AnswersPublished24 sources
Een AI-model van 35 miljard parameters op je telefoon? MiniCPM-V 4.7 mikt daarop
MiniCPM V 4.7 is er als 35B A3B en 1B model. De 35B A3B versie is de eerste MoE in de reeks en activeert ongeveer 3 miljard parameters per token.
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met GPT Image 2
Research answer
Key takeaways
- MiniCPM V 4.7 is er als 35B A3B en 1B model. De 35B A3B versie is de eerste MoE in de reeks en activeert ongeveer 3 miljard parameters per token.
- Volgens OpenBMB haalt het model op een iPhone 17 Pro Max meer dan 13 tokens per seconde met circa 3 GB geheugen; dit is een bedrijfsclaim, geen onafhankelijke meting op uiteenlopende apparaten.
- De changelog van OpenBMB dateert de open sourcepublicatie op 12 oktober 2026. De code en modelgewichten worden aangeboden onder Apache 2.0.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did ModelBest’s October 14, 2026 open-source release of MiniCPM-V 4.7 introduce, including its 35B-A3B and 1B variants, the series’ fir. Article summary: MiniCPM-V 4.7 introduced a two-model, on-device multimodal family, led by the series’ first mixture-of-experts (MoE) model, with an emphasis on local image, document and video understanding.[1][2][10] One date correction. Topic tags: general, education, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, cha
MiniCPM-V 4.7 is een open-sourcefamilie van multimodale AI-modellen die bedoeld is om lokaal te draaien, dus op een apparaat zelf. Er zijn twee varianten: een 35B-A3B-model met een mixture-of-experts-architectuur (MoE) en een kleiner model met 1 miljard parameters. OpenBMB zegt dat de grootste variant op een iPhone 17 Pro Max meer dan 13 tokens per seconde genereert met ongeveer 3 GB geheugen. Dat cijfer komt van de makers en is geen onafhankelijke test op verschillende apparaten.9
13
Twee modellen, waarvan één met MoE
De 35B-A3B-versie heeft circa 35 miljard parameters in totaal, maar gebruikt er per token ongeveer 3 miljard actief. Dat is de eerste MoE-versie binnen de MiniCPM-V-reeks. De 1B-variant is een kleinere optie. Beide bouwen voort op de mogelijkheden van de familie om beelden en video te begrijpen.2
31
32
De projectmaterialen van OpenBMB vermelden dat de code en modelgewichten onder de Apache-2.0-licentie worden aangeboden. De code en documentatie zijn te vinden in de GitHub-repository van MiniCPM-V.9
14
Wat betekent de claim van 13 tokens per seconde?
OpenBMB schrijft de gemelde prestaties op de telefoon toe aan Lookahead Expert Scheduling (LES), gecombineerd met fijnmazige kwantisering per laag en DSpark speculative sampling. LES probeert vooraf te voorspellen welke experts de volgende laag nodig heeft, zodat de benodigde gewichten eerder kunnen worden geladen.1
13
De genoemde snelheid gaat over decoderen: het tempo waarin het model tekst genereert. Het is dus geen maat voor de totale tijd vanaf het openen van een app of het insturen van een afbeelding tot het volledige antwoord klaar is. De claim is bovendien specifiek voor een iPhone 17 Pro Max; ze garandeert niet dezelfde snelheid of hetzelfde geheugengebruik op andere apparaten.13
Wat zeggen de gepubliceerde vergelijkingen?
Volgens de documentatie van OpenBMB behaalt de 35B-A3B-variant in de Instruct-modus een hogere totaalscore dan Qwen3.6 35B-A3B, terwijl de inferentietijd korter is. Ook stelt OpenBMB dat de 1B-versie beter presteert dan MiniCPM-V 4.6 en Qwen3.5 0.8B overtreft op totaalscore en inferentie-efficiëntie.10
14
Voor OCR — het herkennen van tekst in afbeeldingen — rapporteert OpenBMB een score van 90,4 op OCRBench, met 16× compressie van visuele tokens.12 Benchmarkresultaten hangen af van de testopzet. Scores met verschillende compressie-instellingen zijn daarom niet zonder meer rechtstreeks vergelijkbaar. Het gaat bovendien om evaluaties die door de ontwikkelaar zijn gepubliceerd, niet om onafhankelijke bevestiging voor elke taak of elk apparaat.
12
Ondersteuning en tools voor ontwikkelaars
Het project vermeldt ondersteuning voor iOS, Android en HarmonyOS, en voor chipplatforms van Intel, AMD, Arm, Rockchip en Houmo. Dat geeft de opgegeven compatibiliteit weer, maar betekent niet dat het model op al die hardware even snel werkt.30
37
Voor inferentie noemt OpenBMB onder meer SGLang, vLLM, llama.cpp en Ollama. Voor het verder trainen van modellen worden SWIFT en LLaMA-Factory vermeld. Ook introduceert het project Self-Replay Fine-Tuning (SRFT): een methode waarmee ontwikkelaars volgens OpenBMB tegen lage kosten mogelijkheden kunnen toevoegen en tegelijk het verlies van bestaande vaardigheden kunnen beperken.20
Open-sourcepublicatie op 12 oktober
Sommige berichtgeving noemt 14 oktober 2026, maar de changelog van OpenBMB vermeldt dat MiniCPM-V 4.7 op 12 oktober 2026 open source werd gemaakt.8
19 Voor de publicatiedatum is die changelog de directere bron.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Een AI-model van 35 miljard parameters op je telefoon? MiniCPM-V 4.7 mikt daarop"?
MiniCPM V 4.7 is er als 35B A3B en 1B model. De 35B A3B versie is de eerste MoE in de reeks en activeert ongeveer 3 miljard parameters per token.
What are the key points to validate first?
MiniCPM V 4.7 is er als 35B A3B en 1B model. De 35B A3B versie is de eerste MoE in de reeks en activeert ongeveer 3 miljard parameters per token. Volgens OpenBMB haalt het model op een iPhone 17 Pro Max meer dan 13 tokens per seconde met circa 3 GB geheugen; dit is een bedrijfsclaim, geen onafhankelijke meting op uiteenlopende apparaten.
What should I do next in practice?
De changelog van OpenBMB dateert de open sourcepublicatie op 12 oktober 2026. De code en modelgewichten worden aangeboden onder Apache 2.0.