Moondream 3.1 9B A2B vs. UI-Venus 2 9B: Ein veröffentlichter Preis, eine ausstehende Lizenz

M​oondream 3.1 9B A2B und UI-Venus 2 9B sind gleich groß, in derselben Modalität, und sie liefern dasselbe Grundelement zurück – eine Koordinate. Nur eines von ihnen hat einen veröffentlichten Preis pro Token, und der Preis gehört zu demjenigen, dessen gehosteter Endpunkt demnächst abgeschaltet wird. M​oondream 3.1 9B A2B wird auf M​oondream Cloud für 0,30 $ pro Million Eingabe-Token und 1,00 $ pro Million Ausgabe-Token verkauft. Am 13. November 2026, vier Wochen ab heute, wird M​oondream Cloud – Inferenz und das Lens-Fine-Tuning-Produkt zusammen – abgeschaltet, eine Meldung, die am 14. Oktober zusammen mit der Nachricht eintraf, dass das Unternehmen M​oondream von Prime Intellect übernommen wurde. UI-Venus 2 9B hat überhaupt keinen First-Party-Endpunkt und daher auch keine Preisliste. Und die Lizenz, die Ihnen sagen würde, ob Sie es kommerziell ausliefern dürfen, wartet – in den Worten der eigenen Modellkarte – noch auf die endgültige Bestätigung.

Keines dieser beiden Modelle ist neu, und nichts hier ist ein Launch. M​oondream 3.1 9B A2B erschien am 7. Juli 2026 unter der M​oondream Model License 1.0. UI-Venus 2 9B wurde am 26. August 2026 auf Hugging Face von inclusionAI veröffentlicht, dem Repository des Venus Teams bei Ant Group, gefolgt vom technischen Bericht am 27. August. Was sich in den letzten sieben Tagen tatsächlich bewegt hat, spielt sich auf der M​oondream-Seite ab: die Übernahme, datiert auf den 14. Oktober in M​oondreams eigenem Blog und einen Tag früher bei Prime Intellect, und die dreißigtägige Abwicklung des gehosteten Dienstes, die damit einherging. Das ist der Grund, warum dieses Paar jetzt lesenswert ist und nicht in einer Launch-Zusammenfassung. Bei einem dieser beiden Modelle wurde gerade der Vertriebskanal auf einen Countdown gesetzt; das andere hatte nie einen.

Was Sie heute anrufen können und bis wann

M​oondream 3.1 9B A2B ist auf drei Arten verfügbar, und eine davon ist zeitlich begrenzt.

Die Cloud des Anbieters berechnet pro Token: 0,30 $ pro Million Eingabe-Token und 1,00 $ pro Million Ausgabe-Token bei Echtzeit-Latenz, oder 0,15 $ und 0,50 $ über die Batch-API, wobei auf den Listenpreis ein Rabatt von 50 % gewährt wird. Lens, das Fine-Tuning-Produkt, kostet 0,60 $ pro Million Trainings-Token. Der Zugriff wird gedrosselt, statt über Parallelität abgerechnet zu werden – die Rate-Limit-Seite des Anbieters dokumentiert 2 Anfragen pro Sekunde für jeden API-Schlüssel, steigend auf 10 Anfragen pro Sekunde, sobald sich 10 $ auf dem Konto befinden. Dann der Stichtag: Am 13. November 2026 werden sowohl der Cloud-Inferenz-Endpunkt als auch Lens eingestellt, nicht verbrauchte gekaufte Credits werden erstattet, und den Kunden wird mitgeteilt, dass ihnen beim Wechsel geholfen wird.

Die Gewichte hingegen gehen nirgendwohin. Die M​oondream Model License 1.0 erlaubt kommerzielles Selbsthosting, Fine-Tuning, Quantisierung und Weiterverbreitung, und Photon – die eigene Inferenz-Engine des Anbieters – führt den Checkpoint lokal auf N​VIDIA-Hardware ab Ampere und Apple Silicon kostenlos aus. Die Frist teilt sich also sauber auf. Wenn Ihr Code an den gehosteten Endpunkt des Anbieters sendet, steht Ihnen eine Migration bevor, und Sie haben rund vier Wochen Zeit dafür. Wenn Ihr Code einen Checkpoint lädt, den Sie besitzen, hat die Ankündigung nichts geändert, worauf Sie reagieren müssten.

