{{1}}MiniCPM-V 4.7 1B{{/1}} เทียบกับ {{2}}LFM2.5-VL 3B{{/2}}: {{3}}OpenBMB{{/3}} กล่าวว่าโมเดล 1B ของตนเอาชนะโมเดล 3B ได้ นี่คือสิ่งที่คำกล่าวอ้างนั้นปิดบังไว้

MiniCPM-V 4.7 1B และ LFM2.5-VL 3B ต่างเป็นโมเดลภาพและภาษาแบบ open-weight ที่สร้างขึ้นสำหรับโทรศัพท์และคอมพิวเตอร์ขนาดเล็ก โดยทั้งสองอยู่ในช่วงเวลาห่างกันไม่ถึงสามสัปดาห์ตามปฏิทิน MiniCPM-V 4.7 1B ถูกอัปโหลดโดย OpenBMB เมื่อวันที่ 6 ตุลาคม 2026 และระบุวันที่ 12 ตุลาคม ในบันทึกการเปิดตัวของผู้จำหน่าย LFM2.5-VL 3B เผยแพร่โดย Liquid AI เมื่อวันที่ 11 สิงหาคม 2026 ตัวหนึ่งมี 1.55 พันล้านพารามิเตอร์และใช้ Apache 2.0 อีกตัวมี 3.12 พันล้านพารามิเตอร์ภายใต้ LFM Open License v1.0 และหน้าเพจผลิตภัณฑ์ของ OpenBMB เองก็มีการกล่าวอ้างที่ควรทำให้ใครก็ตามที่เลือกซื้อโดยดูแค่ขนาดต้องหยุดคิด นั่นคือโมเดล 1B ของตน เหนือกว่า LFM2.5-VL 3B ในด้าน OCR การให้เหตุผลจากแผนภูมิ และความเข้าใจวิดีโอ ความล้มเหลวของ AI และเหตุการณ์ที่เกี่ยวกับเอเจนต์ซึ่งมีเอกสารบันทึกไว้เบื้องหลังการเปิดตัวเช่นนี้ ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive ซึ่งแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง เกรดความเชื่อมั่น และสถานะข้อโต้แย้งของตัวเอง

ประโยคนั้นแบกรับหน้าที่ไว้มากทีเดียว และเท่าที่ใครจะตรวจสอบได้ ตัวเลขก็ไม่ได้ขัดแย้งกับมัน ซึ่งน่าสนใจกว่ากรณีที่มันขัดแย้งกันเสียอีก บทความนี้จะไล่ดูว่าผู้จำหน่ายแต่ละรายเผยแพร่อะไรจริง ที่ใดการเปรียบเทียบเป็นของจริง และสองจุดที่ข้อกล่าวอ้างแอบเปลี่ยนประเด็น

ข้อกล่าวอ้าง ในถ้อยคำของผู้ขายเอง

หน้า 1B ของ OpenBMB ระบุว่าโมเดลนี้ "เป็นการอัปเกรดแบบครอบคลุมเมื่อเทียบกับ MiniCPM-V 4.6-1.3B และเหนือกว่า Qwen3.5-0.8B และ LFM2.5-VL-3B โดยยังคงนำหน้าคลาสขนาดเดียวกันในด้าน OCR การให้เหตุผลจากแผนภูมิ และการทำความเข้าใจวิดีโอ" อนุประโยคที่สำคัญคือ "ยังคงนำหน้าคลาสขนาดเดียวกัน" การเปรียบเทียบกับ LFM2.5-VL 3B ถูกเสนอเป็นหลักฐานของความหนาแน่นของความสามารถ ประโยคที่ตามมาจำกัดข้อกล่าวอ้างให้อยู่ในคลาสขนาดที่ LFM ไม่ได้อยู่ในนั้น

