MiniCPM-V 4.7 (35B-A3B and 1B)とは？
MiniCPM-V 4.7は、OpenBMBのビジョン言語シリーズの2026年10月版で、2つのサイズがあります。35B-A3Bはシリーズ初のMixture-of-Expertsモデルで、パラ メータは352億（35.2 billion）、トークンごとのアクティブは約30億、エキスパートは256個でそのうち8個にルーティングされます。言語バックボーンはQwen3.5とQwen3.6、ビジョンエンコーダーはSigLIP2です。1B（OpenBMB自身の表では1.3B、ビジョンタワーを含めると1.55B）はスマートフォンを対象にしています。どちらも単一画像、複数画像、動画を読み取り、テキストを出力します。テキスト専用のMiniCPM 5 2Bとは関係ありません。
ビジョンエンコーダーは画像トークンを早い段階で圧縮し、開発者はリクエストごとに4倍か16倍の圧縮を選べます。細部と速度のどちらを取るかの選択です。OpenBMBによると、新しいランタイム技術Lookahead Expert Schedulingにより、35BはiPhone 17 Pro Maxの3 GBのメモリで毎秒13トークン以上で動作します。次の層が必要とするエキスパートを予測し、ストレージから先に読み込む仕組みです。この数値は独立した測定を受けていません。
どちらのサイズもApache 2.0で、公開時から量子化版があります。直近30日間で、35BのHugging Faceダウンロード数は約325,000回、そのGGUFは275,000回、1BのGGUFは約107,000回でした。
MiniCPM-V 4.7 (35B-A3B and 1B)は使う価値があるか？
35B-A3Bの強みは文書です。OpenBMBの表では、4倍圧縮でOmniDocBench v1.6が94.24で、Qwen3.6-35B-A3Bの80.17、Gemma 4 31Bの79.17を上回ります。OCRBenchは91.20対86.00、CharXivのグラフ推論は75.60で、Qwen3.8-27Bの70.70を上回ります。MMBench（91.72対86.76）やMMMU（80.22対77.44）といった汎用テストでも首位です。これらはOpenBMB自身の実行結果と公開報告が混在しており、独立したリーダーボードの結果はまだ見つかりませんでした。
エージ ェントが最も必要とする分野では負けています。画面上のインターフェース要素を見つけるテストScreenSpotでは、Qwen3.8-27Bが93.31でMiniCPMの86.99を上回り、指示追従のMM-IFEvalではGemma 4 31Bが69.59対65.41で首位です。SimpleVQAではQwen3.6-35B-A3Bがわずかに上回ります。MindStudioがH100で行った実地テストでは、英語とインドネシア語の手書き文字はきれいに書き起こせましたが、ウルドゥー語の1行が飛ばされ、80言語への翻訳では文字体系が言語をまたいで混ざりました。
より珍しいのは1Bのほうです。4倍圧縮でMMBenchは83.17、OCRBenchは86.10で、Qwen3.5 0.8Bの68.00と79.10を上回ります。ScreenSpotは68.05で、ほぼ4倍の大きさのGemma 4 E2Bの20.26を上回ります。それでもMathVisionのような数学中心の視覚テストではGemmaが勝ち（52.40対31.64）、OmniDocBenchでは1Bが前身のMiniCPM-V 4.6をわずかに下回ります。Q4_K_Mの言語ファイルはわずか0.67 GBですが、ビジョンファイルが1.11 GB加わります。
話題の理由であり、検証すべき部分はiPhoneでの主張です。3 GBで毎秒13トークンという数値は、フラッシュストレージからエキスパートをストリーミングするOpenBMB独自のllama.cppフォークに依存しており、再現結果を公開した人はいません。一般的なハードウェアでは、35Bは21.17 GBのQ4_K_M GGUFに1.12 GBのビジョンファイルが加わり、24 GBのGPUに収まるのはコンテキストを控えめにした場合だけです。
真価を発揮する場面
スキャンした保険金請求書をデジタル化する保険会社のデータエンジニア
書類のPDFや写真をオンプレミスで構造化されたMarkdownに変換する
35BをvLLMで、または21.17 GBのQ4_K_M GGUFを24 GBのGPU 1台で動かし、文字の詰まったページには4倍圧縮を使います。OpenBMBが示すOmniDocBenchとOCRBenchでの優位はこの用途に合っています。MindStudioのテストで弱点が見つかった手書き文字と非ラテン文字は抜き取りで確認してください。
旅行アプリのiOS開発者
標識、メニュー、チケットをスマートフォン上でオフラインで読み取る
OpenBMBのiOSアプリのコードを使い、1BをQ4_K_M（0.67 GBと1.11 GBのビジョンファイル）で同梱します。OpenBMBの表ではOCRBenchで86.10です。細かい文字より速度が重要な場面では、16倍設定で画像トークンを減らせます。
株式調査会社の金融アナリストチームのリーダー
証券会社のレポートにあるグラフや表を、クラウドAPIに送らずに要約する