UI-Venus 2 9B war auf diese Weise nie aufrufbar. Es sind vollständige Parametergewichte eines dichten 9B-Modells, initialisiert aus Qwen3.5-9B, aufgeteilt auf vier BF16-Safetensors-Shards, und der vorgesehene Weg ist ein vLLM-Server, den Sie selbst bereitstellen, gestartet mit einer maximalen Modelllänge von 262.144 Token und dem Qwen3-Reasoning-Parser. Die Karte ist ungewöhnlich direkt, was die Grenzen dieses Rezepts angeht: Die Serving-Konfiguration „wurde im Rahmen dieses Modellkarten-Updates nicht live-canary-validiert, daher sollten Sie vor dem Deployment eine für Qwen3.5 geeignete vLLM-Version pinnen und verifizieren.“

Stellen Sie diese beiden Absätze nebeneinander, und der Unterschied für den Käufer ist ein Einzelposten statt eines Benchmarks. Das eine Modell ist eine Abrechnung pro Token, die Sie bis Mitte November in eine Tabellenkalkulation aufnehmen können. Das andere ist eine GPU, die Sie finden, dimensionieren und warm halten müssen — und der Anbieter, der die Gewichte veröffentlicht hat, hat die Serverkonfiguration nie für Sie validiert.

Gleiche Parameteranzahl, ganz unterschiedliche Token-Kosten

Das 9B-Label ist das am wenigsten nützliche, was diese beiden gemeinsam haben. Was sie ökonomisch trennt, sind Turns pro Aufgabe.

Moondream 3.1 9B A2B hat keinen zweiten Schritt. Ein Aufruf bedeutet ein Bild hinein und eine kurze Antwort heraus – Bounding-Boxen von detect, Mittelpunktkoordinaten von point, eine Bildbeschreibung oder eine schriftliche Antwort von query. Es gibt einen optionalen Reasoning-Modus, und die Dokumentation des Anbieters ist unverblümt über dessen Kosten: Wenn er aktiviert wird, erzeugt er eine explizite Analyse vor der Antwort und kann „die Latenz und die generierten Token wesentlich erhöhen“. Die Ausgabe ist bewusst klein, und das ganze Versprechen des Modells ist, dass es klein ist und dabei nützlich bleibt.

UI-Venus 2 9B ist eine geschlossene Schleife. Jeder Schritt nimmt den aktuellen Bildschirm, führt die Screenshot-Historie der Episode mit, gibt einen Reasoning-Trace und dann eine Aktion aus, und der nächste Screenshot kommt als Eingabe zurück. Die veröffentlichten Evaluationen zeigen, was das an Zügen kostet: Die Modellkarte gibt MobileWorld bei einem Budget von 50 Schritten und erneut bei 100 an, und OSWorld 2.0 bei einem Budget von 150 Schritten. Kontext ist in diesem Design kein Platz für ein Dokument — er ist die Anzahl der Bildschirmzustände, die der Agent sich noch merken kann.

Die Rechnung folgt, und sie ist unsere und nicht die der Anbieter. Wenn eine Bildunterschrift oder eine Erkennungsantwort 50 bis 100 Ausgabe-Tokens umfasst, dann sind eine Million Ausgabe-Tokens irgendwo zwischen zehn- und zwanzigtausend Moondream-Aufrufe für einen Dollar. Für UI-Venus 2 9B kann man den entsprechenden Satz nicht schreiben, weil es keinen Preis gibt, durch den man teilen könnte – man bezahlt für die GPU-Stunden, die die Schleife belegt, nicht für die Tokens, die sie erzeugt, und die Token-Anzahl pro abgeschlossener Aufgabe ist eine Funktion davon, wie viele Schritte man zulässt. Gleiche Parameteranzahl, gleiche 9B-Schlagzeile, und die beiden Rechnungen sind nicht in derselben Einheit.

Noch eine Asymmetrie, die man kennen sollte, ehe sie einem Produktionsplan zum Verhängnis wird. Moondream misst seine eigene Engine mit 34,2 Anfragen pro Sekunde auf einer einzelnen H100 SXM5 bei Batch-Größe 16 – eine Anbieterangabe, auf der Hardware des Anbieters, mit Photon als Serving-Schicht. Die gehostete API begrenzt ein Konto mit Guthaben auf 10 Anfragen pro Sekunde. Das ist eine Lücke um den Faktor drei zwischen dem, was das Modell auf Hardware leisten kann, die Sie kontrollieren, und dem, was der Endpoint Ihnen erlaubt, und es ist die Art von Sache, die eine Pipeline in der Produktion statt in einer Evaluation entdeckt.

Seite an Seite, Dimension für Dimension

• Aufgabe — M​oondream 3.1 9B A2B: Wahrnehmung anhand eines einzelnen Bildes. UI-Venus 2 9B: Handlungsfähigkeit auf einem Bildschirm, in einer Schleife.

