MiniCPM-V 4.7 1B vs MiniCPM-V 4.7: Två checkpoints, ett namn och ett mycket annorlunda jobb

Det finns ingen checkpoint som heter MiniCPM-V 4.7. OpenBMB har aldrig publicerat en, och den modell-URL som skulle innehålla den returnerar ett auktoriseringsfel i stället för en viktsida. Namnet är serien. Den 12 oktober 2026 släppte den serien två saker som en läsare rimligen skulle kunna mena med det: MiniCPM-V 4.7 1B, en tät modell med 1,55 miljarder parametrar byggd för att rymmas i en telefons arbetsminne, och den glesa mixture-of-experts-checkpointen med 35 miljarder parametrar som bär varje rubrikpåstående i lanseringen – demon på enheten, Pareto-frontier-diagrammet, frasen "första öppen källkods-MoE som körs smidigt på enheten". Att jämföra dem är inte en rättvis kamp, och det var aldrig meningen att den skulle vara det. Det är en fråga om hur mycket minne du är beredd att avsätta, och om leverantörens egna siffror är tillräckligt starka för att motivera att avsätta det.

Namnet är en serie, inte en modell.

Två repositorier bär namnet MiniCPM-V 4.7, och ett tredje bär det med ett suffix. openbmb/MiniCPM-V-4.7-1B skapades den 6 oktober 2026 kl. 17:40 UTC. openbmb/MiniCPM-V-4.7-35B-A3B följde den 7 oktober kl. 07:07 UTC. openbmb/MiniCPM-V-4.7-1B-DSpark — ett spekulativt utkasthuvud med 213 miljoner parametrar för den lilla modellen — landade den 8 oktober. Alla tre är Apache-2.0. Själva openbmb/MiniCPM-V-4.7-repositoriet finns inte, och det är värt att säga det rakt ut, eftersom en hel del bevakning skriver som om det gjorde det och citerar en uppsättning siffror under den andras namn. OpenBMB:s README daterar själva utgivningen till den 12 oktober, vilket är datumet att använda om du behöver ett: repositorierna laddades upp först och tillkännagavs fyra dagar senare, i vanlig ordning.

Så den ärliga inramningen av "1B vs 4.7" är inte en jämförelse mellan en liten modell och en stor med samma namn. Det är en jämförelse mellan de två storleksklasser som serien faktiskt erbjuder, där en av dem råkar vara den enda som enbart seriens namn hittar.

Vad 1B faktiskt är

Enligt safetensors-metadata är den täta checkpointen 1 554 476 272 parametrar i BF16 — cirka 3,11 GB i en enda viktfil, vilket är huvudnumret för alla som funderar på en handenhet. Dess språkliga ryggrad är märkt qwen3_6_text, 24 lager djupt med en dold storlek på 1024, och dess attention följer ett mönster med tre linjära mot en fullständig: 18 av de 24 lagren tar en linjär väg och sex kör konventionell attention. Vokabulären är 248 094 tokens. Visionstornet är den egna minicpmv4_7_vision från samma linje — 27 lager, dold storlek 1152, patchstorlek 14, bildstorlek 980, infogat i språkstacken vid lager 6. Två inställningar betyder mer än resten för dokumentarbete: downsample_mode är 16x, och mrope_mode är canvas, vilket är det multimodala roterande inbäddningsschemat som familjen använder för att hålla den rumsliga strukturen intakt över en uppdelad bild. Maximala positionsinbäddningar är 262 144, så kontextfönstret är ett äkta 256K snarare än ett nominellt sådant.

Vid tidpunkten för skrivandet visar repositoriet 14 nedladdningar och 22 gillningar. Det är lite, och det är det ärliga måttet på hur mycket communityn har använt modellen hittills.

Vad flaggskeppet faktiskt är

35B-A3B-checkpointen är 35 212 875 824 parametrar i BF16 — 70,4 GB utspridda över sexton safetensors-shardar, vilket är 22 gånger storleken på den täta modellen i en enda nedladdning. Arkitektoniskt är den ett annat djur: 40 lager, hidden size 2048, och en gles MoE-feed-forward med 256 experter varav 8 är aktiva per token, med moe_intermediate_size satt till 512. Vokabulären är 248 144, något bredare än 1B-modellens. Attention-mönstret är samma idé på större djup — 30 linjära lager mot 10 fulla. Det är den första MoE:n i MiniCPM-V-serien, och det är checkpointen som leverantörens effektivitetsberättelse egentligen handlar om: OpenBMB:s påstående är 13-plus tokens per sekund med ungefär 3 GB minne på en iPhone 17 Pro Max, med Lookahead Expert Scheduling som förhämtar expertvikter mellan lager så att gles routning inte stannar på minnesbandbredd, plus ett parat MTP-huvud och blandad 4x/16x visuell token-komprimering. Det är leverantörens siffror, uppmätta av leverantören, på leverantörens demo. Ingen annan har reproducerat dem ännu. Repositoriet visar 166 nedladdningar och 43 gillningar — en storleksordning mer uppmärksamhet än 1B-modellen har dragit till sig.

