Guides & Insights

MiniCPM-V 4.7 35B-A3B vs InternLumina U2: สองเรือเงียบ สองคำตอบที่ตรงกันข้าม

ผู้เขียน

Rowan Sterling

วันที่เผยแพร่

Oct 12, 2026

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →

เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน

กลับไปยังโพสต์ทั้งหมด

ทั้ง MiniCPM-V 4.7 35B-A3B และ InternLumina-U2 ต่างไม่ได้ถูกประกาศตอนที่น้ำหนักของพวกมันปรากฏขึ้น ทั้งคู่เป็นโอเพนเวต ทั้งคู่มาจากแล็บจีน ทั้งคู่เป็นการเปิดตัวมัลติโมดัลที่ใหญ่ที่สุดที่ทีมของตนปล่อยออกมาในปีนี้ และทั้งคู่ก็มาถึงฮับโดยไม่มีโพสต์บล็อก ไม่มีคีย์โนต และไม่มีวันเปิดตัว ความคล้ายคลึงกันจบลงตรงนั้น MiniCPM-V 4.7 35B-A3B อ่านภาพและตอบเป็นข้อความ; InternLumina-U2 อ่านภาพ ตอบเป็นข้อความ และยังวาดภาพใหม่ แก้ไขภาพเหล่านั้น และเรนเดอร์แอสเซต 3D ได้ด้วย ตัวหนึ่งถูกสร้างให้เล็กพอที่จะอยู่ในโทรศัพท์ได้ ส่วนอีกตัวเป็นงานวิจัยดิฟฟิวชันขนาด 16 พันล้านพารามิเตอร์ที่ไม่มีทางใส่ลงในโทรศัพท์ได้แม้แต่ใกล้เคียง เมื่อวางอ่านเคียงข้างกัน พวกมันไม่ใช่สองรายการในหมวดหมู่เดียวกัน — พวกมันคือสองคำตอบที่แตกต่างกันต่อคำถามที่ว่าโมเดลวิชัน-ภาษามีไว้เพื่ออะไร โดยถูกเผยแพร่ห่างกันไม่เกินห้าสัปดาห์โดยไม่มีใครจับตามอง

สิ่งที่รู้ได้ ณ ที่นี้แบ่งออกเป็นสองฝั่งอย่างชัดเจน ทุกอย่างเกี่ยวกับฝั่ง MiniCPM ด้านล่างนี้มาจากรีโพซิทอรี การ์ดโมเดล และไฟล์คอนฟิก ซึ่งทั้งหมดนี้ใคร ๆ ก็อ่านได้ ทุกอย่างในฝั่ง InternLumina มาจากการ์ดโมเดลของทางห้องแล็บเองและโครงสร้างไฟล์ที่ห้องแล็บเผยแพร่; ส่วน benchmark ของการ์ดเองถูกระบุว่า “Preliminary, partial results” และไม่มีตัวเลขใด ๆ อยู่เลย ทั้งสองโมเดลยังไม่ได้รับการประเมินโดยอิสระ และไม่มีสิ่งใดในบทความนี้ถือเป็นการเปิดตัว: OpenBMB เพิ่งเรียก MiniCPM-V 4.7 ว่าเป็นการเปิดตัวเมื่อวันที่ 12 ตุลาคม และเท่าที่บันทึกสาธารณะแสดง Shanghai AI Laboratory ยังไม่เรียก InternLumina-U2 ว่าเป็นการเปิดตัวเลย

เรือเงียบสองลำ ห่างกันห้าสัปดาห์

โฟลเดอร์ MiniCPM-V 4.7 ปรากฏขึ้นครั้งแรกบน Hugging Face เมื่อวันที่ 6 ตุลาคม 2026; ตอนนี้ฮับรายงานเวลาที่สร้างเป็นวันที่ 7 ตุลาคม และรีโพซิทอรีถูกแก้ไขล่าสุดเมื่อวันที่ 12 ตุลาคม รีโพซิทอรี InternLumina-U2 ถูกสร้างขึ้นเมื่อวันที่ 1 กันยายน ไม่มีวันที่ใดมีประกาศแนบมาด้วย แต่หลังจากนั้นทั้งคู่ก็มีอายุที่ต่างกันออกไป และความแตกต่างนั้นคือสิ่งที่มีประโยชน์ที่สุดในการเปรียบเทียบนี้

