أطلقت ميانبي الذكية في اليوم نفسه الجيل الجديد من نماذج اللغة الكبيرة متعددة الوسائط للجهة الطرفية MiniCPM-V 4.7، وقدّمت دفعة واحدة مقاسين هما 35B-A3B و1B. ومن بينهما يُعد 35B-A3B أول نموذج MoE (مزيج الخبراء) في عائلة MiniCPM-V، وبالاعتماد على تقنية تسريع الاستدلال الجديدة LES "الجدولة الاستباقية للخبراء"، أصبح أول نموذج MoE مفتوح المصدر في المجال يمكن تشغيله بسلاسة ودون فقدان على الأجهزة الطرفية.
الرقم الأكثر لفتاً للنظر هو الأداء العملي: على جهاز iPhone 17 Pro Max، يشغل النموذج 3GB فقط من الذاكرة، بينما يحقق سرعة فك ترميز تبلغ 13+ token/s. وهذا يعني عدم الحاجة إلى إرسال البيانات إلى السحابة، إذ يمكن للهواتف الرائدة التعامل محلياً مع الاستدلال متعدد الوسائط، بما يحقق فائدة مزدوجة للخصوصية وزمن الاستجابة.
توافق شامل عبر المنصات مع إتاحة حلول الضبط الدقيق كمصدر مفتوح
من حيث التغطية، يغطي الإصدار 4.7 في آنٍ واحد الأنظمة الثلاثة: iOS وأندرويد وهارموني، وهو متوافق أيضاً مع منصات الشرائح Intel وAMD وArm وRockchip وHoumo وغيرها، ما يضمّن سيناريوهات الأجهزة المحمولة والحوسبة المحلية معاً. كما أتاحت ميانبي في الوقت نفسه حل الضبط الدقيق Self-Replay Fine-Tuning (SRFT) لمساعدة المطورين على توسيع القدرات وبتكلفة أقل وتثبيط النسيان، بما يسهّل التطوير الثانوي.
ومقارنات الأداء ليست أقل قوة: ففي وضع Instruct، حقق 35B-A3B درجة إجمالية أعلى من Qwen3.6 35B-A3B بوقت استدلال أقصر؛ أما نسخة 1B فقد واصلت تحسن قدراتها الأساسية مقارنة بجيلها السابق 4.6، وتفوقت بوضوح في الدرجات الإجمالية وكفاءة الاستدلال على Qwen3.5 0.8B. وفي وقت تتنافس فيه النماذج الطرفية على الحجم الأصغر، خفض هذا الجيل من ميانبي عتبة "تحويل النماذج الكبيرة إلى MoE + التشغيل المحلي على الهواتف" درجة أخرى نحو الأسفل.