Jämförelsen, dimension för dimension

Sex dimensioner, båda sidorna, med en notering om hur mycket vikt varje siffra bär.

• Parametrar och form — MiniCPM-V 4.7 1B: 1,55B tät, varje parameter aktiv på varje token. MiniCPM-V 4.7:s flaggskepp: 35,2B totalt, gles, 8 av 256 experter per token. De två totalerna är inte jämförbara storheter; MoE:ns aktiva budget är det som avgör beräkningen per token, och OpenBMB publicerar den inte. Läs "A3B" som en del av namnet, inte som ett mått.

• Viktfotavtryck — MiniCPM-V 4.7 1B: 3,11 GB i en enda BF16-fil, vilket är hela anledningen till att den existerar. MiniCPM-V 4.7 35B-A3B: 70,4 GB fördelat över sexton shards i BF16. Leverantörens siffra på 3 GB på enheten gäller den större modellen först efter kvantisering och expertströmning, inte för den råa nedladdningen.

• Attention och kontext – båda: 256K positioner, ett 3:1-mönster för linjär-till-full attention och samma canvas mRoPE-läge. MiniCPM-V 4.7 1B kör det över 24 lager; flaggskeppet över 40. Detta är den enda dimensionen där de två modellerna verkligen är samma design, skalad.

• Visionväg — båda: familjens egen minicpmv4_7_vision-torn med 16x nedsampling. Skillnaden ligger på andra sidan av komprimeringssteget: flaggskeppets diagram gör reklam för ett blandat 4x/16x-schema som 1B inte gör anspråk på.

• Licens — båda: Apache-2.0, deklarerad i repositoryt och fastställd i projektets README. Detta är viktigt eftersom det är motsatsen till hur samma serie såg ut en vecka tidigare; det finns ingen oklarhet att rapportera här för någon av kontrollpunkterna.

• Kvalitetsbevis — MiniCPM-V 4.7 1B: endast leverantörens diagram. MiniCPM-V 4.7 35B-A3B: leverantörens diagram, en demovideo från leverantören på en iPad M4 och en iPhone, samt ett publicerat påstående om tokens per sekund på enheten. Ingen av dem har en oberoende utvärdering, och ingen av dem har benchmarkats av en tredje part mot en fast testram.

Vad leverantörens egna diagram påstår

OpenBMB publicerade benchmarkdiagram för båda checkpunkterna, och skillnaden i vad de kan stödja är lärorik. 1B-diagrammet placerar modellen på MMBench 83,17, OCRBench 86,10 och OmniDocBench v1.6 85,39, före den tidigare generationens 1,3B-klassmodell som den står intill i samma figur på alla tre (81,89, 83,80 respektive 82,52). Dessa är leverantörsrapporterade och inte reproducerade, och diagrammets egen kolumnmärkning måste läsas noggrant, eftersom en rad i det anger ett värde som inte är trovärdigt för en modell av den här storleken. Betrakta de absoluta siffrorna som marknadsföring och deltavärdena mot den tidigare generationen som den enda delen med en intern logik.

35B-A3B-diagrammet är mer lättläst eftersom jämförelsen är tätare. Det redovisar MMMU 80,22, MathVista 88,00, OCRBench 91,20, OCRBench_v2 68,47, OmniDocBench v1.6 94,24, CharXiv reasoning 75,60, TextVQA 84,99 och CCOCR 81,14, mot ett fält som omfattar två mixture-of-experts-modeller av 35B-A3B-klass, en 31B Gemma och en 27B Qwen3.8. Enligt leverantörens egna siffror vinner MoE de flesta raderna med knapp marginal och förlorar ett par – MMMU-Pro och MathVision går åt andra hållet. Återigen: leverantörsrapporterat, ej reproducerat, och den enda rimliga tolkningen är "leverantören anser att det ligger på paritet eller bättre", inte "det ligger på paritet eller bättre".

