Qu’est-ce que MiniCPM-V 4.7 (35B-A3B and 1B) ?
MiniCPM-V 4.7 est la version d'octobre 2026 de la série vision-langage d'OpenBMB, en deux tailles. Le 35B-A3B est le premier modèle mixture-of-experts de la série : 35,2 milliards de paramètres, environ 3 milliards actifs par token, 256 experts dont 8 routés, bâti sur un backbone de langage Qwen3.5 et Qwen3.6 avec un encodeur de vision SigLIP2. Le 1B (1,3B dans le propre tableau d'OpenBMB, 1,55B avec sa tour de vision) vise les téléphones. Les deux lisent des images uniques, des images multiples et de la vidéo, et écrivent du texte. Ni l'un ni l'autre n'est lié au MiniCPM 5 2B uniquement textuel.
L'encodeur de vision compresse les tokens d'image tôt, et les développeurs choisissent une compression 4x ou 16x par requête, échangeant détail contre vitesse. OpenBMB indique qu'une nouvelle technique de runtime, Lookahead Expert Scheduling, permet au 35B de tourner à plus de 13 tokens par seconde dans 3 GB de mémoire sur un iPhone 17 Pro Max : elle prédit quels experts la couche suivante aura besoin et les charge depuis le stockage à l'avance. Ce chiffre n'a pas été mesuré de façon indépendante.
Les deux tailles sont sous Apache 2.0, avec des versions quantifiées dès le lancement. Au cours des 30 derniers jours, le 35B a attiré environ 325 000 téléchargements Hugging Face plus 275 000 pour son GGUF, et le GGUF du 1B environ 107 000.
MiniCPM-V 4.7 (35B-A3B and 1B) vaut-il le coup ?
La force du 35B-A3B, ce sont les documents. Dans le tableau d'OpenBMB, à compression 4x, il obtient 94,24 sur OmniDocBench v1.6 contre 80,17 pour Qwen3.6-35B-A3B et 79,17 pour Gemma 4 31B, 91,20 sur OCRBench contre 86,00, et 75,60 sur le raisonnement de graphiques CharXiv contre 70,70 pour Qwen3.8-27B. Il mène aussi des tests généraux comme MMBench (91,72 contre 86,76) et MMMU (80,22 contre 77,44). C'est un mélange d'exécutions d'OpenBMB et de rapports publics, et nous n'avons trouvé aucun résultat de classement indépendant pour l'instant.
Il perd là où les agents en ont le plus besoin. Qwen3.8-27B obtient 93,31 sur ScreenSpot, un test pour trouver des éléments d'interface à l'écran, contre 86,99 pour MiniCPM, et Gemma 4 31B mène le suivi d'instructions MM-IFEval à 69,59 contre 65,41. Qwen3.6-35B-A3B le devance de justesse sur SimpleVQA. Un test pratique de MindStudio sur un H100 a trouvé une transcription d'écriture manuscrite propre en anglais et en indonésien mais une ligne en ourdou sautée, et des écritures qui se croisent entre langues lors de la traduction vers 80 d'entre elles.
Le 1B est la version la plus inhabituelle. À compression 4x, il obtient 83,17 sur MMBench et 86,10 sur OCRBench contre 68,00 et 79,10 pour Qwen3.5 0.8B, et 68,05 sur ScreenSpot contre 20,26 pour Gemma 4 E2B, un modèle presque quatre fois sa taille. Gemma gagne encore les tests visuels à forte intensité mathématique comme MathVision (52,40 contre 31,64), et sur OmniDocBench le 1B glisse légèrement sous son prédécesseur, MiniCPM-V 4.6. Son fichier de langage Q4_K_M ne fait que 0,67 GB, mais le fichier de vision ajoute 1,11 GB.
L'affirmation sur l'iPhone est la raison du bruit et la partie à vérifier. Treize tokens par seconde dans 3 GB dépend du fork de llama.cpp d'OpenBMB qui diffuse les experts depuis le stockage flash, et personne n'a publié de reproduction. Sur du matériel ordinaire, le 35B est un GGUF Q4_K_M de 21,17 GB plus un fichier de vision de 1,12 GB, qui ne tient sur un GPU de 24 GB qu'avec un contexte modeste.
Là où il fait la différence
Un ingénieur données chez un assureur qui numérise des formulaires de sinistre scannés
Transformer les PDF et photos de formulaires en Markdown structuré sur site
Servir le 35B avec vLLM ou le GGUF Q4_K_M de 21,17 GB sur un seul GPU de 24 GB, en utilisant la compression 4x pour les pages denses. Les avances d'OpenBMB sur OmniDocBench et OCRBench conviennent à ce travail ; vérifiez par sondage l'écriture manuscrite et les écritures non latines, où le test de MindStudio a trouvé des lacunes.
Un développeur iOS dans une appli de voyage
Lire panneaux, menus et billets hors ligne sur le téléphone
Empaqueter le 1B en Q4_K_M (0,67 GB plus un fichier de vision de 1,11 GB) via le code de l'appli iOS d'OpenBMB. Il obtient 86,10 sur OCRBench dans le tableau d'OpenBMB ; le réglage 16x coupe les tokens d'image quand la vitesse compte plus que les petits caractères.
