MiniCPM-V 4.7 กับ LFM3-VL-2B: คะแนน Benchmark ที่ดีกว่าคือเซ็นเซอร์ที่ผิดตัว

Liquid AI ใส่ MiniCPM-V 4.7 1B ลงในตารางเปรียบเทียบของตัวเอง แล้วเอาชนะมันได้ ในการทดสอบชุด 62 เบนช์มาร์กที่ Liquid รัน LFM3-VL-2B ทำคะแนนเฉลี่ย 71.4 เมื่อเปิดใช้ reasoning และ 62.1 เมื่อไม่เปิด ส่วน MiniCPM-V 4.7 1B ทำคะแนนเฉลี่ย 57.5 นั่นคือช่องว่าง 13.9 คะแนนในระดับโมเดลเล็ก และเป็นตัวเลขที่โพสต์เปรียบเทียบส่วนใหญ่หยุดอยู่แค่นั้น แต่ก็เป็นตัวเลขที่มีประโยชน์น้อยที่สุดในการตัดสินใจ เพราะสองโมเดลนี้ไม่ได้แข่งขันกันในตำแหน่งเดียวกัน ตัวหนึ่งเป็นโมเดล dense ขนาด 1.92 พันล้านพารามิเตอร์ที่สร้างมาเพื่อเป็นคำตอบทั้งหมดในตัวเอง อีกตัวเป็นครึ่งที่ถูกกว่าของระบบสองโมเดล ซึ่งครึ่งที่แพงกว่าคือ mixture of experts ขนาด 35 พันล้านพารามิเตอร์

The version of this matchup that matters depends on which MiniCPM-V 4.7 you mean. The 1B is a 1.55-billion-parameter dense model that fits in a 672 MB Q4_K_M file — 641 MiB, which is where the 641 MB on the cards comes from. The 35B-A3B is 35.2 billion stored parameters with roughly 3 billion active per token, and it is not in Liquid's table at all. LFM3-VL-2B sits between them and is, on Liquid's own numbers, a better general vision model than the small MiniCPM and a much weaker one than the large MiniCPM. Everything below is about which of those facts should decide your architecture.

สามระดับที่แสร้งทำเป็นสองโมเดล

LFM3-VL-2B เป็นอาร์ติแฟกต์หนึ่งชิ้น มีพารามิเตอร์ 1.92 พันล้านตัว ประกอบด้วยแบ็กโบนภาษา 1.73B ตัวเข้ารหัสภาพภายในองค์กร 164M และโปรเจกเตอร์ 25M โดยมีบริบท 128K โทเคน วิดีโอที่สุ่มตัวอย่างสองเฟรมต่อวินาที และชุดน้ำหนักชุดเดียวที่ทำการตรวจจับ OCR แผนภูมิ และการบรรยาย Liquid ประกาศตระกูล LFM3 เมื่อวันที่ 27 ตุลาคม 2026; รีโพซิทอรี LFM3-VL-2B เปิดให้เข้าถึงเมื่อวันที่ 19 ตุลาคม

MiniCPM-V 4.7 เป็นสองอาร์ติแฟกต์ที่ใช้ vision tower ร่วมกัน โดยรุ่น 1B เป็นแบ็กโบนแบบ dense ชื่อ qwen3_5_text มี 24 เลเยอร์ รองรับบริบท 262,144 โทเคน และมีเลเยอร์ linear attention สามเลเยอร์ต่อทุกหนึ่งเลเยอร์ full attention ส่วนรุ่น 35B-A3B เป็นโมเดลแบบ sparse ที่มีผู้เชี่ยวชาญ 256 ตัว ซึ่งเลือกเส้นทางไปยังผู้เชี่ยวชาญแปดตัวต่อโทเคน รักษาบริบท 262,144 โทเคนไว้เช่นเดิม และมีอยู่เพราะ OpenBMB ต้องการโมเดลขนาดใหญ่ที่สามารถสตรีมผู้เชี่ยวชาญจากที่จัดเก็บแทนการเก็บไว้ในหน่วยความจำ ทั้งสองรุ่นใช้สัญญาอนุญาต Apache-2.0 น้ำหนักโมเดลเผยแพร่เมื่อวันที่ 6 และ 7 ตุลาคม 2026 การ์ดโมเดลตามมาวันที่ 12 ตุลาคม และ ModelBest ออกข่าวประชาสัมพันธ์ภาษาอังกฤษเมื่อวันที่ 15 ตุลาคม

