LFM3-VL-2B 對上 MiniCPM-V 4.7 1B：關閉思考模式後，從 14 個百分點縮小至 4 個百分點的差距

最具關鍵影響的差異LFM3-VL-2B與MiniCPM-V 4.7 1B之間，但不在任何一張基準測試表裡，而是在授權條款那一行。OpenBMB 的模型採用 Apache 2.0。Liquid AI 的模型則採用 LFM Open License v1.0，帶有商業條件，而非單純的寬鬆條款。除此之外，這兩個模型的規模相近，足以作為直接替代方案——1.92B 對 1.55B——而且兩者推出時間相隔不到三週：MiniCPM-V 4.7 1B 於 10 月 6 日在 Hugging Face 上架，並在廠商發布說明中標註為 10 月 12 日；而 LFM3-VL-2B 自 10 月 19 日起便存在於公開儲存庫中，並於 10 月 27 日發布。在 Liquid 自家的 62 項基準測試套件中，這款新模型平均為 71.4，相較之下為 57.5，差距 13.9 分；但一旦停用 Liquid 模型的推理功能，差距便立刻縮小至 4.6 分。

同量級下的兩個模型，遵循不同規則

MiniCPM-V 4.7 1B 是兩者中較小者，參數少約 3.7 億。它結合 SigLIP 風格的視覺塔與衍生自 Qwen3.5 的語言骨幹，使用可依每次請求選擇的 4× 或 16× 視覺 token 壓縮，並在廠商文件中宣稱具備 256K 上下文視窗。它提供 BF16、int4、AWQ、GPTQ 與 GGUF 版本，並附有專用的 DSpark 草稿模型用於推測解碼。

LFM3-VL-2B 將 LFM3-1.7B 語言模型與全新的自研 164M 視覺編碼器及 25M 投影器結合，具備文件記載的 128K 上下文，支援每秒 2 幀的影片輸入，以及文件記載的無思考模式。

• 參數 — LFM3-VL-2B 為 1.92B，MiniCPM-V 4.7 1B 則為 1.55B，依據 OpenBMB 的文件；Hugging Face 的模型大小標籤會將後者四捨五入為 2B。

• 授權 — LFM Open License v1.0 與 Apache 2.0。

• 上下文 — 128K 個 token，相較於宣稱的 256K，不過推論配置通常會將上限設得遠低於此。

• 視覺路徑 — 一個 164M 的自家研發編碼器，每個 2×2 區塊產生一個 token，對比具備 4×/16× 壓縮的 SigLIP 風格塔式模型。

• 影片 — 每秒 2 幀，是首個支援影片的 LFM 視覺模型，並附有廠商公布的 LongVideoBench 與 MotionBench 數據。

• 推理模式——可用且以兩種方式量測，對比於在基準測試執行中可用且已使用。

• Liquid 62 項基準測試套件上的廠商平均 — 思考 71.4、非思考 62.1，對比 57.5。

總體差距為 13.9 分。請先閱讀腳註。

Liquid 的表格是唯一一份以相同正規化方式，在同樣 62 項基準測試上為這兩個模型評分的資料，而這也是之所以能進行這項比較的原因。OpenBMB 自家的模型卡並未以 LFM3-VL-2B 為對象進行基準評測，因為 MiniCPM-V 4.7 1B 推出時，LFM3-VL-2B 還不存在。

關鍵註腳：表中的每個模型都使用了推理模式，除了不支援此模式的 LFM2.5-VL-3B，以及 LFM3-VL-2B 的無思考配置。因此，71.4 和 57.5 都是啟用推理後的分數，這讓比較比 LFM2.5 的對比更公平。兩個模型都在各自的最佳設定下，由同一實驗室使用相同的評測工具進行測量。

公平不等同於獨立。Liquid 選擇了基準測試並自行執行。這張表格異常完整——它包含類別層級與各項基準測試的列，並列出每一位競爭對手——但沒有任何第三方重現過其中任何內容。

關閉思考後，1B 在 62 場中贏了 24 場

LFM3-VL-2B 針對相同權重、在停用推理的情況下，發布了第二個分數。那一欄才是有意思的，因為它顯示出 13.9 分的總合分數究竟從何而來。在不進行思考的情況下，LFM3-VL-2B 贏得 35 項基準測試，MiniCPM-V 4.7 1B 贏得 24 項，另有 3 項平手。平均差距降至 4.6 分。

更引人注目的是 1B 在該配置下贏得了哪些項目。它拿下大多數數學與圖表推理類別，且往往大幅領先。

• We-Math（testmini，嚴格）——MiniCPM-V 4.7 1B 得分 47.8，而 LFM3-VL-2B 在未啟用思考時得分 20.1，啟用思考時得分 68.6。