สเปกของ Liquid AI ไม่ได้ตอบแทนน้ำใจแบบเดียวกันเลย มันไม่มีการกล่าวถึง MiniCPM เลยแม้แต่นิดเดียว และมันเปรียบเทียบประสิทธิภาพโมเดลของตัวเองกับ Gemma4 E2B และ E4B, InternVL 3.5 2B และ 4B และ Qwen3.5-2B และ 4B ดังนั้นนี่จึงเป็นการเปรียบเทียบด้านเดียว คือผู้จำหน่ายรายหนึ่งวัดตัวเองเทียบกับอีกราย และอีกรายก็ไม่เคยรับรู้ถึงการจับคู่เปรียบเทียบนี้เลย ความไม่สมมาตรนี้คือสิ่งแรกที่ต้องรู้ก่อนจะอ่านการเปรียบเทียบแบบตัวต่อตัวใด ๆ รวมถึงอันนี้ด้วย

สิ่งที่ผู้ขายแต่ละรายระบุไว้ในบันทึก

Liquid AI เผยแพร่ตารางตัวเลข LFM2.5-VL-3B รายงานผล MathVista 68.5, MMMU Pro 30.5, ChartQA 81.3 และ OCRBenchv2 47.5 (ชุดย่อยภาษาอังกฤษเท่านั้น) พร้อมกับคะแนนของโมเดลพี่น้องในแถวเดียวกัน ตัวเลขเหล่านี้เป็นตัวเลขจากผู้ขาย ซึ่งวัดโดยผู้ขาย และไม่มีฝ่ายอิสระใดจำเป็นต้องเห็นด้วยกับตัวเลขเหล่านั้น แต่ตัวเลขเหล่านี้สามารถพิสูจน์ได้ว่าผิด ซึ่งเป็นสิ่งที่ทำให้มันมีประโยชน์ ถ้าคุณทำซ้ำได้ 55 บน MathVista คุณก็รู้ว่ามีบางอย่างในสภาพแวดล้อมของคุณแตกต่างออกไป

OpenBMB เผยแพร่สรุปตัวเลขเป็นข้อความร้อยแก้ว พร้อมแผนภูมิแบบเต็มอยู่ด้านล่าง สำหรับรุ่น 1B หน้านั้นระบุค่า OCRBench 86.1, MathVista 74.3, CharXiv Reasoning 48.8, LongVideoBench 53.4 และ MotionBench 54.55 และนำเสนอส่วนที่เหลือของการเปรียบเทียบในรูปแบบรูปภาพพร้อมคอลัมน์ 4× และ 16× ส่วนโมเดลการ์ดเองไม่มีตาราง benchmark ใด ๆ เลย

เทียบทั้งสองรุ่นบนเบนช์มาร์กเดียวที่ทั้งคู่เอ่ยถึง MathVista: MiniCPM-V 4.7 1B อยู่ที่ 74.3 ส่วน LFM2.5-VL 3B อยู่ที่ 68.5 รุ่น 1B นำอยู่ 5.8 คะแนนตามตัวเลขที่ผู้ขายรายงานเอง ด้าน OCR ทั้งสองใช้เครื่องมือวัดคนละตัว — OCRBench กับชุดย่อยภาษาอังกฤษของ OCRBenchv2 — ตัวเลขจึงเทียบกันไม่ได้ ซึ่งเป็นรายละเอียดแบบที่ประโยคบอกว่า "เหนือกว่า" มักข้ามไปเสีย

ในกรณีที่การเปรียบเทียบเป็นแบบเดียวกัน

• พารามิเตอร์ — แบบ dense 1.55B, BF16, ขนาดบนดิสก์ 3.1 GB เทียบกับแบบ dense 3.12B, BF16; LFM มีขนาดใหญ่กว่าโมเดลประมาณสองเท่า

• ตัวเข้ารหัสภาพ — โครงสร้างแบบ SigLIP2 จำนวน 27 เลเยอร์, hidden 1152, ไทล์ขนาด 980 พิกเซล เทียบกับ SigLIP2 NaFlex 400M, แพตช์ขนาด 512×512 ที่ไม่ทับซ้อนกัน พร้อมภาพย่อที่ปรับขนาดแล้ว

• แกนหลักข้อความ — คอนฟิกที่ได้มาจาก Qwen3.5 โดยมี 24 เลเยอร์, hidden 1024, รูปแบบแอตเทนชันแบบ linear-to-full ในอัตรา 3:1 เทียบกับ LFM2.5-2.6B, สถาปัตยกรรมแบบไฮบริดที่ Liquid AI ออกแบบเอง