InternLumina-U2 เปิดตัวเมื่อวันที่ 1 กันยายนในรูปแบบโค้ดเท่านั้น เวอร์ชันนั้นเป็นฮาร์เนสสำหรับการอนุมาน, README และคำสัญญา — เวทถูกระบุว่า “เร็ว ๆ นี้” ที่เก็บ Hugging Face มีไฟล์ .gitattributes เพียงไฟล์เดียว และรายงานทางเทคนิคถูกทำเครื่องหมายว่ากำลังจะมา นั่นไม่จริงอีกต่อไป ตอนนี้ที่เก็บมีเช็กพอยต์เฉพาะฮาร์ดแวร์ที่สมบูรณ์สองชุด โดยชุดหนึ่งอยู่ภายใต้ ascend/ และอีกชุดหนึ่งอยู่ภายใต้ nvidia/ โดยแต่ละชุดมีไฟล์ safetensors แยกเป็นเจ็ดชาร์ด มีโมดูล remote-code ของตัวเอง มีแผนแบบขนาน และมีโทเคไนเซอร์ เวทถูกปล่อยออกมาอย่างเงียบ ๆ และไม่มีใครอัปเดตเรื่องราว ณ เวลาที่เขียนนี้ ที่เก็บมียอดไลก์ 16 และยอดดาวน์โหลดที่บันทึกไว้เป็นศูนย์ และรายงานทางเทคนิคยังไม่ออก

MiniCPM-V 4.7 ไปในทิศทางตรงกันข้าม มันมาถึงในเดือนตุลาคมในรูปแบบน้ำหนักโดยไม่มีการ์ดโมเดล — โฟลเดอร์ไม่มี README ไม่มีแท็กใบอนุญาต และไม่มีเบนช์มาร์ก ซึ่งเป็นสิ่งที่บันทึกไว้ในบทความก่อนหน้าของเราเป๊ะ ๆ สิบวันต่อมา มันมีทั้งสามสิ่งแรก และยังไม่มีสิ่งสุดท้ายเลย: ใบอนุญาต Apache-2.0 การ์ดแบบเต็มที่มีคำแนะนำการใช้งาน และส่วนคำกล่าวอ้างที่มีตัวเลขอยู่ แต่ไม่มีตารางการประเมินที่ผู้อ่านสามารถอ้างอิงได้ ดังนั้นสรุปที่ถูกต้องของทั้งสองก็คือ เอกสารเข้ามาหลังจากน้ำหนักเข้ามาแล้ว ในทั้งสองกรณี โดยไม่มีการประกาศใด ๆ ในระหว่างนั้น

InternLumina-U2 จริง ๆ แล้วคืออะไร

การ์ดนี้อธิบายโมเดล mixture-of-experts ที่มีพารามิเตอร์ 16B โดยมีพารามิเตอร์ที่ใช้งาน 1B — เขียนเป็น 16B-A1B — สร้างขึ้นเป็นโมเดลภาษาขนาดใหญ่แบบ diffusion ที่มีหลาย codebook วลีที่สำคัญคือ "fully discrete": การเดิมพันหลักของ InternLumina-U2 คือ ภาษาและภาพควรใช้คลังโทเคนเดียวกัน แทนที่จะอยู่ในสแตกการทำความเข้าใจและการสร้างที่แยกจากกัน และคอขวดในโมเดลแบบรวมเป็นหนึ่งรุ่นก่อนๆ คือคำศัพท์ทางภาพเอง คำตอบของมันคือการแทนภาพแบบไม่ต่อเนื่องที่มีแปด codebook สร้างบน AToken ซึ่งเป็นสิ่งที่ทำให้น้ำหนักชุดเดียวกันทั้งตีความภาพและสังเคราะห์ภาพขึ้นมา