• LogicVista — 46.1 對 30.2（不使用思考），60.4（使用思考）。

• MathVista (mini) — 無思考模式下為 71.2 對 68.5，思考模式下為 84.2。

• ChartQA（測試） — 不思考時 88.8 對 81.4，思考時 92.7。

• CharXiv（描述性） — 73.4 對 65.5（不思考），87.5（有思考）。

• DynaMath — 63.8 對 57.7（無思考）。

• MMMU（驗證） — 51.0 對比 48.6（不思考），55.7（啟用思考）。

值得停下來細看的是 We-Math 的結果：當兩個模型都不被允許推理時，1B 領先 27.7 個百分點——而一旦允許推理，LFM3-VL-2B 立刻取得 20.8 個百分點的優勢。We-Math 是針對多步視覺數學的嚴格準確度基準，而成績在兩個模型之間並不是逐步變化，而是直接翻轉。這是整張表中最能清楚說明推理模式帶來什麼價值的單一例證。

實務上的結論是：如果你為了降低延遲而關閉推理，而你的工作負載涉及圖表或圖示中的數字，那麼較大模型的整體優勢並不能保護你。1B 模型是更好的工具。

無論模式為何，LFM3-VL-2B 都能勝出的地方

反之亦然，而且這些類別同樣具體。其中五項即使在「不思考」欄中也幾乎是一面倒。

• GUI 理解 — 思考模式 83.1、非思考模式 81.5，相較於 MiniCPM-V 4.7 1B 的 45.3。ScreenSpot-Pro 為 55.5 對 4.9；ScreenSpot-v2 Desktop 為 94.6 對 51.5。

• 視覺定位 — 77.3（思考模式）、72.6（非思考模式），對比 51.1。RefCOCO 平均達到 90.5，對比 86.3。

• 具身推理—— 64.4 思考，57.9 不思考，對比 45.3。

• 代理式 — 42.5（thinking）、32.9（no-thinking），對比 16.9。這是表中全部四個模型最弱的分類，也是這兩者之間相對差距最大的。

• 多語言 — 84.4 思考模式、76.2 非思考模式，相較 77.4。這是唯一一個非思考模式的 Liquid 模型輸給 1B 的類別。

ScreenSpot-Pro 的 55.5 對 4.9，是這兩個模型在 62 項基準測試中任何一處最大的單一差距。如果你是在打造 UI 自動化，這裡根本無需抉擇；如果你是在打造數學家教，排名則會反轉。13.9 分的平均值，是把兩個行為截然不同的群體加以平均後產生的假象。

兩套測試框架，同一個基準測試卻有兩個數字

這正是讓跨廠商比較變得棘手的地方，值得單獨用一節來說明，因為兩家廠商都會公布同名基準測試的數據。

OpenBMB 在其自家頁面上回報 MiniCPM-V 4.7 1B 的 MathVista 成績為 74.3。Liquid 在同一具名基準上重新執行同一模型，回報 71.2。OpenBMB 回報 OCRBench 86.1；Liquid 的評測框架回報 OCRBench v1 為 82.1。兩家實驗室都沒有說謊。他們執行的是不同的提示格式、不同的答案擷取規則或不同子集，而由此產生的 3.1 分與 4.0 分差異，屬於正常的評測框架變異。

結果是，你不能拿 OpenBMB 的 74.3 減去 Liquid 針對 LFM3-VL-2B 的 68.5 no-thinking MathVista 數字，得出 5.8 分的勝差。在 10 月 27 日之前，這種解讀還站得住腳，因為當時 MiniCPM-V 4.7 1B 與 LFM2.5-VL-3B 之間唯一的共用基準測試，是在兩套不同的測試框架上量測的。如今 Liquid 已把兩個模型公布在同一張表裡，這種解讀就不再站得住腳。請採用這張表，並把廠商頁面上的每個數字都視為屬於其各自測量工具所得的結果。

那場悄然平息了由來已久爭論的平局

在同一張表格裡，有一個兩家公司都沒有宣傳過的結果。MiniCPM-V 4.7 1B 在 62 項基準測試中平均得分 57.5。LFM2.5-VL-3B 平均得分 57.6。

OpenBMB 的產品頁面聲稱，1B 模型在 OCR、圖表推理與影片理解上超越了 LFM2.5-VL-3B。在 Liquid 的測試套件中，這個說法一半正確、一半錯誤，而整體結果則是徹底打平：

