MiniCPM-V 4.7 35B-A3B

MiniCPM-V 4.7 35B-A3B — более крупный вариант визуально-языковой линейки OpenBMB. В обозначении отражена архитектура смеси экспертов: весь набор параметров не используется одинаково при каждом шаге, поэтому разработчик отдельно указывает активную часть. Это не означает, что файлы весов весят как модель на три миллиарда параметров. Размещение, выгрузка и хранение должны учитывать полный набор, а не только число после буквы A. Легко допустить ошибку, когда рекламную фразу об эффективности превращают в обещание запуска на любом телефоне без оговорок.

В карточке разработчик называет 35B-A3B первой MoE-моделью семейства MiniCPM-V и описывает работу с одним изображением, несколькими изображениями и видео. Там же представлены примеры запуска на мобильных устройствах. Эти демонстрации показывают возможность в определённой конфигурации, но не заменяют спецификацию вашего устройства и замер на ваших файлах. Не следует считать, что весь длинный ролик будет проанализирован без отбора кадров, а мелкий текст на каждой странице видеозаписи прочитан без ошибок.

Где версия особенно интересна: сравнение состояния объекта на двух фотографиях, анализ последовательности экранов, поиск различий между кадрами инструкции. Для серьёзного теста задайте вопросы, ответ на которые невозможно получить из одного кадра: что исчезло, какой шаг предшествовал ошибке, изменился ли показатель после действия. Подготовьте эталон вручную. Если модель отвечает красивым обобщением без указания кадров, она не выполнила проверяемую часть задачи. В [сравнении способов работы с длинными документами](/article/sravnenie-summariizacii-celikom-i-po-chastyam-20261014-b1/) показана схожая ловушка: вместить материал ещё не значит учесть каждую деталь.

Разработчик приводит сравнительные оценки качества и времени вывода относительно другой модели сопоставимого класса. Это результаты методики автора, не независимая гарантия для каждого языка, устройства и типа изображения. Внутренний пилот лучше строить вокруг собственной цены ошибки. Для сортировки кадров может быть достаточно обнаружить отсутствие товара на полке; для проверки номера партии понадобится посимвольная точность. Одно среднее число из бенчмарка скрывает эту разницу.

Сделайте набор из двадцати примеров, которые реально встретятся в работе. Разделите их на фотографии, снимки интерфейса, таблицы и видеофрагменты. Для каждого сохраните исходник, допустимый ответ и критичные детали. Прогоните 35B-A3B и маленькую [версию 1B](/models/minicpm-v-47-1b/) в одинаковых условиях. Укажите квантование, число кадров, разрешение и длину запроса. Сравнивайте не просто «понравилось», а число подтверждённых фактов, неверных деталей, отказов и время исправления человеком. Более крупная модель оправдана только там, где качество в действительности компенсирует дополнительную инфраструктуру.

Открытые веса дают контроль над размещением, но не отменяют проверки лицензии для вашей организации. Карточка модели указывает Apache 2.0; перед коммерческим развёртыванием прочитайте условия и список зависимостей выбранной сборки. Отдельные оболочки, мобильные приложения и наборы квантованных весов могут иметь собственные правила распространения. Скачивайте файлы из проверенного источника, фиксируйте версию и контрольную сумму. Не вводите в тест реальные чужие документы без права на обработку.

В рабочем процессе модель может стать инструментом предварительного разбора: предложить описание, отметить кадры с изменением и сформулировать вопросы проверяющему. Но её свободный ответ нельзя напрямую считать протоколом измерения. Если на видео человек открыл шкаф, а номер на наклейке неразборчив, модель обязана допускать неопределённость. Полезно попросить отдельную колонку «видно», «предположено», «не видно». Это проще проверять, чем один гладкий абзац. Для строгого распознавания печатных полей иногда уместен отдельный [локальный OCR](/article/tesseract-ocr-obzor-lokalnogo-raspoznavaniya-20261014-b1/).

Стоимость здесь складывается не из цены API за миллион токенов, а из устройства, энергии, поддержки окружения и труда на разметку тестов. Даже если веса бесплатны для скачивания, проект может оказаться дорогим из-за требований к памяти или разработке. Не приписывайте модели несуществующий публичный тариф. Если она запускается через сторонний хостинг, условия и цена относятся уже к конкретному провайдеру, а не к весам OpenBMB.

Для видео отдельно определите, что считать одним входом. Секунда ролика и набор ключевых кадров — не одно и то же: при агрессивном отборе можно пропустить момент, ради которого анализ вообще затевался. Сохраните правило отбора кадров вместе с модельной версией. Если задача состоит в поиске редкого события, измеряйте долю пропущенных событий на размеченной выборке, а не качество красивых ответов на типичные сцены. Держите человеческий маршрут для случаев, которые модель признала неопределёнными. Отказ здесь может быть полезнее уверенного описания несуществующего кадра.

Итог: 35B-A3B стоит рассматривать для задач, где несколько визуальных источников и более сложный контекст важнее минимального размера. Убедительный демонстрационный ролик — начало проверки, не её конец. Решение о внедрении принимайте после воспроизводимого теста, где известны версии, параметры и цена человеческой проверки.

Часто спрашивают, означает ли A3B объём памяти: нет, активные параметры и полный размер весов различаются. Можно ли считать её видеоредактором? Нет, модель интерпретирует визуальный вход и отвечает текстом, а монтаж требует других инструментов. Наконец, может ли она работать полностью офлайн? Возможен локальный маршрут после получения файлов, но надо проверить сетевое поведение именно выбранной программы запуска.