• Parameter — insgesamt 9B mit 2B aktiv pro Token, ein dünnbesetztes Mixture-of-Experts. UI-Venus 2 9B: 9B dicht, initialisiert von Qwen3.5-9B.

• Ausgabe — Bounding-Boxen, Mittelpunktkoordinaten, Bildunterschriften, schriftliche Antworten und Segmentierungspfade. UI-Venus 2 9B: eine Aktion, eine Klickkoordinate und die Argumentationsspur, die sie hervorgebracht hat.

• Kontext — 32K Tokens. UI-Venus 2 9B: 262.144 maximale Positions-Embeddings, konfiguriert als Episodengedächtnis statt als Dokumentkontext.

• Veröffentlichter Preis — 0,30 $ für Eingabe und 1,00 $ für Ausgabe pro Million Tokens in Echtzeit, 0,15 $ und 0,50 $ im Batch, auf einem Endpunkt, der am 13. November 2026 schließt. UI-Venus 2 9B: keiner, weil es keinen First-Party-Endpunkt gibt. Sie hosten es selbst, oder Sie verwenden es nicht.

• Veröffentlichte Benchmarks — COCO 81,46 F1@0,5, ODinW-13 93,94, RefCOCO-M 87,1, CountBench 90,35, ChartQA 86,01, DocVQA 88,6 und ein Suite-Durchschnitt von 77,9. UI-Venus 2 9B: AndroidWorld 80,2, WebVoyager 90,8, OSWorld-Verified 70,8, ScreenSpot-Pro 73,0, VenusBench-CAPTCHA 78,1 und eine OSHarm-Angriffserfolgsrate von 11,3 % gegenüber 25,3 % seines Basismodells. Jede einzelne dieser Zahlen stammt vom Anbieter selbst.

• Lizenz — M​oondream Model License 1.0: offene Gewichte, kommerzielles Selbst-Hosting erlaubt, Weiterverbreitung erlaubt, eine Einschränkung. UI-Venus 2 9B: endgültige Bestätigung steht noch aus, ohne Lizenzdatei im Repository.

• Unabhängige Bewertungen – keine. Keines der beiden Modelle ist in einem neutralen Ranking vertreten, und die beiden Anbieter veröffentlichen keinen gemeinsamen Benchmark, sodass sich die beiden obigen Spalten nicht aufeinander beziehen lassen.

Die Lizenz ist der Punkt, an dem die beiden aufhören, einander zu ähneln.

Moondreams Lizenz ist kurz und spezifisch, und der Anbieter hat sie für dieses Release neu geschrieben, weil die vorherige schwer zu lesen war. Kommerzielle Nutzung, Selbst-Hosting, Fine-Tuning, Quantisierung und Weiterverbreitung sind alle ohne Bedingungen erlaubt. Die einzige Einschränkung ist, dass man nicht seinerseits allgemeine Moondream-Inferenz oder Fine-Tuning anderen als gehosteten Dienst anbieten darf; eine schmale, domänenspezifische Anwendung, die auf dem Modell aufbaut, ist ausdrücklich in Ordnung. Für ein Team, das ein Produkt ausliefert, das zufällig Bilder sieht, ist das eine permissive Lizenz mit einer Wettbewerberklausel, und die Klausel betrifft sie nicht.

Die Position von UI-Venus 2 9B ist keine Aussage derselben Art, und es lohnt sich, sie zu zitieren statt sie zu paraphrasieren. Im Abschnitt „Release Status“ der Karte heißt es, die Lizenz für die Modellgewichte stehe „noch unter dem Vorbehalt der endgültigen Bestätigung und werde vor der öffentlichen Veröffentlichung hinzugefügt“, und es wird erklärt, warum die naheliegende Wahl nicht getroffen wurde: „Die Apache-2.0-Erklärung wurde absichtlich nicht übernommen, weil die aktuellen Upstream-Materialien widersprüchliche Lizenzangaben enthalten.“ Im Repository gibt es keine Lizenzdatei. Die Gewichte wurden am 26. August 2026 veröffentlicht, und das Repository wurde zuletzt am 2. September bearbeitet.

