwen3.6-35B-A3B — девятимесячный конкурент с открытыми весами, тоже Apache-2.0, тоже разреженная смесь экспертов с тем же заявленным размером. Всё ниже — о том, какие из связанных с ними утверждений об эффективности можно проверить, а какие — JPEG-изображение графика.

Три утверждения, облачённые в одно предложение

Твит объединяет три отдельные вещи, и их стоит разделить, потому что только одна из них задокументирована.

• «Использовано меньше токенов» — это измеримое утверждение о потреблении токенов для одной задачи. Фигурирующая рядом с демо цифра — на 10% меньше токенов, чем у Qwen3.6 35B-A3B. Эта цифра получена сторонним автором, проводившим сравнение, а не из оценки OpenBMB, и это одна пара промптов, а не бенчмарк.

• «Создал лучшую воксельную пагоду» — это оценочное суждение, вынесенное при взгляде на две отрендеренные пагоды. Нет ни рубрики, ни системы подсчёта баллов, ни независимой стороны. Это из тех утверждений, которые человек делает за три секунды, а бенчмарк не может сделать вообще, потому что у «лучшей пагоды» нет эталонной истины.

• «Эффективность плюс качество — вот настоящее поле битвы» — эта часть — тезис, и именно его OpenBMB действительно аргументирует в письменной форме, с цифрами, в карточке модели. Просто не эта фраза разошлась.

Это важно, потому что первые два утверждения — запоминающиеся, а третье — защитимое. Если вы решаете, тратить ли 70 ГБ на скачивание чекпоинта, вам нужно третье.

Что OpenBMB на самом деле написала, и когда

Сначала хронология, потому что она была сжата при пересказе. Веса были выложены тихо: openbmb/MiniCPM-V-4.7-1B был создан 6 октября 2026 года в 17:40 UTC, openbmb/MiniCPM-V-4.7-35B-A3B 7 октября в 07:07 UTC. Ни один из них не имел карточки модели, лицензионной метки или бенчмарка на тот момент — об этом здесь писали в то время, и это было странное положение дел для загрузки с 35 миллиардами параметров. Шесть дней спустя, 12 октября 2026 года, OpenBMB закоммитила документацию за один раз: карточка модели, лицензия Apache-2.0, графики оценки, переписанный README репозитория, начинающийся с новой серии, и анонс. Параметры в тот день не изменились. Изменилось объяснение.

Так что честная формулировка — не «MiniCPM-V 4.7 35B-A3B вышла на этой неделе». Она такова: «MiniCPM-V 4.7 35B-A3B стала читаемой на этой неделе». Всё, что о ней теперь можно цитировать, было либо загружено 6-го и 7-го, но не задокументировано, либо написано 12-го и является заявлением вендора.

Утверждение, которое карточка модели действительно выдвигает

Вот эта фраза, дословно с карточки, и она более узкая, чем твит: в режиме Instruct вариант 35B-A3B «достигает более высокого общего балла за меньшее время инференса, чем Qwen3.6 35B-A3B». И всё. Ни количества токенов, ни размера отрыва, ни разбивки по отдельным бенчмаркам текстом. Доказательство за этим — диаграмма рассеяния: средний балл оценки по вертикальной оси, время инференса в секундах по логарифмической шкале по горизонтальной, — на которой MiniCPM-V 4.7 35B-A3B находится выше и левее Qwen3.6-35B-A3B. В сноске к самому графику среднее определяется как среднее значение по пяти бенчмаркам: MMStar, MMMU-Pro, CharXiv reasoning, BLINK и MathVista. Кружки обозначают режим Instruct, ромбы — режим Thinking.

Это реальное и конкретное утверждение о двумерном компромиссе, и это самое сильное место в релизе. Стоит также отметить, чего график не может вам сообщить: на нанесённых точках нет числовых подписей, поэтому вы не можете считать с него ни оценку, ни время — только направление. Направление, как оно изображено, отдаёт предпочтение MiniCPM сразу по обеим осям.

И это измерял сам поставщик. Оценочные цифры в карточке сопровождаются строкой: «Результаты взяты из публичных отчётов и нашей локальной оценки с использованием официальных чекпоинтов». Локальная оценка означает оборудование OpenBMB, тестовый стенд OpenBMB, выбор режима OpenBMB. Для карточки модели это нормально — и ненормально отмывать это в факт. Ни одна независимая сторона не прогоняла эти два чекпоинта на общем тестовом стенде. Ни один лидерборд не проиндексировал ни один из этих результатов. На момент написания у утверждения есть ровно один источник, и этот источник продаёт модель.