ดังนั้นการวางกรอบอย่างตรงไปตรงมาจึงไม่ใช่ "2B กับ 1B" แต่เป็น "โมเดลเดียวที่ต้องทำทุกอย่าง" เทียบกับ "ตระกูลโมเดลที่คุณเลือกได้ว่าแต่ละคำถามควรใช้โมเดลมากแค่ไหน" หากไปป์ไลน์ของคุณถามหนึ่งคำถามต่อหนึ่งภาพ รูปแบบ LFM3-VL-2B จะเรียบง่ายกว่า และในขนาดเล็กสุดก็แข็งแกร่งกว่า หากไปป์ไลน์ของคุณถามคำถามราคาถูกหนึ่งหมื่นคำถามและคำถามราคาแพงหนึ่งคำถาม รูปแบบ MiniCPM จะถูกกว่าโดยโครงสร้าง

ตารางของ Liquid เองบอกอะไร และต้องแลกอะไรจึงจะอ่านมันได้

ชุดทดสอบ 62 รายการเป็นของ Liquid รันบน vLLM 0.27.1 ปรับมาตรฐานเป็นสเกล 0–100 โดยเปิดโหมดการให้เหตุผลสำหรับทุกโมเดล ยกเว้นแถวที่ระบุว่าเป็นอย่างอื่น การที่ผู้ขายรายหนึ่งทดสอบคู่แข่งเป็นเรื่องปกติและควรค่าแก่การอ่าน แต่ชุดทดสอบเป็นของผู้ขาย ชุดพรอมป์ต์เป็นของผู้ขาย และค่าสรุปรวมก็เป็นของผู้ขาย ให้ถือว่าแต่ละแถวเป็นเพียงข้อกล่าวอ้าง

• MMMU — LFM3-VL-2B 55.7 with thinking and 48.6 without, against 51.0 for MiniCPM-V 4.7 1B in the same column set. OpenBMB's own page reports no MMMU for the 1B, so this row exists only in Liquid's run.

• OCRBench v1 — LFM3-VL-2B 86.3 against 82.1 for MiniCPM-V 4.7 1B inside Liquid's table. OpenBMB reports 86.1 for its own 1B, which is a 4-point spread on the same named benchmark and a fair illustration of what a different harness does to a number.

• MathVista (mini) — 84.2 with thinking and 68.5 without for LFM3-VL-2B, against 71.2 for MiniCPM-V 4.7 1B in the same table. OpenBMB's page says 74.3 for that model.

• CharXiv reasoning — 70.2 for LFM3-VL-2B against 44.5 for MiniCPM-V 4.7 1B. OpenBMB's page claims 48.8 for the same model, so even the direction of the gap is harness-dependent.

• LongVideoBench — 53.4 for MiniCPM-V 4.7 1B on OpenBMB's page. Liquid's table carries no LongVideoBench row at all, so there is nothing to compare it with.

รูปแบบนี้สอดคล้องกัน: เมื่อเปิดการคิดแบบเป็นขั้นตอน โมเดล dense ขนาด 2B ทำได้ดีกว่าในการให้เหตุผลเชิงภาพแบบหลายขั้นตอนและการตีความกราฟ และอยู่ในระดับใกล้เคียงกันในงาน OCR ทั่วไป เมื่อปิดการคิดแบบเป็นขั้นตอน ช่องว่างลดลงเหลือประมาณ 4.6 คะแนน ซึ่งบ่งชี้ว่าข้อได้เปรียบส่วนใหญ่ได้มาจากโทเค็นที่ใช้ในขั้นตอนทดสอบมากกว่ามาจากพารามิเตอร์ เรื่องนี้ส่งผลต่อ latency มากกว่าต่อคุณภาพ และ latency คือมิติที่การเปรียบเทียบลักษณะนี้มักมองข้าม

การทดสอบอิสระที่พลิกกลับการจัดอันดับ

ปลายเดือนตุลาคม WebBrain ได้เผยแพร่การทดสอบมาตรฐานภาพหน้าจอเบราว์เซอร์จำนวน 100 เคส ซึ่งรันแบบออฟไลน์ทั้งหมดใน Q4_K_M GGUF บนการ์ด RTX 5060 Ti สองใบ โดยใช้ชุดภาพหน้าจอที่ตรึงไว้ พร้อมพรอมต์สำหรับงานจริงหนึ่งพรอมต์และเกณฑ์การให้คะแนนแบบกำหนดตายตัว MiniCPM-V 4.7 1B ทำคะแนนผ่านเกณฑ์แบบเข้มงวด 37 จาก 100 และได้คะแนนเฉลี่ยตามเกณฑ์ 68.2 เปอร์เซ็นต์ ที่ 1.30 วินาทีต่อภาพหน้าจอ LFM3-VLD-2B — ซึ่งเป็นรุ่นย่อยที่เป็นพี่น้องของโมเดล Liquid ไม่ใช่เช็กพอยต์ LFM3-VL-2B ตัวเดียวกัน — ทำคะแนนผ่านเกณฑ์แบบเข้มงวด 4 ครั้ง และ 44.7 เปอร์เซ็นต์ ที่ 2.20 วินาที

