MiniCPM-V 4.7 ได้มี Model Card แล้ว: OpenBMB เปิดเผย Benchmarks, Licence และคำกล่าวอ้างเรื่องการทำงานบนอุปกรณ์

ในช่วงหกวันแรกของชีวิต MiniCPM-V 4.7 เป็นเพียงโฟลเดอร์ขนาด 70 GB ที่เต็มไปด้วยเทนเซอร์แบบ bfloat16 โดยไม่มี README — ไม่มีการ์ดโมเดล ไม่มีแท็กสัญญาอนุญาต ไม่มีตารางผลทดสอบ ไม่มีอะไรที่บอกว่ามันมีไว้ทำอะไร สิ่งนี้เปลี่ยนไปเมื่อวันที่ 12 ตุลาคม 2026 เมื่อ OpenBMB คอมมิตการ์ดโมเดลฉบับเต็มลงใน openbmb/MiniCPM-V-4.7-35B-A3B ประกาศสัญญาอนุญาต Apache-2.0 เขียน README ของรีโพซิทอรี MiniCPM-o ใหม่ให้นำด้วยซีรีส์ใหม่นี้ และประกาศเปิดตัวเป็น MLLM แบบโอเพนซอร์สที่มุ่งเป้าไปที่อุปกรณ์ iOS, Android และ HarmonyOS การปรับปรุงเอกสารในรอบเดียวกันนี้ยังครอบคลุมถึงรุ่นน้องขนาด 1B ซึ่งตอนนี้มีการ์ดที่มีโครงสร้างเหมือนกันทุกประการ บทความนี้ว่าด้วยสิ่งที่แตกต่าง — ว่าการ์ดนั้นอ้างอะไรจริง ๆ ข้ออ้างใดที่คุณตรวจสอบได้ด้วยตัวเอง และข้ออ้างใดที่ในวันนี้มีอยู่เพียงในรูปของพิกเซลในไฟล์ PNG ที่ผู้ขายจัดหาให้

อะไรมาถึงเมื่อวันที่ 12 ตุลาคม และอะไรอยู่ที่นั่นแล้ว

น้ำหนักไม่มีการเปลี่ยนแปลง openbmb/MiniCPM-V-4.7-1Bถูกสร้างขึ้นเมื่อวันที่ 6 ตุลาคม 2026 เวลา 17:40 UTC และ openbmb/MiniCPM-V-4.7-35B-A3Bเมื่อวันที่ 7 ตุลาคม เวลา 07:07 UTC; ทั้งคู่ยังคงรายงานเวลาที่แก้ไขล่าสุดเป็นวันที่ 12 ตุลาคม เพราะวันสุดท้ายนั้นใช้ไปกับข้อความ ไม่ใช่พารามิเตอร์ บันทึกคอมมิตในที่เก็บ 35B สำหรับวันที่ 12 ตุลาคม คือการเร่งทำเอกสาร: เพิ่มการ์ดโมเดล เวลา 16:08, อัปเดตการ์ดโมเดล เวลา 16:15, เปลี่ยนชื่อ 35BA3B เวลา 16:23, เพิ่มเมทาดาทา เวลา 16:26, URL แบบสัมบูรณ์ของแอสเซต เวลา 16:50, สี่ เพิ่มส่วนเริ่มต้นใช้งาน คอมมิตจนถึง 17:07 และ เชื่อมโยงเอกสาร LES เวลา 17:09. ทุกอย่างที่อยู่ใต้บรรทัดนั้นในประวัติคือ init. ที่เก็บแห่งนี้เปลี่ยนจากสิบแปดไฟล์และไม่มีการ์ด ไปสู่เวอร์ชันเผยแพร่ที่มีเอกสารประกอบพร้อมรูปภาพ แผนภูมิการประเมิน คำแนะนำการปรับใช้ และใบอนุญาต ภายในเวลาประมาณหนึ่งชั่วโมง

นั่นสำคัญต่อวิธีที่คุณอ่านประกาศ เพราะโพสต์เปิดตัวไม่ใช่สิ่งเดียวกับการเปิดตัวจริง ไม่มีอะไรเกี่ยวกับเช็กพอยต์เปลี่ยนแปลงเมื่อวันที่ 12 ตุลาคม สิ่งที่เปลี่ยนไปคือ MiniCPM-V 4.7 เลิกเป็นไฟล์อัปโหลดที่ไม่มีคำอธิบาย และกลายเป็นผลิตภัณฑ์ที่คุณประเมินบนกระดาษได้