Die praktische Lesart ist nicht, dass das Modell unbrauchbar ist. Sie besteht darin, dass eine ungeklärte Lizenz eine Geschäftsentscheidung ist, die jemand offiziell treffen muss, und nicht ein Standard, den man durch das Herunterladen eines Checkpoints erbt. Forschung, Evaluierung und internes Prototyping sind nicht der Bereich, in dem das Risiko liegt. Es zahlenden Kunden vorzusetzen, schon, und kein Benchmark-Ergebnis im obigen Abschnitt ändert daran etwas. Die Karte enthält eine zweite Bedingung, die es wert ist, gelesen zu werden, bevor jemand darauf aufbaut: Die Fähigkeit zur CAPTCHA-Lösung „sollte nur in autorisierten Umgebungen verwendet werden“ – eine Einschränkung des Anwendungsfalls, kein bloßer Hinweis dazu.

Beide Anbieter ermöglichen es Ihnen, die Nummer in zwei unterschiedlichen Richtungen zu prüfen.

Bei den meisten Modellveröffentlichungen wird eine Tabelle veröffentlicht, und damit hat es sich. Diese beiden haben beide die Einschränkungen mitveröffentlicht, und diese Einschränkungen sind von unterschiedlicher Art.

M​oondream's release post carries a methodology footer that pins the hardware and the harness: a single H100 SXM5, batch size 16, the highest accuracy and reasoning settings for each model, Photon for M​oondream itself, vLLM for the Qwen3.5 and Gemma 4 baselines, Hugging Face Transformers for SAM 3, and LocateAnything evaluated in slow mode to maximise its accuracy. It also volunteers something a vendor has no obligation to volunteer: the scores were reached by treating each benchmark as a customer task, training a per-task LoRA through the same fine-tuning product customers use, and then folding those LoRAs back into the base weights with on-policy distillation. Read that carefully and it changes what the table describes — the checkpoint you download is a distilled student of its own task specialists, not a model that happened to generalise that well on a task nobody trained it for.

Der technische Bericht zu UI-Venus 2, arXiv 2609.00028, eingereicht am 27. August 2026, betreibt die andere Art der Offenlegung. Mit einem Sternchen markierte Baselines wurden von den Autoren unter ihrem eigenen angegebenen Protokoll evaluiert oder reproduziert, statt aus anderer Quelle zitiert zu werden. Ein Gedankenstrich bedeutet „nicht berichtet“, und die Autoren belassen die Gedankenstriche. MobileWorld wird zweimal ausgewiesen, bei einem Budget von 50 Schritten und bei 100, sodass man sieht, was die zusätzlichen Schritte bringen. OSWorld-Verified enthält eine Warnung, dass Vergleiche „modellspezifische Action-Scaffolds verwenden können, sodass sie als Referenzen auf Benchmark-Ebene und nicht als kontrollierte Ablationen interpretiert werden sollten“. VenusBench-CAPTCHA ist ein Mikrodurchschnitt über 219 feste Beispiele; die MCA-Bench-Zahl verwendet 1.000 Stichprobenbeispiele. Es gibt einen Satz, der besagt, dass Ergebnisse in Live-Umgebungen je nach Bewertungsdatum und Umgebungszustand variieren können.

Nichts davon macht eines der beiden Zahlensets mit Ihren Daten reproduzierbar, und keiner der beiden Anbieter hat ein unabhängiges Ergebnis, auf das er verweisen kann. Was es aber bedeutet, ist, dass beide Ihnen gesagt haben, was ihre Zahlen wert sind – was seltener und für einen Käufer nützlicher ist als eine gute Punktzahl.

Welches, durch Einschränkung

• Sie brauchen Boxen, Mittelpunkte oder Zählungen auf Bildern, zu einem Preis, den Sie vorhersagen können — M​oondream 3.1 9B A2B, mit der Einschränkung, dass die Vorhersage nur gilt, wenn Sie nach dem 13. November selbst hosten oder den Endpunkt verlegen. Eine Abrechnung pro Token mit einem Abschaltdatum ist eine Vorhersage mit Ablaufdatum, kein Kostenmodell.

• Sie brauchen etwas, das einen Bildschirm liest und darauf reagiert — UI-Venus 2 9B, und die Lizenzfrage rückt vor die Benchmark-Tabelle. Setzen Sie es zuerst in der internen Automatisierung ein und kommen Sie darauf zurück, wenn die Lizenz eintrifft, statt das Problem erst während der Beschaffung zu entdecken.

• Sie setzen auf Hardware ein, die Sie bereits besitzen — M​oondream 3.1 9B A2B. Photon ist kostenlos, läuft auf N​VIDIA-Komponenten ab Ampere oder neuer sowie auf Apple Silicon und liefert Ihnen dasselbe Modell in Entwicklung und Produktion statt zwei unterschiedlicher Endpunkte, die sich unter Last unterschiedlich verhalten.