ข้อควรระวังนี้สำคัญและมีผลทั้งสองด้าน ภายใต้ regex หัวข้อแบบมีหมายเลขที่เข้มงวด MiniCPM ได้คะแนนผ่านเป็นศูนย์ เพราะมันเขียนหัวข้อส่วนเป็นป้ายข้อความแทนที่จะเป็นตัวเลข ตัวเลข 37 ครั้งที่ผ่านมาจากการให้คะแนนเอาต์พุตเดิมซ้ำโดยใช้ชื่อส่วน นั่นคือความล้มเหลวด้านการจัดรูปแบบที่แท้จริง และหากตัวแยกวิเคราะห์ปลายทางของคุณคาดหวังหัวข้อแบบมีหมายเลข ก็ถือเป็นการตัดสิทธิ์ แต่คะแนนเนื้อหาไม่ได้ใกล้กันเลย: 68.2 เทียบกับ 44.7 ที่เวลาแฝง 60 เปอร์เซ็นต์ บนงานอย่างการอ่านพื้นที่แสดงผลของเบราว์เซอร์ที่หนาแน่น ซึ่งใกล้เคียงกับการใช้งานจริงมากกว่าการทดสอบมาตรฐานแผนภูมิมาก

นี่คือการประเมินอิสระเพียงรายการเดียวที่โมเดลทั้งสองมีในระดับนี้ เป็นฮาร์เนสเดียวบนคู่ GPU หนึ่งคู่ และโมเดล Liquid ที่ถูกทดสอบคือรุ่นย่อย VLD ถึงอย่างนั้นก็ยังให้ข้อมูลมากกว่าผลรวมจากการวัด 62 benchmark เพราะมันวัดสิ่งที่คุณทำจริงกับโมเดลวิชันขนาดเล็ก นั่นคือการมองหน้าจอแล้วตอบคำถามที่กำหนดไว้อย่างรวดเร็ว

ใบอนุญาตคือผู้ชี้ขาดที่เงียบงัน

MiniCPM-V 4.7 เผยแพร่ภายใต้ Apache-2.0 โดยไม่มีเงื่อนไขเรื่องรายได้ LFM3-VL-2B เผยแพร่ภายใต้ LFM Open License v1.0 ซึ่ง Liquid อธิบายว่าใช้เชิงพาณิชย์ได้ฟรีเมื่อมีรายได้ต่อปีต่ำกว่า 10 ล้านดอลลาร์ เหนือระดับนั้นไป ข้อกำหนดจะเปลี่ยนไป และคุณต้องอ่านข้อกำหนดเหล่านั้น

สำหรับโปรเจกต์งานอดิเรก ความแตกต่างนี้เป็นเพียงทฤษฎี สำหรับผลิตภัณฑ์ นี่คือสิ่งแรกที่ทนายความจะถามถึง และเป็นแถวเดียวในตารางเปรียบเทียบใด ๆ ที่ไม่มีเบนช์มาร์กใดเอาชนะได้ โมเดลที่ทำได้ดีกว่า 4 คะแนนในการให้เหตุผลจากแผนภูมิและมีเงื่อนไขเกี่ยวกับรายได้ ไม่ได้เป็น dependency ที่ดีกว่าโดยอัตโนมัติ นี่ก็เป็นจุดที่การเลือก Apache-2.0 สำหรับ MiniCPM-V 4.7 ทั้งสองขนาดทำงานได้มากกว่าตัวเลขเบนช์มาร์ก: มันตัดบทสนทนาหนึ่งออกไป

Cadence: จำนวนที่ไม่มีตารางใดรายงาน

esp32-eye cat monitor เป็นตัวอย่างสาธารณะที่ชัดเจนที่สุดของการใช้งาน MiniCPM 1B จริง ๆ มันทำงานเป็น Q4_K_M GGUF อยู่เบื้องหลัง llama-server บน MacBook และถูกเรียกใช้ไม่เกินหนึ่งครั้งทุก 1.5 วินาที โดยมีเงื่อนไขจากการตรวจความแตกต่างของพื้นหลัง เพื่อให้เฟรมส่วนใหญ่ไม่ถูกส่งไปถึงมันเลย บิลด์เดียวกันพบว่า 1B ไม่น่าเชื่อถือในการแยกแมวที่คล้ายกันสี่ตัว และย้ายการระบุตัวตนไปที่ 35B แทนที่จะปล่อยเป็นเพียงการเดา