• บริบท — 262,144 โทเคน เทียบกับ 32,768 โทเคน

• งบประมาณโทเค็นภาพ — การบีบอัดแบบ 4× หรือ 16× ที่สลับได้ต่อคำขอ เทียบกับงบประมาณแพตช์ NaFlex แบบคงที่ที่กำหนดตามความละเอียด

• สัญญาอนุญาต — Apache 2.0 กับ LFM Open License v1.0 ซึ่งมีเงื่อนไขเชิงพาณิชย์แทนความเปิดกว้างแบบธรรมดา

• ภาษาที่ระบุชื่อ — ภาษาอังกฤษและภาษาจีนในตัวอย่างของการ์ด เทียบกับ 16 ภาษาที่ระบุไว้อย่างชัดเจน (อาหรับถึงเวียดนาม)

• การประเมินที่เผยแพร่แล้ว — ตัวเลขที่กล่าวถึงในเนื้อความ 5 รายการ พร้อมการเปรียบเทียบที่มีเฉพาะแผนภูมิ เมื่อเทียบกับตารางตัวเลข ครอบคลุมสี่เบนช์มาร์กและโมเดลพี่น้องหกโมเดล

• การประเมินโดยอิสระ — ณ ขณะที่เขียนนี้ ไม่มีรายการ Artificial Analysis สำหรับทั้งสองรายการ เทียบกับที่ก็ไม่มีรายการ Artificial Analysis เช่นกัน

• ความเร็วตามที่ผู้ขายรายงาน — ไม่มีตัวเลขโทเคนต่อวินาทีสำหรับรุ่น 1B บนอุปกรณ์ใด ๆ เทียบกับ 228 tok/s บน Apple M5 Max, 116 tok/s บน AMD Ryzen AI Max+ 395, 20 tok/s บน Galaxy S26 Ultra

• หน่วยความจำ — ประมาณ 3.1 GB BF16; Q4 GGUF 0.67 GB บวกกับ vision projector ขนาด 0.90–1.11 GB เทียบกับต่ำกว่า 3.3 GB ตามที่ประกาศไว้ โดยมีบิลด์ GGUF, ONNX และ MLX ให้เลือกใช้

• เส้นทางการให้บริการที่ระบุชื่อ — Transformers, SGLang, vLLM, llama.cpp, Ollama, OpenVINO, DSpark speculative decoding เทียบกับ Transformers, vLLM, SGLang, llama.cpp พร้อมการส่งออก GGUF, ONNX และ MLX

• เรื่องราวบนอุปกรณ์ — แอป iOS, Android และ HarmonyOS พร้อมการรองรับ Rockchip, Houmo, Intel, AMD และ Arm ตั้งแต่ day-0 โดยสาธิตผ่านตัวเลข decode ของ iPhone 17 Pro Max เทียบกับ Galaxy S26 Ultra และบิลด์ MLX สำหรับ Apple Silicon

สองแถวนี้สมควรได้รับการพิจารณาอีกครั้ง หน้าต่างบริบทมีความแตกต่างกันแปดเท่าโดยเป็นผลดีต่อ MiniCPM และเป็นตัวเลขแบบที่ดูชี้ขาดจนกว่าคุณจะนึกได้ว่าโมเดล 1B ที่รองรับ 262k โทเคนกำลังถือ KV cache ที่ใหญ่กว่าน้ำหนักของมันเอง ในทางปฏิบัติ บนโทรศัพท์ ทั้งสองโมเดลจะไม่ทำงานใกล้ถึงเพดานของมันเลย และแถวเรื่องสัญญาอนุญาตคือแถวที่ตัดสินการนำไปใช้เชิงพาณิชย์บ่อยกว่าผล benchmark ใด ๆ: Apache 2.0 ไม่ต้องคุยกับทนายความ ส่วน LFM Open License ต้องคุย