ขอบเขตนั้นกว้างโดยเจตนา: การถามตอบจากข้อความ, การสร้างภาพจากข้อความสูงสุด 1024×1024, การทำความเข้าใจภาพจากภาพธรรมชาติและแผนภูมิที่มีข้อมูลหนาแน่น, การแก้ไขภาพตามคำสั่งด้วยโหมด dual-CFG แบบเลือกได้, การทำความเข้าใจวิดีโอจากเฟรมที่สุ่มมา, และการทำความเข้าใจ 3D จากแอสเซต GLB และ GLTF เส้นทาง 3D นั้นแตกต่างจากพวกอื่นและน่าสนใจที่สุด — แอสเซตจะถูกเรนเดอร์เป็นมุมมองสีและความลึกผ่านไปป์ไลน์ Blender ที่มาพร้อมกันก่อนการแปลงเป็นโทเคน ซึ่งเป็นวิธีที่ฉลาดในการนำโมเดลภาพกลับมาใช้กับเรขาคณิตโดยไม่ต้องสอนเรขาคณิตให้มัน

รายละเอียดทางวิศวกรรมสองอย่างที่ควรกล่าวถึงเพราะเป็นสิ่งที่ไม่ปกติ ประการแรก เช็คพอยต์ทั้งสองอยู่ในรีโพซิทอรีเดียว โดยแยกตามตัวเร่งความเร็ว: บิลด์ Ascend ที่ฝึกบน NPU ของ Huawei และบิลด์ NVIDIA ที่ฝึกบน GPU นั่นเป็นการป้องกันความเสี่ยงโดยเจตนาต่อข้อจำกัดด้านการส่งออกและอุปทาน และหมายความว่า "เช็คพอยต์ใด" เป็นคำถามที่ผู้ใช้ InternLumina-U2 ต้องตอบก่อนสิ่งอื่นใด ประการที่สอง การ์ดระบุว่าโมเดลเป็น Apache-2.0 โดยไม่มีข้อแม้ — เป็นแบบเปิดกว้างอย่างแท้จริง ตรงกันข้ามกับมัลติโมดัลหลายรายการที่เปิดตัวในปี 2026 ซึ่งเผยแพร่ภายใต้เงื่อนไขสำหรับการวิจัยเท่านั้น

A headless-browser capture of the Hugging Face model page for internlm/InternLumina-U2 (captured 13 October 2026) showing the Apache-2.0 licence tag, 16 likes, the card heading 'Intern Lumina U2', the 'Technical Report (Coming Soon)' line, the overview describing a 16B-parameter MoE with 1B active parameters and an 8-codebook fully-discrete visual representation built on AToken, a 'Checkpoints in this repo' section listing ascend/ for Huawei Ascend NPUs and nvidia/ for NVIDIA GPUs, a Benchmarks section reading 'Preliminary, partial results', and a downloads panel noting downloads are not tracked for this model.

MiniCPM-V 4.7 35B-A3B คืออะไรในตอนนี้

การ์ดนี้เรียกมันว่า MoE ตัวแรกในซีรีส์ MiniCPM-V และไฟล์คอนฟิกก็ยืนยันเช่นนั้น: ผู้เชี่ยวชาญ 256 คน โดยเปิดใช้งาน 8 คนต่อโทเค็น, 40 เลเยอร์, หน้าต่างบริบท 262,144 โทเค็น และคำศัพท์ 248,144 โทเค็น การมองเห็นทำงานผ่านโมดูล SigLIP2 ที่มีการบีบอัด early compression ภายใน ViT แบบ LLaVA-UHD v4 และโหมดบีบอัดโทเค็นแบบผสม 4x/16x — ค่าเริ่มต้น 16x สำหรับปริมาณงาน, 4x เมื่อต้องการรายละเอียดที่ละเอียด, เลือกได้ในเวลาที่เรียกใช้ มันเข้าใจภาพเดี่ยว, ชุดภาพหลายภาพ และวิดีโอ; มันตอบเป็นข้อความ; มันไม่สร้างภาพ