Откуда, по идее, должна взяться эффективность токенов

Аргумент в пользу эффективности не основывается на графике тестов производительности. Он основывается на трёх инженерных решениях, и их стоит понять, потому что они определяют, перенесётся ли выигрыш на ваше оборудование или нет.

• Lookahead Expert Scheduling (LES) — ключевая техника. Разреженная смесь экспертов хранит гораздо больше параметров, чем активирует на токен, и на устройстве, которое не может удерживать всех экспертов в памяти, веса выгружаются и загружаются, а декодирование останавливается. LES использует предсказание маршрутизации между слоями, чтобы предварительно загружать экспертов, вероятно, необходимых следующему слою, и приоритизирует вычисления для экспертов, которых реально выбрал настоящий маршрутизатор и которые уже оказались загруженными. OpenBMB тщательно отмечает, что предсказание управляет только предварительной загрузкой и планированием; маршрутизация модели на уровне токенов не меняется, а эксперты, пропущенные предсказателем, всё равно загружаются и оцениваются. В карточке утверждается, что это даёт ускорение в 5 раз на реальных устройствах без потери возможностей.

• Мелкозернистое послойное квантование — сокращает занимаемую память под веса экспертов и трафик памяти, а это вторая половина того, чтобы схема загрузки на устройстве вписывалась.

• Спекулятивная выборка DSpark — парный путь черновой модели, опубликованный отдельно как openbmb/MiniCPM-V-4.7-35B-A3B-DSpark, и интегрированный вместе с работой по планированию и квантованию.

В сумме они дают главную цифру релиза: более 13 токенов в секунду при использовании примерно 3 ГБ памяти на iPhone 17 Pro Max. Это вендорский показатель, на вендорском оборудовании, с вендорским ПО — приложением, которое написала OpenBMB. Это из тех заявлений, которые либо представляют собой весь продукт, либо не значат ничего, и сейчас никто за пределами компании не может его проверить, потому что для воспроизведения требуется тот стек на устройстве, на котором работает демо для телефона.

Эффективность токенов реальна, но здесь это матрица, а не скаляр

В этом релизе есть одна деталь, которая оказалась сглажена во всех его пересказах, и именно она фактически управляет экономикой токена.

• MiniCPM-V 4.7 35B-A3B поддерживает смешанное сжатие визуальных токенов 4x и 16x, выбираемое для каждого запроса. Настройка 16x объединяет визуальные токены ради скорости; 4x сохраняет в четыре раза больше — ради детализации. Значение по умолчанию в карточке — 16x, и этот параметр нужно передавать и в шаблон чата, и в вызов generate, иначе количество заполнителей и визуальный энкодер будут расходиться.

• В собственной таблице сравнения визуально-языковых моделей поставщика зафиксирован параметр сжатия, использованный для строки каждой модели. В этой таблице строка MiniCPM-V 4.7 35B-A3B указана на 4x — режим сохранения деталей, то есть дорогостоящий, — а строка Qwen3.6 35B-A3B — на 16x. Строка Gemma 4 31B указана на 9x; две строки Qwen 27B — на 4x.

• В сноске прямо указано, что MiniCPM-V 4.7 поддерживает любую из этих настроек, тогда как остальные модели в таблице поддерживают только фиксированную степень сжатия.

Сопоставьте это — и картина меняется. Если строка MiniCPM берёт свои оценки vision-language при настройке, требующей много токенов, а строка Qwen — при экономной по токенам, то два столбца сравнивают разный объём визуальных деталей, и история об эффективности — это не «тот же вход, меньше токенов», а «настраиваемый вход, и вот столбец, который выигрывает по качеству». Это более интересное и более честное утверждение, чем в твите, и OpenBMB опубликовала его в сноске, а не вынесла в начало.

Это также означает, что число, которое вас на самом деле интересует, — токены на единицу визуальной детализации, — вообще невозможно узнать из этой таблицы. Для этого нужно запустить обе модели при одинаковых настройках, а таких публикаций никто не делал.

Таблица, с прилагаемыми оговорками

Карточка содержит две таблицы вендора: одну для vision-language и одну для language, обе в режиме Instruct, обе в сравнении с набором, включающим две модели Qwen класса 35B-A3B, одну Gemma 31B и две модели Qwen 27B. Приведённые ниже показатели были считаны с собственной PNG-диаграммы вендора, и оговорка носит структурный характер: числа существуют только как пиксели на этой диаграмме, а не как таблица, поэтому то, что приводится далее, было извлечено машинным чтением, и возможны небольшие ошибки распознавания.