สองรูปแบบ และเหตุใดจึงไม่ใช่รีลีสเดียวกัน

ประกาศดังกล่าวอธิบายถึงโมเดลสองตัว และทั้งสองตัวไม่มีความเกี่ยวข้องกันในเชิงสถาปัตยกรรมภายใต้หอคอยวิชัน (vision tower) — ตัวหนึ่งเป็น sparse mixture-of-experts ส่วนอีกตัวเป็นโมเดล dense ขนาดเล็ก

• MiniCPM-V 4.7 35B-A3B — พารามิเตอร์รวม 35.2 พันล้านในรูปแบบ sparse MoE, ผู้เชี่ยวชาญ (experts) 256 ราย โดยเปิดใช้งาน 8 รายต่อโทเคน, เลเยอร์ข้อความ 40 เลเยอร์, ขนาด hidden 2,048, หัว query 16 หัวเทียบกับหัว key/value 2 หัว, ตำแหน่งสูงสุด 262,144 โทเคน, ขนาดคำศัพท์ 248,144

• MiniCPM-V 4.7 1B — แบ็กโบนแบบ dense qwen3_5_text 24 เลเยอร์ที่ขนาด hidden 1,024, 8 หัว query เทียบกับ 2 หัว key/value, บริบท 262,144 โทเคนเช่นเดียวกัน, คำศัพท์ 248,094, ไฟล์ safetensors 3.1 GB ไฟล์เดียว

• หอคอยการมองเห็นที่ใช้ร่วมกัน — minicpmv4_7_vision, 27 เลเยอร์ที่ขนาดซ่อน 1,152, ขนาดแพตช์ 14, ขนาดภาพ 980, แทรกที่เลเยอร์ 6 ของสแต็กข้อความ

• การบีบอัด — การดาวน์แซมปลิงโทเค็นภาพแบบผสม 4x และ 16x ด้วยเทคนิคการบีบอัดตั้งแต่เนิ่น ๆ ภายใน ViT ที่ OpenBMB ให้เครดิตกับ LLaVA-UHD v4; ค่าเริ่มต้นคือ 16x และ 4x คือการตั้งค่าที่ให้รายละเอียดละเอียดกว่า

• รูปแบบของ Attention — รูปแบบการซ้ำแบบสามต่อหนึ่งในทั้งสองตัวแปร: สาม linear_attention เลเยอร์ ตามด้วยหนึ่ง full_attention เลเยอร์ ทำซ้ำสิบครั้งทั่ว 40 เลเยอร์ข้อความของโมเดล 35B

• สัญญาอนุญาต — Apache-2.0 ทั้งสองแห่ง ประกาศไว้ในส่วนต้นของการ์ด ซึ่งนับเป็นครั้งแรกที่ทั้งสองที่เก็บโค้ดระบุเงื่อนไขใด ๆ เลย

35B-A3B คือรุ่นที่ประกาศเปิดตัวนำเสนอเป็นอันดับแรก และเป็นรุ่นที่มีเรื่องราวทางวิศวกรรมน่าสนใจ: จุดขายทั้งหมดก็คือ MoE แบบสแปร์สที่มีพารามิเตอร์จัดเก็บไว้ 35 พันล้านตัวนั้นสามารถทำให้รันได้อย่างลื่นไหลบนโทรศัพท์

การอ้างว่าทำงานบนอุปกรณ์ได้คือความใหม่ที่แท้จริง และมันเป็นปัญหาด้านการจัดตารางเวลา