ข้อกล่าวอ้างที่ OpenBMB เน้นเป็นตัวหนาคือ นี่คือโมเดล MoE แบบโอเพนซอร์สตัวแรกที่มีการอนุมานบนอุปกรณ์แบบไม่สูญเสียข้อมูลและราบรื่น ซึ่งทำได้ผ่านสามเทคนิคที่ระบุชื่อไว้ ได้แก่ Lookahead Expert Scheduling, การควอนไทซ์แบบfine-grained layer-wise และ speculative sampling ผ่านดราฟต์ DSpark ที่แยกออกมาต่างหาก ตัวเลขที่แนบมากับข้อกล่าวอ้างนี้คือ 13-plus tokens per second บน iPhone 17 Pro Max ตัวเลขนี้เป็นตัวเลขที่ผู้ขายรายงานเอง ยังไม่มีการทำซ้ำให้เห็น และไม่มีรายละเอียดกำกับ — ไม่ระบุรูปแบบการควอนไทซ์ ไม่ระบุบิลด์ ไม่ระบุพรอมป์ต ไม่ระบุวิธีการวัด การ์ดนี้ยังอ้างว่าในโหมด Instruct โมเดลทำคะแนนโดยรวมได้สูงกว่า Qwen3.6 35B-A3B ด้วยเวลาอนุมานที่น้อยกว่า และข้อกล่าวอ้างนั้นอยู่ในรูปภาพแผนภูมิแทนที่จะเป็นตาราง ซึ่งหมายความว่าไม่สามารถยกมาเป็นตัวเลขได้ และไม่ควรถือเป็นตัวเลข

สิ่งที่มิใช่คำกล่าวอ้างคืองานด้านการกระจาย และนี่คือเหตุผลเชิงปฏิบัติที่ทำให้ควรให้ความสนใจ เวต Base, FP8, int4, AWQ, GPTQ และ GGUF มีอยู่ทั้งหมด; SGLang, vLLM, llama.cpp, Ollama และ OpenVINO ได้รับการรองรับพร้อมรายการ day-zero; มีแอป iOS, Android และ HarmonyOS ภายใต้รีโพซิทอรี MiniCPM-V-Apps; และ Rockchip, Houmo, Intel, AMD และ Arm ต่างถูกระบุเป็น day-zero silicon ทั้งหมด เมื่อหกสัปดาห์ที่แล้ว คำวิจารณ์ต่อโมเดลนี้คือมันเป็นเช็กพอยต์ที่ไม่มีเอกสารประกอบ ตอนนี้คำวิจารณ์นั้นล้าสมัยไปแล้ว — มันเป็นเช็กพอยต์ที่มีเอกสารประกอบแต่ไม่มีเบนช์มาร์ก ซึ่งเป็นปัญหาที่ต่างออกไปและเล็กกว่า

A headless-browser capture of the Hugging Face model page for openbmb/MiniCPM-V-4.7-35B-A3B (captured 13 October 2026) showing the Apache-2.0 licence tag, 37 likes, 166 downloads last month, a safetensors panel reading '35B params' and 'BF16', and a model card whose claims read 'The First Open-Source MoE Model with Lossless, Smooth On-Device Inference', a decoding speed of '13+ tokens/s on iPhone 17 Pro Max', 'achieves a higher overall score in less inference time than Qwen3.6 35B-A3B', mixed 4x/16x visual token compression from LLaVA-UHD v4, day-0 support for Rockchip, Houmo, Intel, AMD and Arm, and inference frameworks including SGLang, vLLM, llama.cpp and Ollama.