35BをApache 2.0のもとでローカルで動かします。このライセンスは売上の上限なしで商用利用を認めています。CharXiv推論の75.60はOpenBMBの比較表で首位ですが、抽出された数値は確認してください。MindStudioは解答例で丸め誤差を確認しています。
導入前に確認す ること
- 導入
- transformers 5.18以降をpip installし、AutoModelForImageTextToTextで読み込むか、`transformers serve`でOpenAI互換のエンドポイントを立てます。GGUF版はmmprojビジョンファイルと組み合わせてllama.cppとOllamaで動きます。downsample_modeはチャットテンプレートとgenerateの両方に渡す必要があります。
- 連携
- 推論にはSGLang、vLLM、llama.cpp、Ollama、OpenVINO、ファインチューニングにはSWIFTとLLaMA-Factory、投機的デコーディングにはDSparkのドラフトモデルが使えます。Rockchip、Houmo、Intel、AMD、Armのチップには公開初日から対応しています。ツール呼び出しはチャットAPIで使えます。
- データとプライバシー
- セルフホストのため、画像や文書は自前のハードウェアにとどまります。Apache 2.0は売上の上限なしで商用利用、改変、再配布を認めています。
- 大規模利用時のコスト
- 重みは無料です。35Bはフル精度で約68 GBのVRAM（MindStudioのテストではH100 1台）、Q8_0で36.90 GB、Q4_K_Mで21.17 GBが必要です。1BはQ4_K_Mで0.67 GB、ビジョン用に1.11 GBです。ホスト型のトークン単価は公開されていません。
- 制限
- デフォルトのGGUFファイルは思考（thinking）がオフになっています。思考版は別のサブフォルダーにあり、出力の長さが何倍にもなります。動画のサンプリングはデフォルトで128フレームです。iPhoneでの3 GBという数値は標準のllama.cppではなく、OpenBMB独自のランタイムに依存しています。
良い点
- OmniDocBench v1.6で94.24、Qwen3.6-35B-A3Bを14ポイント上回る（自己申告）
- 1Bはスマートフォンで動作し、全項目でQwen3.5 0.8Bを上回る
- 両サイズともApache 2.0
- 視覚トークンの圧縮を4倍か16倍から選べる
気になる点
- ScreenSpotのGUIグラウンディングでQwen3.8-27Bに及ばない
- iPhoneでの速度の主張は未検証で、OpenBMBのllama.cppフォークが必要
- ベンチマークは画像でのみ公開され、自社と公開の実行結果が混在
- ある独立テストでは珍しい言語に弱い
おすすめの人
スキャンした文書やグラフから自前のハードウェアでテキストや表を抽出するチームと、2 GB未満のビジョンモデルが必要なモバイル開発者に向いています。
MiniCPM-V 4.7 (35B-A3B and 1B)の代替
MiniCPM-V 4.7 (35B-A3B and 1B)：よくある質問
- MiniCPM-V 4.7 (35B-A3B and 1B)は使う価値があるか？
- OpenBMB自身の数値によれば、35Bクラスで文書やグラフを読むなら超えるべき基準となるオープンモデルです。1Bは、実際に製品に組み込む価値のある数少ないスマートフォンサイズのビジョンモデルです。 評価は5点満点中4.0点です。
- MiniCPM-V 4.7 (35B-A3B and 1B)の料金は？
- 両サイズともApache 2.0の重みが無料です。公式のホスト型の価格は公開されておらず、費用は自前のハードウェア代です。
- MiniCPM-V 4.7 (35B-A3B and 1B)の欠点は？
- ScreenSpotのGUIグラウンディングでQwen3.8-27Bに及ばない; iPhoneでの速度の主張は未検証で、OpenBMBのllama.cppフォークが必要; ベンチマークは画像でのみ公開され、自社と公開の実行結果が混在; ある独立テストでは珍しい言語に弱い.
- MiniCPM-V 4.7 (35B-A3B and 1B)は誰に向いているか？
- スキャンした文書やグラフから自前のハードウェアでテキストや表を抽出するチームと、2 GB未満のビジョンモデルが必要なモバイル開発者に向いています。
- チームや本番環境でMiniCPM-V 4.7 (35B-A3B and 1B)を使うと費用はいくらか？
- 重みは無料です。35Bはフル精度で約68 GBのVRAM（MindStudioのテストではH100 1台）、Q8_0で36.90 GB、Q4_K_Mで21.17 GBが必要です。1BはQ4_K_Mで0.67 GB、ビジョン用に1.11 GBです。ホスト型のトークン単価は公開されていません。
- MiniCPM-V 4.7 (35B-A3B and 1B)は企業データを扱っても安全か？
- セルフホストのため、画像や文書は自前のハードウェアにとどまります。Apache 2.0は売上の上限なしで商用利用、改変、再配布を認めています。
- MiniCPM-V 4.7 (35B-A3B and 1B)の代わりになるものは ？
- 当サイトでレビューした中で最も近い代替はQwen3.8-27B, Gemma 4, PaddleOCR-VL-1.6, Phi-4-multimodal 、 MiniCPM5-2Bです。
回答確認日：2026年10月28日