MiniCPM-V 4.7 vs LFM2.5-VL 3B: ความลึกลับ 70 GB ปะทะแล็ปท็อป

MiniCPM-V 4.7 และ LFM2.5-VL 3B ถูกวางขายในฐานะสิ่งประเภทเดียวกัน — โมเดลภาพ-ภาษาแบบกะทัดรัดที่คุณรันเองได้ — แต่ในทางปฏิบัติแล้วทั้งสองแทบจะต่างกันสุดขั้ว LFM2.5-VL 3B เป็นผลิตภัณฑ์ที่สมบูรณ์: เช็กพอยต์ขนาด 3.1 พันล้านพารามิเตอร์จาก Liquid AI ที่มีเอกสารประกอบ มีสัญญาอนุญาต มีการ์ดโมเดล มี GGUF ควอนไทซ์ให้เห็นกันทั่วไป และจำนวนเหตุผลดี ๆ ที่จะไม่ดาวน์โหลดมันมาลองใช้ก็ลดน้อยลงเรื่อย ๆ ส่วน MiniCPM-V 4.7 เป็นเช็กพอยต์แบบ sparse mixture-of-experts ขนาด 35.2 พันล้านพารามิเตอร์ที่ OpenBMB อัปโหลดขึ้น Hugging Face เมื่อวันที่ 6 ตุลาคม 2026 โดยไม่มีการ์ดโมเดล ไม่มีสัญญาอนุญาต และไม่มีผลทดสอบใด ๆ เลย การเปรียบเทียบทั้งสองจึงไม่ใช่การเปรียบเทียบโมเดลสองตัว แต่เป็นการเปรียบเทียบโมเดลกับชิ้นงานที่คงจะกลายเป็นโมเดลในสักวันหนึ่ง

การจับคู่นี้ พูดกันตรง ๆ ตั้งแต่ต้น

หน้านี้สามารถให้ภาพรวมที่สมบูรณ์ของ LFM2.5-VL 3B ได้ เพราะ Liquid AI เผยแพร่เอกสารฉบับหนึ่ง มันสามารถให้ภาพรวมที่สมบูรณ์ของ MiniCPM-V 4.7 ในด้านรูปร่าง และไม่มีข้อมูลใด ๆ เกี่ยวกับพฤติกรรมของมันเลย เพราะ OpenBMB เผยแพร่config.json และหยุดอยู่เพียงเท่านั้น ทุกอย่างด้านล่างเกี่ยวกับฝั่ง MiniCPM นั้นอ่านมาจากไฟล์การตั้งค่านั้นและดัชนีน้ำหนัก ส่วนทุกอย่างเกี่ยวกับฝั่ง Liquid มาจากการ์ดโมเดล และคำกล่าวอ้างด้านประสิทธิภาพของการ์ดเองนั้นเป็นข้อมูลที่ผู้ขายรายงานและติดป้ายกำกับไว้เช่นนั้น เมื่อมีตัวเลขสำหรับโมเดลหนึ่งแต่ไม่มีสำหรับอีกโมเดลหนึ่ง สิ่งที่ซื่อสัตย์คือปล่อยให้ช่องว่างนั้นมองเห็นได้แทนที่จะกลบเกลื่อนมัน

แต่ละอย่างคืออะไร

LFM2.5-VL-3B เปิดตัวเมื่อวันที่ 11 สิงหาคม 2026 เป็นโมเดลหลายรูปแบบ (multimodal) ในตระกูล LFM2.5 ที่สร้างขึ้นสำหรับการปรับใช้บนอุปกรณ์ และไม่ได้เริ่มจากศูนย์ แต่ใช้แกนหลักด้านภาษาของ LFM2.5-2.6B จับคู่กับตัวเข้ารหัสภาพ SigLIP2 NaFlex โดย NaFlex คือส่วนที่สำคัญสำหรับงานเอกสาร เพราะรักษาอัตราส่วนภาพและความละเอียดตามต้นฉบับ แทนที่จะบังคับทุกภาพให้เป็นสี่เหลี่ยมจัตุรัสขนาดคงที่ ด้วยเหตุนี้การปรับปรุงที่โดดเด่นในโมเดลการ์ดจึงได้แก่ grounding ด้วยคำถามภาษาธรรมชาติ และ OCR ทั้งหน้า พร้อมการกำกับเลย์เอาต์ ตัวโมเดลเผยแพร่ภายใต้ LFM Open License v1.0 และรองรับ 16 ภาษา รวมถึงอังกฤษ จีน ญี่ปุ่น เกาหลี อาหรับ ฮินดี ฝรั่งเศส เยอรมัน สเปน โปรตุเกส อิตาลี โปแลนด์ รัสเซีย ไทย เวียดนาม และอินโดนีเซีย เนื่องจากมีขนาด 3B บิลด์ GGUF จึงปรากฏภายในหนึ่งวันหลังเปิดตัว และมีตัวแปร DSpark ตามมาในเดือนกันยายน ระบบนิเวศรอบๆ โมเดลจึงมีอยู่จริง คุณสามารถดึงควอนต์และรันบนแล็ปท็อปได้แล้ววันนี้