ทั้งสอง มิติต่อมิติ

• สิ่งที่มันทำกับภาพ — MiniCPM-V 4.7 35B-A3B อ่านภาพแล้วตอบเป็นข้อความ; InternLumina-U2 อ่านภาพ ตอบเป็นข้อความ สร้างภาพใหม่ แก้ไขภาพที่มีอยู่ และตีความแอสเซต 3D

• สถาปัตยกรรม — โมเดล autoregressive sparse MoE ขนาดพารามิเตอร์ 35.2B ที่มี 3B ทำงานจริง เทียบกับโมเดล discrete diffusion แบบ multi-codebook ขนาด 16B-A1B คนละตระกูลกัน ไม่ใช่ขนาดที่ต่างกันของตระกูลเดียวกัน

• รูปแบบอินพุต — ข้อความ รูปภาพ และวิดีโอ เทียบกับ ข้อความ รูปภาพ วิดีโอ และ 3D

• โมดาลิตี้เอาต์พุต — ข้อความอย่างเดียว เทียบกับข้อความพร้อมภาพที่สร้างขึ้นและภาพที่แก้ไขแล้ว

• ขนาดเวต — ประมาณ 70 GB แบบ BF16 กระจายอยู่ 16 ชาร์ด เทียบกับเจ็ดชาร์ดต่อฮาร์ดแวร์บิลด์หนึ่งชุด ซึ่งเผยแพร่ซ้ำถึงสองครั้ง

• สัญญาอนุญาต — Apache-2.0 ทั้งคู่ นี่คือมิติเดียวที่ทั้งสองเห็นตรงกันอย่างแท้จริง และมันสำคัญ เพราะสัญญาอนุญาตแบบผ่อนปรนสำหรับโมเดลสร้างเนื้อหาในระดับนี้ไม่ใช่เรื่องธรรมดา

• เรื่องราวการดีพลอย — บิลด์แบบควอนไทซ์ แอปมือถือ และรันไทม์สำหรับการอนุมาน 5 ตัว เทียบกับโมดูลรีโมตโค้ดและเชลล์สคริปต์ แยกตามตัวเร่งความเร็ว

• หลักฐานสาธารณะ — การ์ดที่เต็มไปด้วยคำกล่าวอ้างของผู้ขายโดยไม่มีตารางประเมิน เทียบกับการ์ดที่ระบุอย่างชัดเจนว่าส่วนการทดสอบ (bench) ของตนเป็นข้อมูลเบื้องต้น และไม่พิมพ์สิ่งใดลงในส่วนนั้นเลย

A generated two-column scoreboard titled 'MiniCPM-V 4.7 35B-A3B vs InternLumina U2 - the scoreboard'. The left column lists Job: reads images, answers in text; Architecture: 35.2B MoE, 3B active; Context: 262,144 tokens; Output: text only; Deployment: GGUF, AWQ, vLLM, Ollama; Evaluation: none published. The right column lists Job: understands and generates images; Architecture: 16B-A1B discrete diffusion; Context: not stated; Output: text, generated and edited images; Deployment: two hardware builds, script only; Evaluation: card says preliminary, prints none. The footer reads 'Both cards vendor-reported; neither model independently reproduced.'

ช่องว่างระหว่างพวกเขาไม่ใช่เรื่องของคุณภาพ แต่เป็นเรื่องของชนิด

การประกาศหาผู้ชนะคงจะน่าพอใจ แต่มันจะเป็นการไม่ซื่อสัตย์ ไม่มีเกณฑ์มาตรฐานที่ใช้ร่วมกันระหว่างสองโมเดลนี้ ไม่มีบุคคลที่สามรายใดได้รันโมเดลใดเลย และตารางการประเมินของ MiniCPM-V 4.7 เองก็ไม่มีอยู่ ขณะที่ตารางของ InternLumina-U2 ถูกระบุอย่างชัดเจนว่าเป็นเพียงบางส่วน ใครก็ตามที่จัดอันดับสองโมเดลนี้ในตอนนี้ กำลังจัดอันดับคุณภาพของเอกสาร ไม่ใช่คุณภาพของโมเดล