• Du willst den längeren Kontext auf dem Datenblatt – die 262.144 Token von UI-Venus 2 9B sind in der Konfiguration real, aber der vorgesehene Einsatz ist ein Screenshot-Verlauf, kein PDF. Die 32K von M​oondream sind ein Viertel der Größe, und der Anbieter hat nie behauptet, dass sie die Episode eines Agenten aufnehmen müssen, also ist keine der beiden Zahlen ein klarer Vorteil.

• Die CAPTCHA-Behandlung steht auf deiner Liste – lies zuerst die Einschränkung der Karte. Die Fähigkeit ist vorhanden, und die Lizenz ist das, was davorsteht.

Wenn die ehrliche Antwort beides ist, für unterschiedliche Aufgaben — Wahrnehmung auf dem Ingest-Pfad und ein Agent auf dem Handlungspfad —, dann ist das die übliche Form, und es ist ein Problem zweier Verträge, bevor es ein Modellproblem ist.

Das Modell hinter dem Modell und wer es routet

Keiner dieser Checkpoints wird über OrcaRouter bereitgestellt, es geht hier also nicht darum, dafür zu werben, sie über uns aufzurufen. Die Ebene, die tatsächlich Routing braucht, ist die, die hinter ihnen liegt.

Ein Erkennungsergebnis muss triagiert werden, eine vom Agenten vorgeschlagene Aktion muss beurteilt werden, und der Datensatz muss geschrieben werden. Das sind Textaufgaben, sie sind die pro Token teurere Hälfte, und sie sind der Punkt, an dem ein einziger OpenAI-kompatibler Schlüssel über 200+ Modelle hinweg — mit Anbieter-Listenpreisen, die zu 0 % Aufschlag weitergegeben werden, und automatischem Failover zwischen Anbietern — einen Vertrag und einen Codepfad aus der Pipeline entfernt. Wenn Sie bereits wissen, welche Form das gewünschte Reasoning haben soll, stellt die Routing-DSL mehrere Modelle zu einem einzigen Aufruf zusammen, und Model Fusion lässt ein Panel davon gemeinsam auf derselben Eingabe laufen. Beides sind Möglichkeiten, die Ebene hinter einem festen Vision-Modell zu variieren, ohne den Code anzufassen, der mit der Kamera kommuniziert.

Der Preismechanismus ist bei diesem speziellen Vergleich wichtiger als sonst. Weil Listenpreise durchgereicht werden, statt mit einem Aufschlag versehen zu werden, ist eine Preisänderung des Anbieters bei uns noch am selben Tag live. Für ein Modell, in dessen Hosting-Preis ein Abschaltdatum eingeschrieben ist, ist das die einzige Art von Preisregelung, auf die sich eine Prognose stützen lässt.

Was würde diese Antwort ändern?

Drei Dinge, und alle drei sind überprüfbar.

Der erste ist die Lizenzklärung von UI-Venus 2 9B. Fällt sie permissiv aus, ändert sich das Kalkül für alle, die den Agenten wollten, aber das rechtliche Risiko nicht rechtfertigen konnten, sofort, und die obige Empfehlung, ihn intern zu halten, wird in der Woche, in der das geschieht, obsolet. Der zweite ist ein First-Party-Endpunkt für M​oondream 3.1 9B A2B, der nach dem Cloud-Shutdown wieder auftaucht, wodurch der Preisvergleich wiederhergestellt würde, den dieser Artikel nur zur Hälfte anstellen konnte. Der dritte – und der wertvollste – ist jemand, der beide Modelle auf denselben Bildern laufen lässt. Keiner der Anbieter hat ein unabhängiges Ergebnis, und die beiden Benchmark-Sets überschneiden sich nicht, also liefert die erste Person, die diese beiden mit eigenen Daten bewertet, den einzigen Vergleich, der die Grounding-Frage klären wird – und es ist ein Nachmittag Arbeit, kein Forschungsprojekt.

Bis dahin ist die vertretbare Zusammenfassung bewusst eng gefasst. Es handelt sich um zwei 9B-Visionsmodelle, die sich eine Parameteranzahl, ein Modalitäts-Tag und die Angewohnheit teilen, Koordinaten zurückzugeben, und die in fast nichts übereinstimmen, was für einen Einsatz entscheidend ist: was ein Aufruf kostet, ob ein Aufruf überhaupt die richtige Einheit ist und ob man die Ausgabe ausliefern darf.

Nichts davon ist hypothetisch: Die dokumentierten KI-Ausfälle und Agent-Vorfälle, die hinter Releases wie diesem stehen, finden sich im OrcaRouter AI Incident Archive, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seinen Konfidenzgrad und sein Umstritten-Flag führt.