MiniCPM-V 4.7 เป็นเช็กพอยต์ BF16 ที่มีพารามิเตอร์ 35,212,875,824 ตัว ขนาด 70.4 GB กระจายอยู่ในสิบหกชาร์ด คลาส MiniCPMV4_7ForConditionalGeneration ซึ่งอัปโหลดไปยัง openbmb/MiniCPM-V-4.7-35B-A3B เมื่อวันที่ 6 ตุลาคม 2026

แกนหลักทางภาษาของมันถูกติดแท็กว่า qwen3_5_moe_text — เป็น sparse MoE ที่สืบทอดมาจาก Qwen3.5 มี 256 experts และเลือกใช้ 8 ตัวต่อโทเคน — และ 40 เลเยอร์ของมันใช้รูปแบบ attention แบบ three-linear-to-one-full คงที่ ดังนั้น 30 จาก 40 เลเยอร์จึงใช้เส้นทางเชิงเส้นสไตล์ Mamba แทน attention แบบทั่วไป บริบทคือ 256K หอภาพ (vision tower) เป็นของสาย MiniCPM-V เอง โดยมีโครงร่างใกล้เคียงกับที่ MiniCPM-V 4.6 ใช้ ไม่มี README ในรีโพซิทอรี ซึ่งบน Hugging Face หมายความว่าไม่มีสัญญาอนุญาต

การเปรียบเทียบที่เป็นไปได้จริง

หกมิติ ทั้งสองด้าน และหมายเหตุในแต่ละด้านว่าตัวเลขนั้นมีน้ำหนักเพียงใด

• พารามิเตอร์ทั้งหมด — LFM2.5-VL 3B: 3.12B โดยทุกตัวทำงานต่อโทเคน MiniCPM-V 4.7: 35.2B ทั้งหมด เป็นแบบ sparse โดยมี 8 จาก 256 ผู้เชี่ยวชาญทำงานต่อโทเคน ตัวเลขของ MiniCPM ไม่สามารถเทียบได้กับจำนวนพารามิเตอร์แบบ dense และจำนวนพารามิเตอร์ที่ทำงานจริงยังไม่ถูกเผยแพร่; ให้ถือว่า "A3B" เป็นชื่อ ไม่ใช่การวัด

• ขนาดจริงบนดิสก์ — LFM2.5-VL 3B: ไฟล์ safetensors เดียวขนาด ~6 GB ใน BF16 หรือเพียงเศษเสี้ยวของขนาดนั้นในรูปแบบ GGUF สำหรับ MiniCPM-V 4.7: 70.4 GB กระจายอยู่ใน 16 shard, BF16 เท่านั้น

• สัญญาอนุญาต — LFM2.5-VL 3B: LFM Open License v1.0 ซึ่งเผยแพร่และมีลิงก์จากการ์ด MiniCPM-V 4.7: ไม่ได้ประกาศไว้ หากไม่มีสัญญาอนุญาต: แท็ก สถานะเริ่มต้นคือสงวนลิขสิทธิ์ทั้งหมด ดังนั้นนี่คืออุปสรรคสำคัญ ไม่ใช่เชิงอรรถ

• แนวทางด้านวิชัน — LFM2.5-VL 3B: SigLIP2 NaFlex, ความละเอียดระดับเนทีฟพร้อมการรักษาอัตราส่วนภาพ, การ์ดอ้างว่าทำ OCR ทั้งหน้าได้พร้อมคำอธิบายเลย์เอาต์. MiniCPM-V 4.7: แบบกำหนดเอง minicpmv4_7_vision ทาวเวอร์พร้อมด้วย downsample_mode: "16x" และ max_slice_nums: 9.

