MiniCPM-V 4.7 против North Micro Vision Instruct: Cohere выпустила документированную модель на 2,4 млрд параметров; OpenBMB выпустила пустышку на 70 ГБ

MiniCPM-V 4.7 и North Micro Vision Instruct — это ответы небольших лабораторий на одно и то же техзадание: компактная мультимодальная модель язык–зрение, которую можно дообучить и развернуть самостоятельно. Но только одна из них доведена до конца. North Micro Vision Instruct от Cohere появилась 10 августа 2026 года как модель с 2,4 млрд параметров и нативным разрешением под лицензией Apache-2.0, с техническим постом в блоге, объясняющим архитектуру, и карточкой, где перечислено, для чего она предназначена. MiniCPM-V 4.7 появилась 6 октября 2026 года как чекпойнт разреженной смеси экспертов с 35,2 млрд параметров, шестнадцатью шардами, без README, без поля лицензии и без каких-либо бенчмарков. Интересное сравнение не в том, «какая умнее». А в том, что эти два релиза представляют противоположные позиции по отношению к сообществу, которому ими приходится пользоваться.

Два релиза и то, что входило в каждый из них

North Micro Vision Instruct — это открытая визуально-языковая модель на 2,4 млрд параметров от CohereLabs, выпущенная под лицензией Apache-2.0. Она явно позиционируется как компактная основа для прототипирования, дообучения под конкретные задачи и специализированной мультимодальной работы. Её определяющая особенность — обработка изображений в нативном разрешении, которая сохраняет соотношения сторон и мелкие визуальные детали вместо пересэмплирования в фиксированную сетку, а в карточке модели заявлены возможности в VQA, создании подписей, grounding, OCR, работе с диаграммами и документами. Она поддерживает несколько изображений в одном диалоге и одиннадцать языков — английский, немецкий, французский, испанский, итальянский, португальский, хинди, японский, корейский, китайский и арабский. Веса модели составляют 2 484 847 856 параметров в BF16, и с момента выпуска сообщество MLX создало 4-битные, 5-битные, 6-битные, 8-битные, mxfp8-, mxfp4-, nvfp4- и bf16-конвертации — именно так и выглядит жизнеспособный релиз небольшой модели спустя пару месяцев. У неё около 166 500 загрузок и 150 отметок «Нравится».

MiniCPM-V 4.7 — это openbmb/MiniCPM-V-4.7-35B-A3B: 35 212 875 824 параметра в BF16, 70,4 ГБ в шестнадцати шардах safetensors, класс MiniCPMV4_7ForConditionalGeneration; модель сохранена с помощью Transformers 5.2.0 и загружена 6 октября 2026 года.

Её текстовая основа — разреженная MoE на базе Qwen3.5 — 256 экспертов, 8 выбираются на токен — с 40 слоями, реализующими фиксированный шаблон внимания «три линейных к одному полному», контекстом 256K и собственной 27-слойной визуальной башней с понижением дискретизации в 16×. Карточки модели нет. В репозитории — три лайка и ни одной загрузки.

Бок о бок — по шести важным вещам

• Параметры — Micro Vision Instruct: 2,48 млрд, плотная модель, все активны на каждом токене. MicroCPM-V 4.7: 35,2 млрд всего, разреженная — 8 из 256. Это не сопоставимые напрямую числа.

• Лицензия — North Micro Vision Instruct: Apache-2.0, помечена тегом и указана явно. MiniCPM-V 4.7: не заявлена, что по умолчанию означает все права защищены.

• Поверхность для тонкой настройки — North Micro Vision Instruct: явно разработана как база для тонкой настройки под конкретные задачи, при этом уже доступны квантованные версии от сообщества. MiniCPM-V 4.7: BF16-чекпоинт объёмом 70 ГБ без квантованных версий и без указанного рецепта обучения.

• Обработка разрешения — North Micro Vision Instruct: нативное разрешение, с сохранением соотношения сторон. MiniCPM-V 4.7: downsample_mode: "16x" с max_slice_nums: 9, путь высокого разрешения на основе слайсера.

• Языковой охват — North Micro Vision Instruct: одиннадцать языков, перечисленных на карточке. MiniCPM-V 4.7: нигде не указано.

• Контекст — North Micro Vision Instruct: рассчитана на свой класс развертывания 2.4B. MiniCPM-V 4.7: max_embeddings: 262144, 256K.

• Свидетельства качества — North Micro Vision Instruct: опубликованная карточка, техническая статья в блоге, конверсии сообщества и широкое распространение. MiniCPM-V 4.7: нечего привести в подтверждение.

Асимметрия, из-за которой это сравнение становится однобоким

Здесь было бы легко написать один особый вид сравнительной статьи: взять цифры MiniCPM-V 4.6 с GitHub OpenBMB, отметить, что они превосходят эквивалентный класс малых моделей, и подразумевать, что 4.7 их наследует. Это было бы нечестно, и причину стоит изложить точно. MiniCPM-V 4.7 — не более крупная версия 4.6. Он отказывается от плотного 1,3B Qwen3.5-0.8B бэкбона в пользу разреженного 35B Qwen-MoE, меняет схему внимания на соотношение 3:1 между линейным и полным и переключает визуальное сжатие по умолчанию на 16x. Каждое из этих изменений затрагивает ту часть модели, которая определяет точность. Родословная семейства не является бенчмарком.