ใครก็ตามที่เคยลองรัน MoE บนอุปกรณ์มือถือย่อมรู้จักโหมดความล้มเหลวนี้ พารามิเตอร์ทั้งหมดอาศัยอยู่ในที่จัดเก็บ มีเพียงไม่กี่ตัวเท่านั้นที่ถูกเปิดใช้งานต่อโทเคน และบนอุปกรณ์ที่ไม่มี RAM หรือแบนด์วิดท์พอจะเก็บผู้เชี่ยวชาญทุกตัว น้ำหนักจะถูกสลับเข้าและออกจากหน่วยความจำ ผลลัพธ์คือการถอดรหัสด้วยความเร็วที่ทำให้การสนทนาเป็นไปไม่ได้ วิธีแก้เฉพาะหน้าที่เห็นได้ชัด — ล็อกเราเตอร์ให้ใช้ชุดย่อยของผู้เชี่ยวชาญแบบคงที่ตลอดทั้งพรอมป์ต์ — ทำให้มันเร็วขึ้นแต่ก็แอบลดทอนความสามารถไปอย่างเงียบ ๆ เพราะโทเคนไม่สามารถเข้าถึงผู้เชี่ยวชาญที่โมเดลจะเลือกใช้ตามปกติได้อีกต่อไป

คำตอบของ OpenBMB คือสามเทคนิคที่นำมาซ้อนกัน และการ์ดนี้ระบุเฉพาะเจาะจงอย่างผิดปกติว่าแต่ละเทคนิคทำอะไร:

• Lookahead Expert Scheduling (LES) — ตัวทำนายเส้นทางแบบข้ามเลเยอร์จะโหลดผู้เชี่ยวชาญที่อาจจำเป็นสำหรับเลเยอร์ถัดไปล่วงหน้า โดยจัดลำดับความสำคัญในบรรดาผู้เชี่ยวชาญที่เราเตอร์ตัวจริงเลือกไว้จริง และซ้อนทับการคำนวณของพวกมันเข้ากับภาระการโหลดสิ่งอื่น ๆ ที่ยังคงจำเป็นอยู่ การ์ดนี้ระบุอย่างระมัดระวังว่าการทำนายเป็นเพียงตัวขับเคลื่อนการดึงข้อมูลล่วงหน้าและการจัดตารางเท่านั้น การคำนวณยังคงเป็นไปตามเส้นทางการจัดเส้นทางระดับโทเค็นของโมเดลเอง และผู้เชี่ยวชาญที่การทำนายมองข้ามไปจะถูกโหลดและประเมินตามปกติ

• การควอนไทซ์แบบละเอียดทีละชั้น — ลดขนาดพื้นที่จัดเก็บน้ำหนักของ expert และปริมาณการรับส่งข้อมูลหน่วยความจำ ทำให้รูปแบบการโหลดพอดีกับหน่วยความจำและแบนด์วิดท์บนอุปกรณ์

• DSpark การสุ่มตัวอย่างเชิงคาดการณ์ — รวมเส้นทางของแบบจำลองร่างเข้ากับวงจรการอนุมานบนอุปกรณ์ ควบคู่ไปกับการจัดตารางเวลาและการควอนไทซ์

ตัวเลขพาดหัวคือ 13+ โทเคนต่อวินาทีบน iPhone 17 Pro Max สำหรับ 35B-A3B นั่นคือการวัดจากผู้ขาย บนอุปกรณ์ที่เราไม่เคยเห็น โดยใช้แอปที่เราไม่เคยรัน และเป็นตัวเลขเดียวในข่าวประชาสัมพันธ์นี้ที่ควรถือไว้หลวม ๆ มากที่สุด จนกว่าจะมีคนนอกแล็บทำซ้ำได้ มันยังเป็นข้ออ้างที่กรอบทั้งหมดอย่าง "MoE โอเพนซอร์สตัวแรกที่รันบนอุปกรณ์ได้อย่างราบรื่นโดยไม่กระทบประสิทธิภาพ" ตั้งอยู่บน — ข้ออ้างที่ตามนิยามแล้วยากจะพิสูจน์ว่าเป็นเท็จ เพราะ "โดยไม่กระทบประสิทธิภาพ" ถูกวัดเทียบกับ baseline ที่ผู้ขายเป็นคนเลือกเอง

ส่วนของการ์ดที่เป็นข้อมูลใหม่จริง ๆ: รายการระบบนิเวศ

ก่อนวันที่ 12 ตุลาคม ไม่มีสูตรการให้บริการที่เผยแพร่เลยแม้แต่ฉบับเดียว ตอนนี้การ์ดระบุชื่อเฟรมเวิร์กที่โมเดลคาดว่าจะทำงานด้วย และรายการก็กว้างพอที่จะมีประโยชน์ ไม่ว่าผลการทดสอบวัดประสิทธิภาพจะออกมาเป็นอย่างไร:

• การอนุมาน — SGLang, vLLM, llama.cpp และ Ollama ด้วยเส้นทาง transformers serve สำหรับ endpoint ภายในเครื่องที่เข้ากันได้กับ OpenAI และเส้นทาง OpenVINO สำหรับ Intel CPU, GPU และ NPU

• การไฟน์ทูน — SWIFT และ LLaMA-Factory พร้อมสูตรการฝึกที่ OpenBMB เรียกว่า Self-Replay Fine-Tuning ซึ่งถูกวางตำแหน่งเป็นวิธีต้นทุนต่ำในการขยายความสามารถพร้อมจำกัดการลืม

• การควอนไทซ์ — GGUF, BNB, AWQ, GPTQ และ FP8 พร้อมทั้งเผยแพร่รีโพซิทอรีแยกต่างหากสำหรับตัวแปร AWQ, GPTQ, int4, FP8 และ GGUF ของโมเดล 35B

• ฮาร์ดแวร์ — อ้างว่ามีการสนับสนุน day-0 สำหรับแพลตฟอร์มชิป Rockchip, Houmo, Intel, AMD และ Arm พร้อมทั้งการดีพลอยบน iOS, Android และ HarmonyOS

• เครื่องมือ — คุกบุ๊กที่มีคู่มืองานสำหรับแชตรูปภาพเดียว แชตรูปหลายภาพ วิดีโอ OCR การแยกวิเคราะห์ PDF และ visual grounding พร้อมที่เก็บโค้ดสำหรับการปรับใช้ที่ edge ซึ่งเก็บแอปบนมือถือไว้

• การถอดรหัสแบบคาดการณ์ — เช็กพอยต์ฉบับร่าง DSpark แยกต่างหากสำหรับเป้าหมายทั้ง 35B และ 1B

ผลในทางปฏิบัติก็คือ MiniCPM-V 4.7 ได้ก้าวจาก "คุณจะต้องเขียนตัวโหลดเอง" ไปเป็น "มีเส้นทางที่มีเอกสารกำกับอยู่ในสแตกสำหรับให้บริการอย่างน้อยสี่ตัว" หากคุณกำลังรอการ์ดอยู่ก่อนจะใช้เวลาทดลองในเครื่อง ตอนนี้ไม่ต้องรออีกแล้ว แต่หากคุณกำลังรอหลักฐานอิสระว่าตัวเลขบนอุปกรณ์นั้นเป็นของจริง ก็ยังต้องรอต่อไป

สิ่งที่เบนช์มาร์กยืนยันและไม่ยืนยัน

ส่วนการประเมินของบัตรข้อมูลมีความซื่อสัตย์ต่อสิ่งที่มันเป็น นั่นคือข้อมูลที่ผู้ขายรายงานเอง ไม่ได้ผ่านการทำซ้ำเพื่อตรวจสอบอย่างเป็นอิสระ มีการกล่าวอ้างเชิงเปรียบเทียบสองข้ออย่างชัดเจน และทั้งสองข้อถูกระบุในลักษณะของการเปรียบเทียบมากกว่าคะแนนแบบสัมบูรณ์ ในโหมด Instruct มีการกล่าวอ้างว่า 35B-A3B ทำคะแนนโดยรวมได้สูงกว่าโดยใช้เวลาการประมวลผลน้อยกว่า Qwen3.6 35B-A3B ซึ่งเป็นการกล่าวอ้างเรื่องประสิทธิภาพเทียบกับความหน่วง ไม่ใช่การกล่าวอ้างเรื่องคุณภาพล้วน ๆ ส่วนรุ่น 1B มีการกล่าวอ้างว่าพัฒนาความสามารถหลักของ MiniCPM-V 4.6 ให้ดีขึ้น และทำได้เหนือกว่า Qwen3.5 0.8B อย่างมากทั้งในด้านคะแนนโดยรวมและประสิทธิภาพการประมวลผล