• บริบท — LFM2.5-VL 3B: ตัวอย่างการให้บริการของการ์ดนั้นเรียบง่ายเมื่อเทียบกับการออกแบบสำหรับบริบทยาว และตระกูลนี้มุ่งเป้าไปที่งบประมาณหน่วยความจำบนอุปกรณ์ MiniCPM-V 4.7: max_position_embeddings: 262144 โดยมีโทเคไนเซอร์ model_max_lengthที่ตรงกันที่ 256K

• หลักฐานด้านคุณภาพ — LFM2.5-VL 3B: การ์ดที่เผยแพร่พร้อมการปรับปรุงที่ผู้จำหน่ายรายงานว่าเหนือกว่า LFM2-VL-3B, ควอนต์จากบุคคลที่สาม และประวัติบน Hugging Face ที่มีดาวน์โหลดประมาณ 25,900 ครั้ง MiniCPM-V 4.7: ดาวน์โหลดเป็นศูนย์, ไลก์สามครั้ง, ไม่มีการ์ด, ไม่มีเบนช์มาร์ก, ไม่มีการประเมินจากอิสระ ไม่มีอะไรให้อ้างอิง

• เครื่องมือ — LFM2.5-VL 3B: บิลด์ GGUF และ MLX จากบุคคลที่สาม พร้อมตัวแปร DSpark MiniCPM-V 4.7: ไม่มี ยังไม่มีการควอนไทซ์รูปแบบใด ๆ เลย

สองในสามของหน้านี้ที่หายไป

บทความเปรียบเทียบทุกชิ้นในแวดวงนี้มาพร้อมกับย่อหน้า benchmark บทความนี้ทำไม่ได้ ไม่มี MMMU ไม่มี OCRBench ไม่มี DocVQA ไม่มีตัวเลข grounding ไม่มีการวัดค่า latency และไม่มีตัวเลข VRAM สำหรับ MiniCPM-V 4.7 — ไม่ใช่เพราะว่ามันไม่สะดวกที่จะค้นหา แต่เป็นเพราะไม่มีสิ่งใดใน repository ที่มีข้อมูลเหล่านี้ และไม่มีบุคคลที่สามรายใดสร้างข้อมูลเหล่านี้ขึ้นมา โมเดลที่อัปโหลดโดยไม่มีการ์ด จากมุมมองของการประเมินแล้ว ถือว่ายังไม่ได้รับการวัด ใครก็ตามที่บอกคุณเป็นอย่างอื่น กำลังอนุมานจากชื่อตระกูล หรือจากจำนวนพารามิเตอร์ ซึ่งทั้งสองอย่างเป็นตัวทำนายคุณภาพมัลติโมดัลที่แย่

เช่นเดียวกันกับคำถามที่ละเอียดอ่อนกว่า นั่นคือ MoE แบบ sparse ช่วยได้จริงหรือไม่ การออกแบบ 35B-A3B แลกหน่วยความจำรวมกับการคำนวณต่อโทเคน และคุณภาพในการทำตามคำสั่งของโมเดล sparse ขึ้นอยู่ทั้งหมดกับว่า router ได้รับการฝึกมาดีเพียงใด คอนฟิกแสดงค่าสัมประสิทธิ์ auxiliary loss ของ routing เท่ากับ 0.001 และ shared expert หนึ่งตัวควบคู่กับ routed expert 256 ตัว ซึ่งเป็นการตั้งค่าแบบทั่วไป — แต่การตั้งค่าแบบทั่วไปไม่ใช่หลักฐานของ routing ที่ดี

ในฝั่งของ Liquid สิ่งที่ขาดหายไปก็แตกต่างออกไป: คำกล่าวอ้างเรื่องคุณภาพของการ์ดนั้นมาจากผู้ขายเอง

การปรับปรุงด้าน OCR และ grounding ได้รับการอธิบายโดยผู้ที่ฝึกโมเดลนี้ และแม้ว่า quant จากบุคคลที่สามและปริมาณการดาวน์โหลดจะบ่งชี้ว่าชุมชนเห็นว่ามันมีประโยชน์พอที่จะนำไปแปลงใช้งาน นั่นก็เป็นหลักฐานด้านการนำไปใช้มากกว่าหลักฐานด้านคุณภาพ ยังไม่มีใครเผยแพร่การเปรียบเทียบแบบตัวต่อตัวที่เป็นอิสระ

อันไหนที่คุณจะหยิบมาใช้จริงๆ

แผนผังการตัดสินใจในที่นี้ชัดเจนผิดปกติ เพราะโมเดลทั้งสองไม่ได้แข่งขันกันในงานเดียวกัน