• 文件、OCR 與圖表 — MiniCPM-V 4.7 1B 為 73.0，LFM2.5-VL-3B 為 71.2。此主張勉強獲得支持。

• 影片—— 53.7 對 41.3。此主張獲得明確支持。

• 數學 — 51.8 對 40.6。主張獲得支持，且原始主張中未提及。

• 視覺接地 — 51.1 對 68.3。該主張嚴重不成立。

• GUI 理解 — 45.3 對 66.0。該主張嚴重不成立。

• 代理式 — 16.9 對 21.1。主張不成立。

所以，一個 1.55B 的 Apache 2.0 模型在共用的 62 項基準測試套件上，與一家資金充裕的實驗室所推出的 3.1B 模型表現相當，而且是靠在某些類別決定性勝出、在另一些類別決定性落敗來做到。這是關於能力密度的真實結果，也是對平均值會掩蓋什麼的警告。這也把比較帶回 LFM3-VL-2B：擊敗兩者的那個模型，是靠其推理模式拉升它最弱的類別，而不是那個全面更優的模型。

授權、下載，以及你實際上能交付的內容

授權條款的差異，會比上述任何一列更能左右部署決策。Apache 2.0 不需要與法務團隊溝通。LFM Open License v1.0 附帶商業條件，雖然它開放的程度足以讓 Liquid 將此系列所有模型都依該授權發布，但它並不是相同的許可。

採用情況也呈現類似的故事。在 Hugging Face 上，MiniCPM-V 4.7 1B 自 10 月 6 日以來已累積約 155,000 次下載和略超過 400 個讚。截至撰寫本文時，LFM3-VL-2B 則有數百次下載和 16 個讚，公開已有九天，宣布則已一天。下載次數是嘈雜的訊號——CI 管線與量化鏡像會使其虛高——但三個數量級的差距並非雜訊。這反映出一個模型背後有一個月的工具鏈、教學與社群量化成果，而另一個只有一天。

工具鏈也遵循相同模式。MiniCPM-V 4.7 1B 列出 Transformers、SGLang、vLLM、llama.cpp、Ollama 與 OpenVINO，以及原生 iOS、Android 與 HarmonyOS 應用程式。LFM3-VL-2B 推出時支援 SGLang、提供 GGUF 權重，且 llama.cpp 支援仍在審查中——根據其自身說明卡，待實作的版本不支援影片輸入。

哪個模型適用於哪項工作

• UI 自動化、螢幕讀取、機器人感知 — LFM3-VL-2B，毫不猶豫，而且無思考模式也沒問題。ScreenSpot-Pro 上 55.5 對 4.9，不是靠工程手段就能繞過的差距。

• 圖表推理、視覺數學、圖示題 — 若你在不啟用推理的情況下運行，那就是 MiniCPM-V 4.7 1B；若否，就是一場真正的較量。用你自己的資料檢查 We-Math；27.7 分的「不思考」差距，正是那種會在正式環境中立刻浮現的問題。

• 長影片——比類別平均所顯示的更接近。LFM3-VL-2B 在 Video 類別以 61.2 比 53.7 領先，但 MiniCPM-V 4.7 1B 實際上在 Video-MMMU 以 50.1 比 49.6 勝出，即使是對上 thinking 設定也一樣。

• 任何必須未經審查就能通過法務的東西 — MiniCPM-V 4.7 1B，單憑 Apache 2.0 即可。

• 目前任何需要成熟推論堆疊的場景——至少在接下來幾週內是 MiniCPM-V 4.7 1B，直到 llama.cpp 合併 LFM3-VL 支援為止。

當兩個模型都不在路由器上時，路由器適合放在哪裡

這兩個檢查點都不在 OrcaRouter 的目錄中；兩者都是你自己下載、量化並執行的權重。在這裡，路由層真正有意思的用法，不是用來服務它們，而是圍繞它們進行組合。模型融合讓一組模型共同回答同一個問題；而將一個專精視覺數學的本地 1.55B 專家模型，搭配一個在它較弱的類別——接地、代理式任務——上更強的託管模型，這種配置能勝過任一模型單獨運作。路由 DSL 正是讓你表達哪一條路徑負責哪一類問題的方式，不必每次有檢查點發布就重寫應用程式。

誠實的總結是：那個 13.9 分的頭條數字是真的，但它是在單一實驗室的測試框架上測出來的，拿來當採購決策依據則會誤導人。LFM3-VL-2B 在螢幕與視覺定位（grounding）方面是更好的模型，領先幅度是同尺寸級別中其他模型都望塵莫及的。MiniCPM-V 4.7 1B 在不需推理的視覺數學方面是更好的模型，其授權條款無須協商，且在同一套測試中與體型兩倍大的模型打成平手。正確答案取決於上述哪一句話描述了你的工作負載——而兩家廠商的平均分都不會告訴你這件事。