ในส่วนที่ข้อกล่าวอ้างเปลี่ยนประเด็น

OpenBMB กำลังเปรียบเทียบโมเดลของตนกับคู่แข่งที่มีขนาดใหญ่เป็นสองเท่า บนเบนช์มาร์กที่ตนเลือก และรายงานผลเป็นร้อยแก้ว นั่นไม่ใช่การไม่ซื่อสัตย์ — ตัวเลขถูกเผยแพร่และระบุการเปรียบเทียบไว้แล้ว แต่เป็นการตอบคำถามที่ไม่มีใครที่นำโมเดลไปใช้งานจริงถามเลย ไม่มีใครเลือกระหว่าง 1B กับ 3B เพราะอยากให้ตัวเล็กกว่าดีกว่า พวกเขาเลือกเพราะตัวหนึ่งใส่ในอุปกรณ์ของตนได้และอีกตัวไม่ได้ หรือเพราะตัวหนึ่งมีความครอบคลุมภาษาที่ต้องการ หรือเพราะสัญญาอนุญาตของตัวหนึ่งผ่านการตรวจทางกฎหมาย

สำหรับข้อแรกนั้น การตีความอย่างตรงไปตรงมาคือ ทั้งคู่สามารถรันได้ การ์ดข้อมูลของ LFM2.5-VL-3B อ้างว่าใช้หน่วยความจำต่ำกว่า 3.3 GB และแสดงให้เห็นถึง 20 โทเค็นต่อวินาทีบน Galaxy S26 Ultra ส่วน MiniCPM-V 4.7 1B ที่ Q4 พร้อมโปรเจกเตอร์นั้นอยู่ที่ประมาณ 1.8 GB ดังนั้นข้อได้เปรียบที่แท้จริงของรุ่น 1B ไม่ใช่ "มันรันบนโทรศัพท์ได้แต่รุ่นอื่นทำไม่ได้" — แต่เป็นพื้นที่เหลือสำรอง: หน่วยความจำน้อยกว่าประมาณหนึ่งกิกะไบต์ครึ่ง ซึ่งบนอุปกรณ์ Android ระดับกลางคือความแตกต่างระหว่างแอปที่อยู่รอดได้กับแอปที่ระบบสั่งปิด

ในข้อที่สอง การเปรียบเทียบกลับด้าน LFM2.5-VL-3B ระบุชื่อ 16 ภาษาไว้ในการ์ดของตน และมีบิลด์ ONNX กับ MLX ควบคู่ไปกับ GGUF เอกสารของ MiniCPM-V 4.7 1B เน้นตัวอย่างภาษาอังกฤษและภาษาจีน และเรื่องการทำงานบนอุปกรณ์นั้นเน้นการรองรับชิป iOS, Android และ HarmonyOS มากกว่าความครอบคลุมทางภาษา หากผลิตภัณฑ์ของคุณเปิดตัวในภาษาตุรกี โปแลนด์ หรือเวียดนาม โมเดลที่ใหญ่กว่าซึ่งมีสัญญาอนุญาตที่จำกัดกว่าคือโมเดลที่มีข้อกล่าวอ้างที่เผยแพร่ไว้ว่ารองรับคุณ

ในประเด็นที่สาม Apache 2.0 ชนะอย่างชัดเจนและไม่มีอะไรให้ถกกันมากนัก

สิ่งที่แต่ละอย่างทำได้ดีกว่าจริง ๆ

LFM2.5-VL-3B ถูกสร้างขึ้นโดยมุ่งเน้นชุดงานเฉพาะ และการ์ดของโมเดลก็ระบุไว้เช่นนั้น: งานแบบเทิร์นเดียว ปริมาณงานสูง ความหน่วงต่ำ เช่น การตรวจจับวัตถุแบบใกล้เรียลไทม์ในสภาพแวดล้อมยานยนต์ การทำ OCR แบบแบตช์สำหรับเอกสารสแกนพร้อมการกำกับเค้าโครง และการแปลเมนูและป้ายถนนบนอุปกรณ์ การ์ดยังระบุด้วยว่าโมเดลนี้ไม่เหมาะกับสิ่งใด — งานที่ต้องใช้บริบท{long}และการใช้เหตุผลอย่างเข้มข้น การออกแบบเว็บเชิงภาพ คำถามทางเทคนิคเกี่ยวกับแบบพิมพ์เขียว คำแนะนำเชิงลบแบบนี้หาได้ยากและควรค่าแก่การไว้วางใจมากกว่าคำกล่าวอ้างเชิงบวก