หากคุณต้องการโมเดลภาษา-ภาพที่รันบนแล็ปท็อป โทรศัพท์ Jetson หรือ GPU เพียงตัวเดียวที่ไม่แรงนัก LFM2.5-VL 3B คือหนึ่งเดียวจากสองตัวที่ตอบโจทย์นี้ มันเล็กพอที่จะควอนไทซ์ได้ มีสัญญาอนุญาตที่อนุญาตให้ทำงานนี้ได้ และมีคนทำการแปลงไว้ให้คุณแล้ว สำหรับการจัดวางเอกสาร การแยกวิเคราะห์ภาพหน้าจอ และคำอธิบายวัตถุแบบอ้างอิงภาพ บนขนาดและขอบเขตภาษาที่พอดีกับงบประมาณแบบเอดจ์ จุดแข็งที่การ์ดระบุไว้สอดคล้องกับเป้าหมายการนำไปใช้งาน

MiniCPM-V 4.7 ไม่ใช่ตัวเลือกสำหรับงานนั้นที่ 70 GB ใน BF16 มันเป็นตัวเลือกสำหรับงานตรงกันข้าม: โมเดลมัลติโมดัลที่มีบริบทขนาดยาวและอัตราการประมวลผลสูงบนฮาร์ดแวร์เซิร์ฟเวอร์ ในเวิร์กโหลดที่หน้าต่าง 256K และการประหยัด KV-cache จาก linear-attention เป็นจุดสำคัญ ไม่ทราบว่ามันทำงานนั้นได้ดีหรือไม่ และคำถามเรื่องสัญญาอนุญาตจะต้องได้รับคำตอบก่อนที่มันจะได้ทำงานนั้นในเชิงพาณิชย์ใด ๆ เลย

ยังมีทางเลือกที่สามที่ควรค่าแก่การเอ่ยถึง นั่นคือคุณอาจไม่จำเป็นต้องเลือกเลยก็ได้ หากสถาปัตยกรรมคือ "โมเดลโลคอลขนาดเล็กจัดการปริมาณการใช้งานส่วนใหญ่ และส่งเคสที่ยากไปให้สิ่งที่โฮสต์ไว้" ครึ่งที่เป็นโลคอลของการตัดสินใจนั้นคือสิ่งที่คุณตัดสินใจได้ตั้งแต่วันนี้ ส่วนครึ่งที่โฮสต์ไว้คือการตัดสินใจเรื่องการจัดเส้นทาง OrcaRouter ครอบคลุมโมเดลที่โฮสต์ไว้หลายร้อยโมเดลไว้เบื้องหลังคีย์เดียว ในราคาตามที่ผู้ให้บริการแต่ละรายกำหนด โดยไม่บวกเพิ่มใด ๆ พร้อมระบบสลับไปใช้สำรองอัตโนมัติเมื่อผู้ให้บริการรายใดมีประสิทธิภาพลดลง — แต่ต้องเข้าใจให้ชัดว่าอะไรที่ไม่ใช่: ทั้ง LFM2.5-VL 3B และ MiniCPM-V 4.7 ไม่ใช่โมเดลที่โฮสต์อยู่บนเราเตอร์นั้น ทั้งคู่เป็นเวตที่คุณต้องให้บริการเอง เราเตอร์คือสิ่งที่อยู่เบื้องหลังทั้งสอง

สถานะปัจจุบัน และสิ่งที่ต้องรีเฟรช

Liquid AI ได้ปล่อยโมเดลขนาดเล็กที่เสร็จสมบูรณ์แล้ว OpenBMB ได้ปล่อยโมเดลขนาดใหญ่ที่ยังไม่เสร็จ การเปรียบเทียบที่ผู้อ่านต้องการ — ความแม่นยำเทียบกับความหน่วง, OCR กับ OCR — ยังเขียนไม่ได้ในตอนนี้สำหรับฝั่ง MiniCPM และชิ้นงานที่จะเป็นการไม่ซื่อสัตย์ก็คือชิ้นงานที่เอาการคำนวณจำนวนพารามิเตอร์มาเติมช่องว่างนั้น จับตา README ของรีโพซิทอรีไว้ วันที่มันปรากฏขึ้น มันจะมาพร้อมใบอนุญาตและตัวเลขจริงชุดแรก และในวันนั้น สิ่งนี้จะกลายเป็นการเทียบกันแบบตัวต่อตัวของจริง แทนที่จะเป็นเอกสารสเปกที่วางอยู่ข้างผลิตภัณฑ์

ส่วนที่เป็นโฮสต์ของรูปแบบนั้นเป็นการตัดสินใจด้านการกำหนดเส้นทาง ไม่ใช่สัญญาฉบับที่สอง ราคาตามรายการของผู้ให้บริการแต่ละราย โดยเราไม่ได้บวกเพิ่มทั้ง LFM2.5-VL 3B และ MiniCPM-V 4.7 ต่างก็ไม่ใช่โมเดลที่โฮสต์บน OrcaRouter - ทั้งคู่เป็นเวตที่คุณต้องให้บริการเอง