MiniCPM-V 4.7 против LFM2.5-VL 3B: загадка на 70 ГБ против 3B-модели, которую можно запустить на ноутбуке

MiniCPM-V 4.7 и LFM2.5-VL 3B продаются как вещи одной категории — компактные визуально-языковые модели, которые вы запускаете сами, — а на практике между ними едва ли может быть больше различий. LFM2.5-VL 3B — это готовый продукт: задокументированный чекпоинт на 3,1 млрд параметров от Liquid AI с лицензией, карточкой модели, GGUF-квантами, уже гуляющими по свету, и всё меньшим числом веских причин не просто скачать его и попробовать. MiniCPM-V 4.7 — это разреженный чекпоинт смеси экспертов на 35,2 млрд параметров, который OpenBMB загрузил на Hugging Face 6 октября 2026 года без карточки модели, без лицензии и вообще без каких-либо бенчмарков. Их сравнение — это не сравнение двух моделей. Это сравнение модели с артефактом, который, вероятно, когда-нибудь ею станет.

Матчап, честно говоря, заявлен с самого начала.

Эта страница может дать вам полное представление о LFM2.5-VL 3B, потому что Liquid AI опубликовала её. Она может дать вам полное представление о MiniCPM-V 4.7, его структуре и совсем ничего о его поведении, потому что OpenBMB опубликовала config.json и на этом остановилась. Всё нижеследующее о стороне MiniCPM взято из этого файла конфигурации и индекса весов; всё о стороне Liquid взято из карточки модели, а собственные заявления о производительности в карточке сообщены поставщиком и помечены как таковые. Там, где число есть для одной модели и отсутствует для другой, честнее оставить пробел видимым, чем замаскировать его.

Что представляет собой каждый

LFM2.5-VL-3B был выпущен 11 августа 2026 года. Это мультимодальный вариант семейства LFM2.5, созданный для развертывания на устройстве, и он не начинает с нуля: он берет языковой бэкбон LFM2.5-2.6B и объединяет его с визуальным энкодером SigLIP2 NaFlex. NaFlex — это та часть, которая важна для работы с документами: она сохраняет исходные соотношение сторон и разрешение вместо того, чтобы принудительно приводить каждое изображение к фиксированному квадрату, и именно поэтому главные улучшения, заявленные в карточке модели, — это grounding с запросами на естественном языке и полностраничное OCR с разметкой макета. Модель распространяется под лицензией LFM Open License v1.0 и поддерживает шестнадцать языков, включая английский, китайский, японский, корейский, арабский, хинди, французский, немецкий, испанский, португальский, итальянский, польский, русский, тайский, вьетнамский и индонезийский. Поскольку ее размер — 3B, сборки GGUF появились в течение дня после выпуска, а в сентябре последовал вариант DSpark, так что экосистема вокруг нее реальна: вы можете скачать квантованную версию и запустить ее на ноутбуке уже сегодня.

MiniCPM-V 4.7 — это чекпойнт BF16 с 35 212 875 824 параметрами, 70,4 ГБ в шестнадцати шардах, класс MiniCPMV4_7ForConditionalGeneration, загружен в openbmb/MiniCPM-V-4.7-35B-A3B 6 октября 2026 года.

Его языковой бэкбон помечен как qwen3_5_moe_text — производный от Qwen3.5 разреженный MoE с 256 экспертами и 8 выбранными на токен — и его 40 слоёв реализуют фиксированную схему внимания «три линейных к одному полному», поэтому 30 из 40 слоёв используют линейный путь в стиле Mamba, а не обычное внимание. Контекст — 256K. Визуальная башня — собственная у линии MiniCPM-V, примерно той же формы, что использовалась в MiniCPM-V 4.6. В репозитории нет README, что на Hugging Face означает отсутствие лицензии.

Сравнение, которое действительно возможно

Шесть измерений, обе стороны, и примечание к каждому о том, какой вес несёт это число.

• Всего параметров — LFM2.5-VL 3B: 3,12 млрд, все активны на каждый токен. MiniCPM-V 4.7: всего 35,2 млрд, разрежённая, 8 из 256 экспертов активны на каждый токен. Показатель MiniCPM несопоставим с количеством параметров плотной модели, а фактический бюджет активных параметров не опубликован; рассматривайте «A3B» как название, а не как измерение.

• Эффективный размер на диске — LFM2.5-VL 3B: один файл safetensors объёмом ~6 ГБ в BF16 или лишь его доля в формате GGUF. MiniCPM-V 4.7: 70,4 ГБ в шестнадцати шардах, только BF16.

• Лицензия — LFM2.5-VL 3B: LFM Open License v1.0, опубликована и указана ссылкой в карточке. MiniCPM-V 4.7: не заявлена. Если тег license: отсутствует, по умолчанию действует принцип «все права защищены», так что это блокер, а не сноска.

• Подход к зрению — LFM2.5-VL 3B: SigLIP2 NaFlex, нативное разрешение с сохранением пропорций, в карточке заявлен полностраничный OCR с аннотацией макета. MiniCPM-V 4.7: кастомная minicpmv4_7_vision башня с downsample_mode: "16x" и max_slice_nums: 9.