Другое направление нечестности тоньше: трактовать отсутствие карточки как доказательство проблемы. Это не так. OpenBMB выпустила девять поколений MiniCPM-V с 2024 года, некоторые из них действительно превосходны для своего размера, а двенадцатиминутный промежуток между созданием репозитория и последним коммитом — это то, как выглядит подготовленный, а затем опубликованный артефакт, а не то, как выглядит сломанный. Правильная интерпретация MiniCPM-V 4.7 — «неизвестно», а «неизвестно» — это не то же самое, что «плохо».

У стороны Cohere свои собственные требования к честности.

Заявления о качестве в карточке North Micro Vision — это собственные измерения Cohere, а технический разбор написан той же командой. То, что сообщество создало шестнадцать квантизаций MLX за считанные дни, — это свидетельство принятия, а не точности: люди конвертируют модели, которые легко конвертировать, а чистый релиз 2.4B под Apache-2.0 легко конвертировать. Ни количество загрузок, ни разброс квантизаций не следует воспринимать как оценку.

Для чего каждый из них на самом деле нужен

North Micro Vision Instruct — цель для тонкой настройки. В этом и заключается всё техническое задание, сформулированное словами самой карточки: компактная основа для прототипирования и специализированных приложений. Если у вас узкая задача парсинга документов, извлечения данных из диаграмм или мультиязычного описания изображений и есть несколько тысяч размеченных примеров, модель на 2,4 млрд параметров с лицензией Apache-2.0, поддержкой входных данных в нативном разрешении и квантованием от восьми бит и выше — разумная отправная точка, а когда она заработает, её можно перенести на периферийное устройство или одну GPU среднего уровня.

MiniCPM-V 4.7, если он окажется пригодным, — это не то. При 70 ГБ без квантования это серверная модель, а отличительные особенности — окно в 256K и линейное внимание, сохраняющее KV-кэш постоянным, — указывают на мультимодальные рабочие нагрузки с длинным контекстом: часовые транскрипты видео, большие наборы документов, расширенный многоходовой анализ с изображениями в истории. Это реальные рабочие нагрузки, и архитектура — разумная ставка на них. Просто эта ставка ещё не сыграла.

Есть нюанс насчёт двух стратегий сжатия, который стоит запомнить. Нативное разрешение и 16-кратный даунсэмплинг — это не просто «лучше» и «хуже». Кодировщик с нативным разрешением тратит токены, чтобы сохранить мелкие детали, которые нужны для OCR и grounding. 16-кратный даунсэмплинг тратит меньше токенов и рискует потерять именно эти детали. Что правильнее, зависит от того, читаете ли вы плотно заполненную форму или описываете сцену, и переключаемый режим 4x/16x в MiniCPM-V 4.6 существовал именно потому, что ответ меняется в зависимости от задачи. Сохранил ли 4.7 этот переключатель — один из вопросов, на которые конфиг не отвечает.

Где маршрутизатор уместен, а где нет

Обе эти модели — это веса, которые вы разворачиваете самостоятельно. Ни North Micro Vision Instruct, ни MiniCPM-V 4.7 не являются размещёнными моделями на OrcaRouter, и ничто здесь не должно восприниматься как утверждение об обратном. Вопрос маршрутизации возникает на шаг позже, когда небольшая самостоятельно развёрнутая модель выполняет рутинную работу, а что-то более крупное должно обрабатывать случаи, с которыми она не справляется. Именно для такой передачи и нужен роутер с одним ключом — более 200 моделей от разных провайдеров, каждая по своей прайс-листовой цене без каких-либо наценок с нашей стороны, с автоматическим переключением при сбое, когда один из провайдеров начинает работать хуже — и стоит заранее уладить вопрос с интерфейсом, прежде чем он понадобится, потому что в тот день, когда ваша оценка 4.7 увенчается успехом, вам захочется иметь вторую конечную точку без второго договора.

Вердикт, и что могло бы его изменить

Cohere выпустила модель. OpenBMB выпустила модель. По каждому критерию, на который читатель может опираться — лицензия, ясность лицензии, документированное поведение, готовность к тонкой настройке, квантование, язык — North Micro Vision Instruct — это ответ на сегодня, и это не близко. Это не заявление о возможностях, потому что сравнение возможностей невозможно. MiniCPM-V 4.7 имеет примерно в десять раз больше параметров, чем модель, с которой его сравнивают, и не опубликовал ничего, что оправдывало бы или опровергало такой размер. Честная позиция — считать его ожидающим: настоящий артефакт из лаборатории с реальным послужным списком, лежащий в репозитории, где не хватает одного файла, который изменил бы всё — README.