Det finns ett etiketteringsproblem värt att flagga snarare än att lösa. Repositoriet heter 1B. I Hugging Face-sidopanelen beskrivs modellen som 2B parametrar. Safetensors-metadatan anger 1 554 476 272 – cirka 1,55B. Leverantörens eget diagram betecknar raden som 1,3B. Fyra källor, fyra siffror, och den minsta av dem finns i diagrammet som marknadsföringen pekar på. Inget av detta ändrar vad modellen gör, men om du budgeterar minne mot ett specifikationsblad, budgetera mot filen på 3,11 GB snarare än mot någon av etiketterna.

Vilken av dem du faktiskt vill ha

Om begränsningen är en telefon, en bärbar dator, ett enda litet GPU-kort eller något med en effektbudget, är bara en av dessa en kandidat. MiniCPM-V 4.7 1B finns just för att en multimodell modell med 256K-kontext ska rymmas i några gigabyte, den släpps under en licens som tillåter kommersiell användning, och kvantiseringsekosystemet finns redan där – GGUF-, AWQ-, GPTQ-, int4- och FP8-byggen, plus stöd från dag ett från Rockchip, Houmo, Intel, AMD och Arm-hårdvarutillverkare samt OpenVINO. För OCR på enheten, förståelse av skärmbilder och dokumenttolkning med ett utrymme på 3 GB är det versionen i den här serien som besvarar frågan.

MiniCPM-V 4.7 35B-A3B svarar på en annan fråga. Det är inte en större version av samma produkt; det är försöket att behålla kvaliteten hos en modell i 35B-klassen samtidigt som man bara betalar för 8 experter per token, och om leverantörens påstående om genomströmning håller är det det intressantare ingenjörsresultatet av de två. Det är också, med 70,4 GB i BF16, en nedladdning för server eller arbetsstation, och dess berättelse för lokal körning går via kvantisering och expertströmning snarare än via filen du får från Hub.

Var en router passar in, och var den inte gör det

Ingen av checkpointarna hostas på OrcaRouter. MiniCPM förekommer inte alls i vår katalog, och det korrekta rådet till den som vill köra någon av dessa är att ladda ner vikterna och servera dem själv — llama.cpp, Ollama, vLLM eller SGLang stöder alla arkitekturen, och listan över stöd från dag ett ovan är ovanligt bred för ett så ungt släpp. Routingfrågan dyker upp först i nästa steg, vilket är vad som händer när en liten lokal modell inte räcker för en viss förfrågan och arbetet måste skickas till något hostat. Den överlämningen är ett routingbeslut snarare än ett andra kontrakt: OrcaRouter samlar ett par hundra hostade modeller bakom en enda nyckel till varje leverantörs listpris utan något påslag, med failover när en leverantör försämras. Bland de hostade visionsmodellerna på den listan finns flera i samma viktklass som 1B — qwen/qwen3-vl-8b-instruct och dess tänkande variant, qwen/qwen3-vl-235b-a22b-instruct för den tunga änden, och deepseek/deepseek-v4-flash-vision-exp för dokumentarbete med lång kontext. Det är nivån ovanför den här familjen, inte en ersättning för den, och det är värt att vara tydlig med vilken sida av linjen varje modell ligger på.

Vad du ska titta på

Två saker kommer att avgöra den här jämförelsen, och ingen av dem finns ännu. Den första är en oberoende utvärdering – samma testrigg körd mot båda checkpoints, på samma hårdvara, utan att leverantören väljer prompterna. Tills den finns är varje noggrannhetssiffra i den här artikeln leverantörens egen och bör citeras med det förbehållet. Den andra är DSpark draft head, som redan är publicerad för 1B och är mekanismen som skulle göra inferens för små modeller väsentligt snabbare på en telefon. Om spekulativ avkodning fungerar som utlovat i den här skalan blir den täta 1B-modellen ett betydligt bättre svar än dess storlek antyder, och 35B-A3B förblir modellen man tar till bara när begäran verkligen kräver det.

Det som inte behöver vänta på någonting är licensen, arkitekturen, fotavtrycket och verktygen. De finns i repositorierna, de är Apache-2.0 för båda checkpointarna, och de räcker för att avgöra redan i dag vilken av de två som hör hemma på din hårdvara.

Den hostade delen av det mönstret är ett routingbeslut snarare än ett andra avtal. varje leverantörs listpris utan påslag från oss Ingen av MiniCPM-V 4.7-checkpointarna är en hostad modell på OrcaRouter – båda är vikter som du själv servar.