MiniCPM-V 4.7 1B ถูกสร้างขึ้นโดยเน้นความหนาแน่นของความสามารถในกลุ่มขนาดเล็กสุด การบีบอัดโทเคนแบบผสม 4×/16× คือการแสดงออกที่ชัดเจนที่สุดของแนวทางนี้: เช็กพอยต์เดียวกันสามารถรองรับทั้งการอ่านเอกสารแบบละเอียดและการประมวลผลภาพย่อแบบประหยัด โดยเลือกใช้ตามแต่ละคำขอ การควบคุมการแบ่งชิ้น (36 ชิ้นสำหรับภาพ, 1 ชิ้นสำหรับวิดีโอ) พารามิเตอร์การสุ่มเฟรมสำหรับวิดีโอ และรายการ cookbook สำหรับการแยกวิเคราะห์ PDF และ grounding ที่แยกจากกัน ล้วนชี้ไปที่ภาระงานด้านเอกสารและหน้าจอมากกว่าภาระงานตรวจจับ นอกจากนี้ยังจัดส่งหัว speculative decoding ของ DSpark เป็นอาร์ติแฟกต์แยกต่างหากขนาด 213M พารามิเตอร์ ซึ่งเป็นปัจจัยเพิ่ม throughput ที่ได้ผลจริงหากรันไทม์ของคุณรองรับ และเป็นภาระเปล่าประโยชน์หากไม่รองรับ

เส้นแบ่งในทางปฏิบัติ: หากคุณกำลังตรวจจับวัตถุในฟีดกล้องหรือแปลป้ายที่ 20 เฟรมต่อวินาที ตัวเลขความหน่วงและการครอบคลุมภาษาของ LFM คือเหตุผลที่ควรเลือกใช้ หากคุณกำลังเปลี่ยนภาพหน้าจอ ใบเสร็จ และภาพหน้าเอกสารให้เป็นข้อความที่มีโครงสร้างด้วยงบโทเค็นที่คุณควบคุมได้ สวิตช์การบีบอัดของ MiniCPM คือเหตุผลที่ควรเลือกใช้

ส่วนต่างที่ผู้ซื้อควรนำมาคิดในราคา

LFM2.5-VL-3B เปิดตัวมาตั้งแต่ 11 สิงหาคม 2026 — ณ เวลาที่เขียนนี้เป็นเวลาสิบสัปดาห์ — ซึ่งในแง่ของโมเดลน้ำหนักเปิด (open-weight) ถือว่านานพอที่ระบบนิเวศการควอนไทเซชันจะเข้าที่เข้าทางแล้ว บิลด์ GGUF, ONNX และ MLX มาจากผู้จำหน่ายโดยตรง รันไทม์ใดก็ตามที่คุณมีแนวโน้มจะใช้ล้วนมีเส้นทางที่ใช้งานได้

MiniCPM-V 4.7 1B เพิ่งเปิดตัวได้สามสัปดาห์ และการ์ดของมันขึ้นต้นด้วยข้อควรระวังเกี่ยวกับ CUDA เวอร์ชันที่ไม่ตรงกันซึ่งทำให้การถอดรหัสวิดีโอผ่าน torchcodec ใช้งานไม่ได้ พร้อมวิธีเลี่ยงปัญหาที่บันทึกไว้สองวิธี สถาปัตยกรรมเป็นของใหม่ — เป็น model_type ที่ยังไม่มีอยู่เมื่อเดือนที่แล้ว — และเวอร์ชัน Transformers ขั้นต่ำคือ 5.18.0 ไม่มีสิ่งใดในนั้นเป็นข้อบกพร่อง มันเป็นต้นทุนมาตรฐานของการนำโมเดลมาใช้ในเดือนแรก และเป็นเหตุผลว่าทำไมการเปิดตัวแบบเงียบ ๆ พร้อมการประเมินผลจากกราฟจึงเป็นตัวเลือกที่ดีสำหรับการทดสอบแบบเคียงข้างกัน และเป็นตัวเลือกที่น่ากังขาสำหรับเส้นทางการใช้งานจริงในโปรดักชันในสัปดาห์แรก

