MiniCPM-V 4.7 對比 North Micro Vision Instruct：Cohere 交付了有文件記載的 2.4B 模型；OpenBMB 則交付了一個 70 GB 的空白

MiniCPM-V 4.7 和 North Micro Vision Instruct 都是針對同一個小型實驗室問題的小型實驗室解答——一個你可以自行微調與部署的輕巧視覺語言模型——但兩者之中只有一個已經準備就緒。Cohere 的 North Micro Vision Instruct 於 2026 年 8 月 10 日推出，是一個 24 億參數的原生解析度模型，採用 Apache-2.0 授權，並附有一篇解釋架構的技術部落格文章，以及一張列出其用途的卡片。MiniCPM-V 4.7 於 2026 年 10 月 6 日推出，是一個 352 億參數的稀疏混合專家檢查點，包含十六個分片，沒有 README，沒有授權欄位，也沒有任何形式的基準測試。有趣的比較並不是「哪一個更聰明」。而是這兩個發布代表了對必須使用它們的社群截然相反的態度。

這兩個版本，以及各自隨附的內容

North Micro Vision Instruct 是 CohereLabs 推出的 2.4B 開放權重視覺語言模型，以 Apache-2.0 授權釋出。它明確定位為緊湊的基礎模型，適合用於原型開發、特定任務微調與專門的多模態工作。其最大特色是原生解析度影像處理，能保留長寬比與細微的視覺細節，而不是重新取樣成固定網格；模型卡宣稱其能力涵蓋視覺問答（VQA）、圖像描述、定位、OCR、圖表與文件。它支援單次對話中的多張影像以及十一種語言——英文、德文、法文、西班牙文、義大利文、葡萄牙文、印地文、日文、韓文、中文與阿拉伯文。模型權重為 2,484,847,856 個參數（BF16），且自發布以來，MLX 社群已製作出 4-bit、5-bit、6-bit、8-bit、mxfp8、mxfp4、nvfp4 與 bf16 等轉換版本，這正是一個健康的小型模型發布在幾個月後應有的樣貌。它約有 166,500 次下載與 150 個讚。

MiniCPM-V 4.7 是 openbmb/MiniCPM-V-4.7-35B-A3B：BF16 格式的 35,212,875,824 個參數，70.4 GB，分佈於十六個 safetensors 分片，類別為 MiniCPMV4_7ForConditionalGeneration，由 Transformers 5.2.0 儲存，並於 2026 年 10 月 6 日上傳。

它的文字主幹是衍生自 Qwen3.5 的稀疏 MoE——256 個專家、每個 token 選取 8 個——具備 40 層，採用固定的「三層線性對一層全注意力」模式、256K 上下文，以及一座自家開發的 27 層視覺塔，以 16 倍降採樣運作。沒有模型卡。該儲存庫只有三個讚，沒有任何下載。

並排對比，聚焦最重要的六件事

• 參數 — North Micro Vision Instruct：2.48B 稠密，每個參數在每個 token 都會啟用。MiniCPM-V 4.7：總計 35.2B，256 中取 8 的稀疏。這不是同基準的數字。

• 授權 — North Micro Vision Instruct：Apache-2.0，已標示並聲明。MiniCPM-V 4.7：未宣告任何授權，預設為保留所有權利。

• 微調面向 — North Micro Vision Instruct：明確設計為任務特定微調的基礎，且已有社群量化版本可用。MiniCPM-V 4.7：一個 70 GB 的 BF16 檢查點，沒有量化版本，也未說明訓練配方。

• 解析度處理 — North Micro Vision Instruct：原生解析度，保持長寬比。MiniCPM-V 4.7：downsample_mode: "16x"，max_slice_nums: 9，基於切片器的高解析度路徑。

• 語言涵蓋範圍 — North Micro Vision Instruct：卡片上列出十一種語言。MiniCPM-V 4.7：未在任何地方說明。

• 背景 — North Micro Vision Instruct：針對其 2.4B 部署級別設定規模。MiniCPM-V 4.7：max_position_embeddings：262144，256K。

• 品質佐證——North Micro Vision Instruct：已發表的模型卡、技術部落格文章、社群轉換，以及廣獲採用。MiniCPM-V 4.7：無任何可引用之處。