นี่คือส่วนที่ควรค่าแก่การตั้งข้อสังเกต ตัวเลขจริงไม่ได้อยู่ในข้อความ ส่วนการประเมินประกอบด้วยภาพที่เชื่อมโยงกันห้าภาพ — แผนภูมิประสิทธิภาพโดยรวมสำหรับงานด้านภาพ-ภาษาของโมเดล 35B, แผนภูมิด้านภาษา, แผนภูมิของ 1B, กราฟเส้นเขตแดนประสิทธิภาพ-ประสิทธิผล และ GIF เปรียบเทียบความเร็วบนอุปกรณ์ — และข้อความที่อยู่รอบ ๆ ภาพเหล่านั้นเล่าเรื่องราว ไม่ใช่ตัวเลข ไม่มีตารางแยกตามแต่ละเบนช์มาร์กใน README ดังนั้นจึงไม่มีคะแนนที่เครื่องอ่านได้ให้อ้างอิง และด้วยเหตุนี้จึงไม่มีอะไรให้บทความนี้ยกมาเป็นตัวเลขได้ “คะแนนโดยรวมสูงกว่า Qwen3.6 35B-A3B” คือระดับความแม่นยำที่สุดที่บันทึกสาธารณะมีอยู่ในขณะนี้

มีผลตามมาสองประการ ประการแรก MiniCPM-V 4.7 ไม่มีรายการอยู่ในกระดานผู้นำของบุคคลที่สามที่เป็นกลาง ซึ่งปกติเราจะไปดูเพื่อการเปรียบเทียบที่ผ่านการตรวจสอบ — ไม่มีดัชนีการให้เหตุผล ไม่มีดัชนีแบบเอเจนต์ ไม่มีคะแนนมัลติโหมดที่ได้รับการให้คะแนนอย่างอิสระ ประการที่สอง ค่าผลรวมที่ OpenBMB กำลังพล็อตนั้นเป็นคอมโพสิตของผู้ขายเองจากกลุ่มเกณฑ์มาตรฐานที่มันเลือก ซึ่งหมายความว่าข้อกล่าวอ้างเรื่อง "คะแนนรวมที่สูงกว่า" จะมีความหมายเท่ากับน้ำหนักที่อยู่เบื้องหลัง และน้ำหนักนั้นก็ไม่ได้เผยแพร่เช่นกัน ทั้งหมดนี้ไม่ได้ทำให้ตัวเลขผิด แต่ทำให้ตัวเลขยังไม่ผ่านการตรวจสอบ ซึ่งเป็นคนละเรื่อง และความแตกต่างนี้สำคัญที่สุดตรงจุดที่ตัวเลขแข็งแกร่งที่สุด

สิ่งที่คุณตรวจสอบได้ด้วยตัวเองวันนี้

ตัดการตลาดออกไป แล้วจะเหลือแกนกลางที่หนักแน่นและตรวจสอบได้ โดยทั้งหมดอ่านได้จากที่เก็บโค้ดโดยไม่ต้องเชื่อใจใครเลย:

• ไบต์ของน้ำหนัก — safetensors สิบหกชาร์ดบนโมเดล 35B รวม 70,425,903,448 ไบต์ สอดคล้องกับเช็กพอยต์ BF16 ขนาด 35.2B; โมเดล 1B เป็นไฟล์เดียวขนาด 3.1 GB

• สถาปัตยกรรม — ตัวเลขเชิงโครงสร้างทั้งหมดข้างต้นอยู่ใน config.json ซึ่งเผยแพร่อย่างเปิดเผย และสอดคล้องกับข้อความบนการ์ด

• สัญญาอนุญาต — Apache-2.0 ประกาศไว้ในส่วนต้นของการ์ด และตอนนี้ชัดเจนไม่กำกวมแล้ว สำหรับการใช้งานเชิงพาณิชย์ นี่คือบรรทัดที่สำคัญที่สุดในรีลีส และเป็นบรรทัดใหม่

• เวอร์ชันควอนไทซ์ — มีรีโพซิทอรี AWQ, GPTQ, int4, FP8 และ GGUF อยู่จริงและดาวน์โหลดได้ ดังนั้นเรื่องการดีพลอยจึงไม่ใช่แค่ทฤษฎีในระดับน้ำหนักโมเดล

• สัญญาณการนำไปใช้ — รีโพซิทอรี 35B มียอดดาวน์โหลดราว 166 ครั้ง และ 38 ไลก์ ณ วันที่ 13 ตุลาคม ซึ่งนับว่าเพิ่มขึ้นจากตัวเลขเกือบศูนย์ที่มันมีตอนที่เป็นการอัปโหลดแบบไม่มีคำอธิบายใด ๆ แต่ก็ยังเป็นตัวเลขที่น้อยอยู่ดีสำหรับการเปิดตัวที่อ้างว่าเป็น Pareto-frontier