นี่คือโปรไฟล์การติดตั้งใช้งานที่ตาราง benchmark ไม่ได้สะท้อนไว้ โมเดลที่คุณเรียกใช้ทุก 1.5 วินาทีต้องเล็กพอที่จะคงอยู่ในหน่วยความจำ เร็วพอที่คำตอบจะมาถึงก่อนเฟรมถัดไป และเปิดกว้างพอที่คุณจะนำไปปล่อยใช้งานได้ 1B ผ่านทั้งสามข้อ LFM3-VL-2B มีขนาด 1.25 GB ใน Q4 และใช้เวลา 2.2 วินาทีต่อภาพหน้าจอในการทดสอบอิสระ ซึ่งเหมาะสำหรับไปป์ไลน์แบบทีละภาพ แต่ช้าเกินไปสำหรับเกต 1.5 วินาทีบนฮาร์ดแวร์เดียวกัน

หากคุณต้องการปลายทางแบบโฮสต์แทนไฟล์ในเครื่อง ตอนนี้ทั้งสองโมเดลยังไม่อยู่ในแคตตาล็อกของ OrcaRouter ดังนั้นคำตอบที่ตรงไปตรงมาคือ 1B รันในที่ที่คุณวางไว้ และ 35B รันบน API ของ OpenBMB เอง สิ่งที่เราเตอร์มีให้คือสถาปัตยกรรมโดยรอบ: คีย์เดียวใช้ได้กับโมเดลกว่า 200 รุ่น, มาร์กอัป 0% จากราคาตามรายการของผู้ให้บริการ, และการสลับสำรองอัตโนมัติ ซึ่งเป็นวิธีที่คุณทำให้ไปป์ไลน์สองโมเดลยังทำงานอยู่ได้เมื่อขาที่มีค่าใช้จ่ายสูงเป็นปลายทางภายนอกเพียงจุดเดียว มันไม่ได้ทำให้โมเดลที่ยังไม่มีโฮสต์กลายเป็นมีโฮสต์ และควรพูดให้ตรงไปตรงมาแบบนี้

เลือกอันไหนดี

ถ้าคุณกำลังสร้างไปป์ไลน์ภาพแบบโมเดลเดียว และต้องการโมเดลทั่วไประดับ 2B ที่แข็งแกร่งที่สุดบนเบนช์มาร์กที่ทั้งสองแล็บเผยแพร่ LFM3-VL-2B คือตัวเลือกที่ปกป้องได้ โดยมีข้อแม้เรื่องสัญญาอนุญาตที่เขียนไว้อย่างชัดเจน ถ้าคุณกำลังสร้างเอเจนต์ที่คอยดูหน้าจอเป็นลูป การทดสอบเบราว์เซอร์อิสระจัดให้ MiniCPM 1B อยู่ข้างหน้าทั้งด้านคะแนนและความหน่วง และวินัยในการจัดรูปแบบของมันคือสิ่งที่ควรไปแก้ในตัวแยกวิเคราะห์ของคุณ มากกว่าในตัวโมเดล

หากคุณต้องการโมเดลที่อ่านเอกสาร 262,144 โทเคน ดูวิดีโอ และทำผลงานได้ดีพอ ๆ กันบน MMMU โมเดลเล็กทั้งสองตัวก็ไม่ใช่คำตอบ นั่นคือระดับ 35B-A3B ซึ่ง OpenBMB รายงานว่าได้ 80.2 บน MMMU, 91.2 บน OCRBench และ 68.9 บน LongVideoBench ทั้งหมดเป็นข้อมูลที่ผู้ขายรายงานเอง และยังไม่มีการจำลองซ้ำโดยอิสระ การตัดสินใจที่แท้จริงไม่ใช่ตัว 2B ตัวไหนชนะ แต่คือว่าไปป์ไลน์ของคุณสามารถจ่ายเพื่อถามคำถามง่าย ๆ ในราคาถูกและถามคำถามยาก ๆ ได้ไม่บ่อยหรือไม่ และถ้าทำได้ การออกแบบสองโมเดลก็ถูกกว่าโมเดลเดียวใด ๆ ที่พยายามเก่งทั้งสองอย่าง

ปรับเทียบครั้งสุดท้าย ช่องว่าง 13.9 จุดที่ Liquid เผยแพร่เป็นเรื่องจริงบนชุดทดสอบของ Liquid และช่องว่าง 23.5 จุดที่ WebBrain เผยแพร่ก็เป็นเรื่องจริงบนชุดทดสอบของ WebBrain และทั้งสองชี้ไปในทิศทางตรงกันข้าม เพราะวัดงานที่ต่างกัน ใครก็ตามที่อ้างเพียงตัวเลขเดียวโดยไม่กล่าวถึงอีกตัวเลขหนึ่งกำลังขายข้อสรุปให้คุณ คำถามที่มีประโยชน์ไม่ใช่รุ่นไหนดีกว่า แต่คือคุณต้องถามวันละกี่ครั้ง และคุณยินดีจ่ายเท่าไรเพื่อคำตอบนั้น