วิธีที่ประหยัดในการรันการทดสอบนั้นคือการให้โมเดลเดิมให้บริการต่อไปขณะที่คุณประเมินตัวใหม่ ซึ่งเป็นปัญหาด้านการกำหนดเส้นทางมากกว่าปัญหาด้านการสร้างแบบจำลอง OrcaRouter ให้บริการ โมเดลที่โฮสต์ไว้มากกว่า 200 โมเดล อยู่เบื้องหลังเอนด์พอยต์เดียวที่เข้ากันได้กับ OpenAI โดยคิดมาร์กอัป 0% ส่งราคาตามรายการของแต่ละผู้ให้บริการผ่านไปโดยไม่เปลี่ยนแปลง ดังนั้นเมื่อผู้ขายลดราคา คุณจะเห็นการเปลี่ยนแปลงในบิลภายในวันเดียวกัน แทนที่จะต้องรอหลังรอบการปรับราคา DSL สำหรับการกำหนดเส้นทางของมันสามารถใส่ทั้งตัวหลักและตัวสำรองไว้ในการเรียกครั้งเดียว และการสลับเมื่อเกิดข้อขัดข้องอัตโนมัติช่วยให้เส้นทางยังทำงานอยู่เมื่อผู้ให้บริการมีช่วงเวลาที่มีปัญหา — ซึ่งเป็นสิ่งที่คุณต้องการเมื่อโมเดลที่กำลังทดลองเป็นเช็กพอยต์ขนาด 1B ที่รันในเครื่อง และโมเดลที่ใช้งานจริงเป็นสิ่งที่คุณจ่ายเงินเพื่อใช้ ไม่มีโมเดลใดในบทความนี้อยู่ในแคตตาล็อกนั้น ทั้งสองเป็นเช็กพอยต์ที่คุณรันเอง และเราเตอร์จะอยู่รอบ ๆ พวกมันแทนที่จะมีวิธีเรียกใช้งานพวกมัน

ข้อเรียกร้องที่ยุติแล้ว

MiniCPM-V 4.7 1B เอาชนะ LFM2.5-VL 3B ได้หรือไม่? บน MathVista ได้ 5.8 คะแนน ตามที่ผู้ขายทั้งสองรายงาน บน OCR ทั้งสองเผยแพร่เครื่องมือวัดที่แตกต่างกัน และไม่สามารถเปรียบเทียบได้ บนการให้เหตุผลจากแผนภูมิและความเข้าใจวิดีโอ OpenBMB อ้างว่าชนะและเผยแพร่เป็นแผนภูมิ และ Liquid AI ไม่เคยตอบกลับ การเปรียบเทียบเดียวที่ตรวจสอบได้อย่างสมบูรณ์สนับสนุนข้อกล่าวอ้าง ส่วนที่เหลือเป็นการที่ผู้ขายให้คะแนนการบ้านของตนเองในรูปแบบที่ยากต่อการยกมาอ้างอิง

ข้อกล่าวอ้างนี้จะใช้ไม่ได้เมื่อถูกตีความว่า “โมเดลที่เล็กกว่าก็ดีกว่าเฉย ๆ” LFM2.5-VL-3B รองรับสิบหกภาษา มีบิลด์ ONNX และ MLX ที่เอ็กซ์พอร์ตออกมาแล้ว มีตัวเลขความเร็วที่ระบุไว้เป็นเอกสารบนโทรศัพท์ Android ที่วางจำหน่ายแล้ว และมีการ์ดที่บอกคุณว่าที่ไหนไม่ควรใช้มัน MiniCPM-V 4.7 1B มีงบโทเค็นที่สลับได้ หน้าต่างบริบท 262k Apache 2.0 และหน่วยความจำแบบควอนไทซ์ประมาณ 1.8 GB สิ่งเหล่านี้คือผลิตภัณฑ์ที่แตกต่างกันแต่ถูกแต่งตัวให้อยู่ในแถวผลเบนช์มาร์กเดียวกัน และคำตอบที่ถูกต้องขึ้นอยู่กับว่ารายการใดในนั้นตรงกับการดีพลอยของคุณ — ไม่ใช่ว่าตัวเลขใดใหญ่กว่า

ทดสอบทั้งสองแบบกับภาพของคุณเองที่การควอนไทเซชันของคุณเอง น้ำหนักนั้นฟรี และช่วงบ่ายเป็นสิ่งเดียวที่เป็นค่าใช้จ่าย