• OCRBench — MiniCPM-V 4.7 35B-A3B 91,20 против Qwen3.6 35B-A3B 90,40. Разрыв в 0,8 пункта — причём по собственному прогону вендора.

• OmniDocBench v1.6 — примерно 98,2 у MiniCPM против примерно 93,3 у модели Qwen, что является самым большим отдельным разрывом в таблице и тем, который имел бы наибольшее значение, если бы воспроизвелся, поскольку именно на разбор документов обычно расходуются бюджеты токенов.

• MMMU — примерно 80,2 против 80,0, ничья с точностью до разрешения изображения графика.

• MMMU-Pro — примерно 69,7 против 67,7, в строке, где 27B Qwen находится выше обоих.

• Таблица по языкам — той же формы, с более бросающимися в глаза ячейками по следованию инструкциям и коду. IFBench указан около 47,7 против 35,3, а LiveCodeBench-v6 — около 97,0 против 54,3. Эти два показателя достаточно велики, чтобы к ним относились как к наименее достоверным ячейкам в релизе, пока кто-то другой их не воспроизведёт: разрыв в 43 пункта на бенчмарке по коду между двумя открытыми MoE-моделями сопоставимого размера, измеренный одной из двух сторон, — это утверждение, которое требует второго инструмента.

Сообщено вендором, протестировано на вендорском стенде, независимо не воспроизведено. Вот и всё. Если эти цифры подтвердятся на независимом стенде, утверждение о границе Парето верно, а видео с пагодой — всего лишь сноска. Если нет, то видео с пагодой — это всё, что есть.

Что говорят показатели внедрения — а они ничего не говорят о качестве.

Одно число в этом сравнении никем не оспаривается, и это не бенчмарк. Счётчик загрузок Hugging Face, снятый 13 октября 2026 года, показывает 630 для openbmb/MiniCPM-V-4.7-35B-A3Bпротив примерно 3,6 млн уQwen/Qwen3.6-35B-A3B — репозитория, созданного 15 апреля 2026 года и потому находящегося примерно на девять месяцев дальше по кривой внедрения. Этот разрыв измеряет время, а не заслуги, и именно поэтому вопрос об эффективности вообще ставится в этом направлении: новичку приходится доказывать преимущество в расчёте на каждый токен именно потому, что у него не было девяти месяцев, чтобы стать выбором по умолчанию.

В листинге есть также небольшое внутреннее противоречие, о котором стоит сказать. Репозиторий несёт тег «On-Device Model», унаследованный от остальных моделей семейства, а разреженный MoE на 35,2 млрд параметров с 70,4 ГБ весов BF16 не является on-device ни в каком смысле, в котором это понял бы человек, скачивающий модель. История про on-device реальна, но она реализуется через квантование и потоковую подгрузку экспертов поверх чекпойнта, а не через сам чекпойнт. Планируйте бюджет исходя из квантованной сборки и приложения, а не из тега.

Что с этим делать на этой неделе

Практическая позиция узка и ясна. Если вы хотите, чтобы утверждение об эффективности было проверено, проверять пока нечего — это график одного вендора, а единственное число, к которому привязан показатель по задаче (на 10% меньше токенов, одна пагода), взято из единственного демо третьей стороны. Если вы хотите запустить модель, веса — Apache-2.0, архитектура задокументирована, а параметр даунсэмплинга — на ваше усмотрение, и это настоящий и недооценённый рычаг: 16x, когда важна пропускная способность, 4x, когда график показывает вам документ.

Одна половина этого сравнения сегодня доступна через хостируемый API, а другая — нет, и стоит точно определить, что есть что. qwen/qwen3.6-35b-a3b— это хостируемая модель на OrcaRouter — она находится в каталоге и доступна по одному ключу, по собственной прейскурантной цене Qwen, без каких-либо наценок, направляя запросы к тому провайдеру, который работоспособен, а не к тому, который вы закрепили. MiniCPM-V 4.7 не хостится у нас; это чекпойнт с открытыми весами, который вы обслуживаете сами. Именно эта асимметрия здесь и полезна. Вы можете уже сегодня после обеда сделать сторону Qwen из этого сравнения базовой линией, запустить тестовый стенд OpenBMB на своих данных против неё и позволить графику вендора быть гипотезой, а не ответом.

Что — учитывая, что весь спор идёт об эффективности на вашем оборудовании, — было единственным измерением, которое вообще могло его разрешить.