• Контекст — LFM2.5-VL 3B: примеры сервинга в карточке скромные по сравнению с дизайном под длинный контекст, а семейство ориентировано на бюджеты памяти на устройстве. MiniCPM-V 4.7: max_position_embeddings: 262144, при этом model_max_length токенизатора согласуется на 256K.

• Свидетельство качества — LFM2.5-VL 3B: опубликованная карточка с улучшениями по сравнению с LFM2-VL-3B, заявленными производителем, сторонние квантованные версии и история загрузок на Hugging Face — около 25 900. MiniCPM-V 4.7: ноль загрузок, три лайка, нет карточки, нет бенчмарков, нет независимой оценки. Нечего цитировать.

• Инструментарий — LFM2.5-VL 3B: сборки GGUF и MLX от третьих сторон, плюс вариант DSpark. MiniCPM-V 4.7: отсутствуют. Квантования любого рода пока не существует.

Две трети этой страницы, которых не хватает

Каждая статья-сравнение в этой области сопровождается абзацем с бенчмарками. В этой статье его быть не может. Для MiniCPM-V 4.7 нет ни MMMU, ни OCRBench, ни DocVQA, ни показателя grounding, ни измерения задержки, ни значения VRAM — и не потому, что их было неудобно искать, а потому, что в репозитории их нет и ни одна третья сторона их не получила. Модель, загруженная без карточки, с точки зрения оценки является неизмеренной. Все, кто утверждает обратное, выводят это из названия семейства или из числа параметров, а и то и другое плохо предсказывает мультимодальное качество.

То же верно и для более тонкого вопроса: действительно ли разреженный MoE помогает. Конструкция 35B-A3B обменивает общий объём памяти на вычисления на токен, а качество следования инструкциям у разреженной модели полностью зависит от того, насколько хорошо был обучен роутер. В конфиге указаны коэффициент вспомогательной потери маршрутизации 0,001 и общий эксперт наряду с 256 маршрутизируемыми, что является стандартной конфигурацией, — но стандартная конфигурация не доказывает хорошую маршрутизацию.

На стороне Liquid недостающий элемент иной: заявления о качестве карты принадлежат самому поставщику.

Улучшения OCR и привязки к визуальному контексту описаны людьми, которые обучали модель, и хотя сторонние квантованные версии и объём загрузок показывают, что сообщество сочло её достаточно полезной, чтобы конвертировать, это доказательство принятия, а не качества. Никто не опубликовал независимого прямого сравнения.

Какой бы вы действительно выбрали

Дерево решений здесь необычно чёткое, потому что две модели не конкурируют за одну и ту же задачу.

Если вам нужна визуально-языковая модель, работающая на ноутбуке, телефоне, Jetson или одной скромной GPU, LFM2.5-VL 3B — единственная из двух, которая отвечает на этот запрос. Она достаточно мала для квантизации, у неё есть лицензия, разрешающая такую работу, и кто-то уже выполнил работу по конвертации за вас. Для анализа макета документов, разбора скриншотов и описания объектов с привязкой к изображению при таких показателях размера и языкового охвата, которые укладываются в бюджет периферийных вычислений, заявленные в карточке сильные стороны соответствуют цели развёртывания.

MiniCPM-V 4.7 не является кандидатом для такой задачи при 70 ГБ в BF16. Он является кандидатом для противоположной задачи: мультимодальная модель с длинным контекстом и высокой пропускной способностью на серверном оборудовании, в рабочих нагрузках, где 256K-окно и экономия KV-кэша за счёт линейного внимания и есть суть. Хорошо ли он справляется с этой задачей — неизвестно, и вопрос лицензии должен быть решён, прежде чем он вообще сможет выполнять эту задачу в чём-либо коммерческом.

Есть и третий вариант, который стоит назвать: возможно, вам вообще не придётся выбирать. Если архитектура такова, что «небольшая локальная модель обрабатывает основную часть трафика и передаёт сложные случаи чему-то размещённому в облаке», то локальную половину этого можно решить уже сегодня, а облачная половина — это решение о маршрутизации. OrcaRouter охватывает пару сотен размещённых моделей через единый ключ по прейскурантной цене каждого провайдера без каких-либо наценок, с переключением при сбое, когда провайдер деградирует — но давайте чётко понимать, чем это не является: ни LFM2.5-VL 3B, ни MiniCPM-V 4.7 не являются размещёнными моделями на этом роутере. Обе — это веса, которые вы обслуживаете сами. Роутер — это то, что стоит за ними.

На каком этапе это находится и что нужно обновить

Liquid AI выпустила готовую малую модель. OpenBMB выпустила незавершённую большую. Сравнение, которого хотят читатели — точность против задержки, OCR против OCR — пока нельзя написать для стороны MiniCPM, а материал, который был бы нечестным, — это тот, что заполняет место арифметикой количества параметров. Следите за README репозитория. В тот день, когда он появится, в нём будут лицензия и первые реальные цифры, и в тот день это станет настоящим прямым сравнением, а не технической спецификацией рядом с продуктом.

Хостинговая половина этой схемы — это решение о маршрутизации, а не второй контракт. цену по прайс-листу каждого провайдера без наценки с нашей стороны Ни LFM2.5-VL 3B, ни MiniCPM-V 4.7 не являются хостируемыми моделями на OrcaRouter — и то и другое — это веса, которые вы обслуживаете сами.