สิ่งที่สามารถนำมาเปรียบเทียบกันได้อย่างตรงไปตรงมาคือร่องรอยหลักฐาน และในจุดนั้นทั้งสองล้มเหลวในทิศทางที่ตรงกันข้าม InternLumina-U2 บอกคุณได้มากเกี่ยวกับสถาปัตยกรรมและแทบไม่บอกอะไรเลยเกี่ยวกับผลลัพธ์ — เป็นการออกแบบที่น่าสนใจแต่ไม่มีความสามารถที่พิสูจน์ได้ MiniCPM-V 4.7 บอกคุณได้มากเกี่ยวกับผลลัพธ์ในรูปแบบร้อยแก้วและปฏิเสธที่จะเผยแพร่สิ่งเหล่านั้นเป็นข้อมูล ซึ่งทำให้ข้อกล่าวอ้างยากต่อการหักล้างและยากต่อการเชื่อถือตามไปด้วย ตัวแรกเป็นเครื่องมือที่มีแนวโน้มดี ตัวที่สองเป็นเครื่องมือที่มีแนวโน้มดีโดยมีชั้นการตลาดครอบทับอยู่ด้านบน

ข้อสรุปเชิงปฏิบัติย่อมตามมาจากเรื่องนั้น หากสิ่งที่คุณต้องการคือโมเดลที่รับภาพหน้าจอ เอกสาร หรือวิดีโอเข้าไปแล้วคืนข้อความออกมา และคุณต้องการรันมันด้วยตัวเอง MiniCPM-V 4.7 คือตัวที่มีสูตรการให้บริการ รันไทม์หกแบบ และเวตแบบควอนไทซ์ที่คุณดาวน์โหลดได้วันนี้ หากสิ่งที่คุณต้องการคือโมเดลเดียวที่เข้าใจและสร้างภาพด้วยคำศัพท์ชุดเดียวกัน — สำหรับไปป์ไลน์การแก้ไข ข้อมูลสังเคราะห์ หรือการวิจัยเกี่ยวกับพื้นที่โทเคนแบบรวม — InternLumina-U2 เป็นตัวเดียวจากสองตัวที่พยายามทำสิ่งนี้ และโฟลเดอร์เช็กพอยต์ที่สองที่ปรากฏหลังการปล่อยโค้ดในเดือนกันยายนก็เป็นสัญญาณแรกว่างานวิจัยยังคงเดินหน้าต่อ

ความหมายของสิ่งนี้ หากคุณเพียงแค่พยายามจะปล่อยบางสิ่งออกไป

ทั้งสองอย่างนี้เป็นไฟล์ที่คุณดาวน์โหลดและให้บริการด้วยตัวเอง ทั้ง MiniCPM-V 4.7 35B-A3B และ InternLumina-U2 ต่างก็ไม่ปรากฏอยู่ในแคตตาล็อกแบบโฮสต์ของ OrcaRouter ดังนั้นจึงไม่มีสิ่งใดในที่นี้ที่เป็นช่องทางสำหรับเรียกใช้งานพวกมันในฐานะ endpoint และไม่ควรตีความบทความใด ๆ ของเราไปในทางตรงกันข้าม สิ่งที่เราเตอร์มีประโยชน์ในสถานการณ์นี้คืออีกครึ่งหนึ่งของงาน นั่นคือช่วงเวลาที่ไปป์ไลน์ของคุณต้องการโมเดลที่คุณไม่อยากโฮสต์เอง OrcaRouter นำโมเดลแบบโฮสต์กว่า 200 รุ่นมาไว้เบื้องหลังคีย์เดียว, ส่งต่อราคาตามรายการของผู้ให้บริการแต่ละรายโดยตรง โดยที่เราไม่บวกเพิ่มใด ๆ และสลับไปใช้ตัวสำรองโดยอัตโนมัติเมื่อผู้ให้บริการรายใดมีปัญหา — ดังนั้นทีมที่รัน MiniCPM-V 4.7 ภายในเครื่องเพื่อทำความเข้าใจเอกสารจำนวนมาก จึงสามารถส่งหน้าที่ยาก ๆ ไปให้โมเดลแบบโฮสต์จัดการได้ โดยไม่ต้องมีสัญญาฉบับที่สองหรือ SDK ตัวที่สอง