สิ่งที่คุณยังตรวจสอบไม่ได้คือข้อกล่าวอ้างที่เป็นแกนหลักของการเปิดตัวครั้งนี้: ว่านี่คือ MoE โอเพนซอร์สตัวแรกที่รันบนโทรศัพท์ได้โดยไม่ต้องเสียสละสิ่งใด ที่ความเร็ว 13 โทเคนต่อวินาทีขึ้นไป เรื่องนั้นต้องรอให้บุคคลที่สามที่มี iPhone และนาฬิกาจับเวลามายืนยัน

จุดที่เราเตอร์เหมาะ และจุดที่มันไม่เหมาะ

MiniCPM-V 4.7 ไม่ได้ให้บริการผ่าน OrcaRouter มันเป็นเช็กพอยต์แบบเปิดน้ำหนัก (open-weights) ซึ่งหมายความว่าตัวโมเดลเองเป็นสิ่งที่คุณต้องโฮสต์เอง — บนเวิร์กสเตชัน บนเครื่อง GPU หรือบนโทรศัพท์ที่การ์ดใบนี้มุ่งเป้าไปที่ จุดที่เลเยอร์การจัดเส้นทางพิสูจน์คุณค่าของตัวเองอยู่ที่อีกด้านของ arrangemen นี้: จุดที่โมเดลวิชันแบบโฮสต์เองตัดสินใจว่าตนหมดความสามารถรับมือ และส่งเฟรมที่ยากกว่าให้กับสิ่งที่ใหญ่กว่า OrcaRouter รวมโมเดลที่โฮสต์ไว้กว่า 200 โมเดลไว้เบื้องหลังคีย์เดียว, ส่งต่อราคาปลีกของแต่ละผู้ให้บริการในอัตราบวกราคาเพิ่ม 0% ดังนั้นเมื่อผู้ให้บริการเปลี่ยนราคา การเปลี่ยนแปลงจึงมีผลทันทีในวันเดียวกัน และสลับเซิร์ฟเวอร์ให้อัตโนมัติเมื่อผู้ให้บริการรายใดรายหนึ่งมีปัญหา — ซึ่งเป็นรูปแบบที่การตั้งค่าแบบไฮบริดต้องการ โดยโมเดลโลคอลราคาถูกทำงานประจำ ส่วนโมเดลที่โฮสต์ไว้คอยรองรับเคสที่มันแบกรับไม่ไหว

สิ่งที่ควรดูต่อไป

สามสิ่งจะเปลี่ยนรีลีสนี้จากข้ออ้างที่มีเอกสารประกอบให้กลายเป็นข้อเท็จจริงที่ยุติได้ การวัดบนอุปกรณ์จริงโดยอิสระของโมเดล 35B — ใครสักคนที่มี iPhone 17 Pro Max มีแอปที่เผยแพร่แล้ว และจับเวลาเอง — จะยุติตัวเลขที่คำโฆษณาทั้งหมดตั้งอยู่บนนั้น ตารางแยกตาม benchmark พร้อมคะแนนจริง แทนที่จะเป็นแผนภูมิ จะทำให้ตรวจสอบข้ออ้างเรื่อง Pareto เทียบกับ baseline ที่มันระบุชื่อไว้ได้ และการรันบน leaderboard ที่เป็นกลางจะทำให้ MiniCPM-V 4.7 ไปอยู่ข้างโมเดลที่ถูกประเมินภายใต้เงื่อนไขซึ่งมันไม่ได้เป็นคนเลือก จนกว่าจะถึงตอนนั้น สรุปอย่างซื่อตรงก็คือ OpenBMB ปล่อยโมเดลจริงที่ใช้ Apache-2.0 มีเอกสารประกอบครบถ้วน พร้อมเรื่องราวเรื่องประสิทธิภาพที่เชื่อถือได้แต่ยังไม่ถูกพิสูจน์ และความแตกต่างระหว่างสองสิ่งนั้นก็คือความแตกต่างระหว่างการ์ดกับ benchmark พอดี