Un responsable d'équipe d'analystes financiers dans une société de recherche en actions
Résumer graphiques et tableaux de rapports de courtage sans les envoyer à une API cloud
Faire tourner le 35B en local sous Apache 2.0, qui autorise l'usage commercial sans plafond de revenus. Ses 75,60 sur le raisonnement CharXiv mènent le tableau de comparaison d'OpenBMB, mais vérifiez les chiffres qu'il extrait, car MindStudio a vu des erreurs d'arrondi dans les réponses travaillées.
Avant de vous engager
- Mise en route
- pip install transformers 5.18 ou ultérieur et chargez avec AutoModelForImageTextToText, ou `transformers serve` pour un endpoint compatible OpenAI ; les versions GGUF tournent dans llama.cpp et Ollama avec un fichier de vision mmproj. downsample_mode doit être passé à la fois au modèle de chat et à generate.
- Intégrations
- SGLang, vLLM, llama.cpp, Ollama et OpenVINO pour l'inférence ; SWIFT et LLaMA-Factory pour l'affinage ; modèles draft DSpark pour le décodage spéculatif ; prise en charge dès le jour 0 des puces Rockchip, Houmo, Intel, AMD et Arm. L'appel d'outils fonctionne via l'API de chat.
- Données et confidentialité
- Auto-hébergé, si bien que les images et documents restent sur votre matériel. Apache 2.0 autorise l'usage commercial, la modification et la redistribution sans plafond de revenus.
- Coût à grande échelle
- Les poids sont gratuits. Le 35B a besoin d'environ 68 GB de VRAM en pleine précision (un H100 dans le test de MindStudio), 36,90 GB en Q8_0 ou 21,17 GB en Q4_K_M ; le 1B fait 0,67 GB en Q4_K_M plus 1,11 GB pour la vision. Aucun prix au token hébergé n'est publié.
- Limites
- Les fichiers GGUF par défaut ont le thinking désactivé ; des versions thinking séparées se trouvent dans un sous-dossier et multiplient la longueur de sortie. L'échantillonnage vidéo est par défaut à 128 images. Le chiffre de 3 GB sur iPhone repose sur le propre runtime d'OpenBMB, pas sur un llama.cpp standard.
Les points forts
- 94,24 sur OmniDocBench v1.6, 14 points de plus que Qwen3.6-35B-A3B (autodéclaré)
- Le 1B tourne sur des téléphones et bat Qwen3.5 0.8B sur toute la ligne
- Apache 2.0 pour les deux tailles
- Compression de tokens visuels 4x ou 16x sélectionnable
Les points faibles
- Derrière Qwen3.8-27B sur l'ancrage GUI ScreenSpot
- Affirmation de vitesse iPhone non vérifiée, a besoin du fork llama.cpp d'OpenBMB
- Benchmarks seulement en images, mêlant exécutions propres et publiques
- Faible sur les langues plus rares dans un test indépendant
Idéal pour
Les équipes qui extraient du texte et des tableaux de documents scannés et de graphiques sur leur propre matériel, et les développeurs mobiles qui ont besoin d'un modèle de vision sous 2 GB.
Alternatives à MiniCPM-V 4.7 (35B-A3B and 1B)
MiniCPM-V 4.7 (35B-A3B and 1B) : questions fréquentes
- MiniCPM-V 4.7 (35B-A3B and 1B) vaut-il le coup ?
- Sur les propres chiffres d'OpenBMB, c'est le modèle ouvert à battre pour lire des documents et des graphiques à la taille 35B, et le 1B est le rare modèle de vision de taille téléphone qui vaut la peine d'être livré. Nous lui donnons 4.0 sur 5.
- Combien coûte MiniCPM-V 4.7 (35B-A3B and 1B) ?
- Poids Apache 2.0 gratuits pour les deux tailles. Aucun prix hébergé de première partie publié ; vous payez votre propre matériel.
- Quels sont les inconvénients de MiniCPM-V 4.7 (35B-A3B and 1B) ?
- Derrière Qwen3.8-27B sur l'ancrage GUI ScreenSpot; affirmation de vitesse iPhone non vérifiée, a besoin du fork llama.cpp d'OpenBMB; benchmarks seulement en images, mêlant exécutions propres et publiques; faible sur les langues plus rares dans un test indépendant.
- À qui s’adresse MiniCPM-V 4.7 (35B-A3B and 1B) ?
- Les équipes qui extraient du texte et des tableaux de documents scannés et de graphiques sur leur propre matériel, et les développeurs mobiles qui ont besoin d'un modèle de vision sous 2 GB.
- Combien coûte MiniCPM-V 4.7 (35B-A3B and 1B) pour une équipe ou en production ?
- Les poids sont gratuits. Le 35B a besoin d'environ 68 GB de VRAM en pleine précision (un H100 dans le test de MindStudio), 36,90 GB en Q8_0 ou 21,17 GB en Q4_K_M ; le 1B fait 0,67 GB en Q4_K_M plus 1,11 GB pour la vision. Aucun prix au token hébergé n'est publié.
- MiniCPM-V 4.7 (35B-A3B and 1B) est-il sûr pour les données de l’entreprise ?
- Auto-hébergé, si bien que les images et documents restent sur votre matériel. Apache 2.0 autorise l'usage commercial, la modification et la redistribution sans plafond de revenus.
- Quelles sont les meilleures alternatives à MiniCPM-V 4.7 (35B-A3B and 1B) ?
- Les alternatives les plus proches que nous avons testées sont Qwen3.8-27B, Gemma 4, PaddleOCR-VL-1.6, Phi-4-multimodal et MiniCPM5-2B.
Réponses vérifiées le 28 oct. 2026.