โมเดลแบบโฮสต์ที่ใกล้เคียงกับรูปแบบนี้มากที่สุดคือ Qwen3.6 35B A3B — มีขนาดรวม 35B และ active 3B เช่นกัน, มี context 262K เช่นกัน, และรับข้อความ รูปภาพ และวิดีโอเข้า ส่งข้อความออก เช่นกัน — ใช้งานได้ในราคา $0.25 ต่อล้านโทเคนอินพุต และ $1.48 ต่อล้านโทเคนเอาต์พุต ในราคาทุน นั่นคือกลุ่มควบคุมที่มีประโยชน์จริง ๆ: หากคุณกำลังตัดสินใจเลือกระหว่างการโฮสต์เองโมเดล MoE แบบ sparse multimodal ขนาด 70 GB กับการเรียกใช้โมเดลที่เทียบเท่ากัน ตัวเลือกที่สองสามารถวัดผลได้ภายในบ่ายนี้ ส่วนตัวเลือกแรกไม่อาจทำเช่นนั้นได้

อะไรจะเปลี่ยนการเปรียบเทียบนี้

เอกสารสองชิ้นจะช่วยคลี่คลายเรื่องนี้ได้เกือบทั้งหมด ตารางเบนช์มาร์กจาก OpenBMB จะเปลี่ยน MiniCPM-V 4.7 จากคำกล่าวอ้างให้กลายเป็นจุดข้อมูล และโมเดลร่าง DSpark — ส่วนเดียวของตระกูลนี้ที่มีตัวเลขเผยแพร่อยู่บ้าง ในรูปแบบของ accepted-tokens-per-step — คือเส้นทางจากภายนอกที่ถูกที่สุดสู่ตัวเลขอิสระตัวแรก รายงานทางเทคนิคจาก Shanghai AI Laboratory จะทำหน้าที่เดียวกันให้กับ InternLumina-U2 และจะเป็นครั้งแรกที่มีใครได้เห็นคำศัพท์แบบแปดโค้ดบุ๊กของมันถูกให้คะแนนเทียบกับสิ่งใด

จนถึงตอนนั้น จุดยืนที่ซื่อตรงคืออย่างนี้: หนึ่งในสองตัวนี้คุณดีพลอยได้ และอีกตัวคุณทำได้แค่ศึกษา ประโยคนั้นน่าจะเลิกเป็นจริงภายในหนึ่งเดือน และนั่นคือเหตุผลที่โมเดลทั้งสองไม่ควรถูกจัดเก็บไว้เป็น vaporware — พวกมันแค่อยู่ในช่วงต้น ๆ ของชีวิตสาธารณะเร็วกว่าที่งานเขียนเกี่ยวกับพวกมันบอกไว้

MiniCPM-V 4.7 35B-A3B vs InternLumina U2: สองเรือเงียบ สองคำตอบที่ตรงกันข้าม

เรือเงียบสองลำ ห่างกันห้าสัปดาห์

InternLumina-U2 จริง ๆ แล้วคืออะไร

MiniCPM-V 4.7 35B-A3B คืออะไรในตอนนี้

ทั้งสอง มิติต่อมิติ

ช่องว่างระหว่างพวกเขาไม่ใช่เรื่องของคุณภาพ แต่เป็นเรื่องของชนิด

ความหมายของสิ่งนี้ หากคุณเพียงแค่พยายามจะปล่อยบางสิ่งออกไป

อะไรจะเปลี่ยนการเปรียบเทียบนี้

ผลิตภัณฑ์

ทรัพยากร

สำหรับผู้ให้บริการ

เข้าร่วมคอมมูนิตี้ของเรา

จากบล็อก

ผู้ให้บริการโมเดล