使這項比較失衡的不對稱性

在這裡，有一種特別的比較文章很容易寫：從 OpenBMB 的 GitHub 抓下 MiniCPM-V 4.6 的數字，指出它們勝過同級的小模型，並暗示 4.7 繼承了這些數字。那會是不誠實的，而箇中原因值得精確說明。MiniCPM-V 4.7 並不是 4.6 的更大版本。它捨棄 1.3B 稠密 Qwen3.5-0.8B 主幹，改用 35B 稀疏 Qwen-MoE，把注意力模式改為 3:1 的線性對全注意力，並將視覺壓縮預設切換為 16x。這每一項都是對模型決定準確率的那部分所做的變更。家族血統不是基準測試。

不誠實的另一個方向更為細微：把缺少模型卡當成問題的證據。事實並非如此。OpenBMB 自 2024 年以來已推出九代 MiniCPM-V，其中幾代就其規模而言確實相當出色，而從儲存庫建立到最後一次提交之間相隔十二分鐘，這正是先經過階段性準備再發布的產物會有的樣子，而不是損壞的產物會有的樣子。對 MiniCPM-V 4.7 的正確解讀是「未知」，而未知與「糟糕」是截然不同的事。

Cohere 這一方也有自己的誠實要求。

North Micro Vision 顯示卡的品質聲明是 Cohere 自家的量測結果，而技術深入剖析也是由同一個團隊撰寫。社群在幾天內就打造出十六個 MLX 量化版本，這是採用率的證據，不是準確度的證據——人們會轉換容易轉換的模型，而一個乾淨的 2.4B Apache-2.0 發布版本本來就容易轉換。下載次數和量化版本的分佈都不應被解讀為評分。

每個的實際用途

North Micro Vision Instruct 是一個微調目標。這就是完整的設計綱要，用卡片本身的話來說：一個用於原型開發與專門應用的精簡基礎模型。如果你有一項狹隘的文件解析、圖表擷取或多語言圖說生成任務，以及幾千個已標註範例，那麼一個具備原生解析度輸入與 8 位元以上量化、2.4B 的 Apache-2.0 模型，會是合理的起步點；當它運作良好時，你可以把它移到邊緣裝置或單張中階 GPU 上。

MiniCPM-V 4.7，就算最後證明它能用，也不是那麼一回事。在未量化的情況下要 70 GB，它是個伺服器級模型，而它的獨特之處——256K 的上下文視窗，以及能讓 KV 快取維持固定大小的線性注意力——指向的是長上下文多模態工作負載：長達一小時的影片逐字稿、大型文件集、歷史紀錄中含有圖片的長時間多輪分析。這些都是真實的工作負載，而這套架構是針對它們的一個合理賭注。只是這個賭注還沒被計分。

關於這兩種壓縮策略，有一個值得記住的細微差別。原生解析度與 16× 降採樣並不是簡單的誰優誰劣。原生解析度編碼器會耗用 token 來保留精細細節，而這正是 OCR 與 grounding 所需的。16× 降採樣耗用較少 token，卻有失去正是這些細節的風險。哪一種才正確，取決於你的任務是閱讀密集表單，還是描述場景；而 MiniCPM-V 4.6 之所以有可切換的 4x/16x 模式，正是因為答案會隨任務而變。4.7 是否保留了那項切換，是設定檔沒有說明的其中一件事。

路由器適用與不適用的時機

這兩個模型都是你自己部署服務的權重。North Micro Vision Instruct 和 MiniCPM-V 4.7 都不是 OrcaRouter 上的託管模型，這裡的任何內容都不應被解讀為聲稱它們是。路由問題會在下一步才出現：當小型自架模型處理例行工作時，較大型的模型必須接手它失敗的案例。這種交接正是單一金鑰路由器的用途——跨各家供應商的 200 多個模型，各自以其定價計費，我們這邊不額外加價，並在某家供應商效能下降時自動容錯移轉——而且值得在你有需要之前就把介面敲定，因為你的 4.7 評估成功的那天，就是你會想要有第二個端點、卻不必簽第二份合約的那天。

判決，以及什麼會改變它

Cohere 發布了一個模型。OpenBMB 發布了一個檢查點。在讀者能據以行動的每一個軸面上——授權條款、授權條款的清晰度、有文件記錄的行為、微調就緒度、量化、語言涵蓋範圍——North Micro Vision Instruct 都是今日的答案，而且差距毫不接近。這並不是關於能力的主張，因為根本無法進行能力比較。MiniCPM-V 4.7 的參數量約為與其相比的模型的十倍，而且並未發表任何內容來證成或駁斥這樣的規模。誠實的態度是將它視為待定：來自一家有實績的實驗室的真實產物，放在一個少了某個檔案的儲存庫裡，而那個檔案會改變一切——README。