WeVisOne-VL-2B vs. Moondream 3: Eine Lizenz und eine Deadline

Am 13. November 2026 antwortet der gehostete Endpunkt, der Moondream 3 Preview bereitstellt, nicht mehr. Dieses Datum, nicht irgendein Benchmark, ist der Grund, warum dieser Vergleich dringend ist: Teams, die auf Moondreams Cloud aufgebaut haben, haben ab der Abschaltankündigung etwa drei Wochen Zeit, um zu entscheiden, was an seine Stelle treten soll, und die Gewichte, auf die sie zurückgreifen würden, stehen unter einer Lizenz, die die meisten von ihnen nie genau gelesen haben. WeVisOne-VL-2B ist das Naheliegende, um es daneben zu stellen – ein 2B-Wahrnehmungsmodell aus dem WeChat-Vision-Team von Tencent, veröffentlicht am 22. Oktober 2026 unter Apache 2.0, das dieselbe Grounding-Arbeit leistet: Boxen, Punkte, Zählungen und Masken.

Die beiden Modelle sind das engste Paar in dieser Serie. Beide sind darauf ausgelegt, auf Dinge zu zeigen, statt sie zu beschreiben. Beide geben Masken aus. Beide wurden darauf trainiert, „nicht vorhanden“ zu sagen, wenn das Ziel fehlt. Und doch lässt sich fast nichts von dem, was einer der beiden Anbieter veröffentlicht hat, vom anderen subtrahieren, weil sie zu unterschiedlichen Zeiten mit unterschiedlichen Harnesses unterschiedliche Dinge gemessen haben. Vergleichen lassen sich die Lizenz, das Ausgabeformat und der Bereitstellungspfad – und bei diesen drei Punkten ist die Antwort alles andere als knapp.

Warum sind diese beiden in derselben Konversation?

Moondream 3 Preview, veröffentlicht am 18. September 2025, machte den Fall stark, dass ein kleines Modell zu verankerter Wahrnehmung nativ in der Lage sein könnte: erkennen, zeigen, zählen, segmentieren und antworten – alles aus einem einzigen Checkpoint, ohne einen separaten Detektor und ein separates Reasoning-Modell orchestrieren zu müssen. Es ist ein sparse Mixture-of-Experts mit insgesamt 9 Milliarden Parametern und 2 Milliarden aktiven – 24 Schichten, die ersten vier dense, die übrigen mit 64 Experten, von denen 8 pro Token aktiviert werden –, einem Kontext von 32.768 Token, einem benutzerdefinierten SuperBPE-Tokenizer und einem SigLIP-basierten Vision-Encoder.

WeVisOne-VL-2B erscheint ein Jahr später und formuliert eine engere Version desselben Arguments. Es ist ein 2B-Parameter-Modell auf Basis von Qwen3-VL und teilt die Arbeit in zwei Teile: Das Sprachmodell gibt Koordinaten über spezielle Tokens aus, und ein separater Decoder mit 9,5 Millionen Parametern verwandelt jede markierte Instanz in eine Maske oder eine kontinuierliche Alpha-Matte. Tencent versuchte nicht, einen allgemeinen Assistenten zu bauen. Es versuchte, eine Wahrnehmungs-Engine zu bauen, und sagte das auch im Abschnitt zu den Einschränkungen.

Die familiäre Ähnlichkeit ist echt, weshalb die Unterschiede mehr Gewicht haben, als sie es zwischen nicht verwandten Modellen hätten.

Die Capability-Maps nebeneinander

Parameter — 9B insgesamt mit 2B aktiv für Moondream 3 Preview gegenüber etwa 2B dicht für WeVisOne-VL-2B, plus einen erforderlichen 9,5M-Parameter-Decoder.

• Maskenausgabe — SVG-Pfadstrings plus einer Bounding Box auf Moondream, die laut dessen Dokumentation native Vektormasken sind; Raster-Alpha-Mattes bei voller Auflösung mit Stride 1 auf WeVisOne, einschließlich weicher Transparenz für Haare und Fell.

• Reasoning — Moondream 3 verfügt über einen optionalen Chain-of-Thought-Modus und schlussfolgert über ein Bild, indem es auf Bereiche darin zeigt; WeVisOne erzeugt strukturierte Ausgaben ganz ohne Chain-of-Thought – eine Entscheidung, die Tencent aus Gründen der Inferenzeffizienz getroffen hat.

• Kontext — 32.768 Tokens sind auf der Moondream-Modellkarte veröffentlicht, während für WeVisOne keine Kontextlänge veröffentlicht ist; dessen Paper beschreibt Training mit 4.096 und 8.192 Tokens sowie Inferenz mit bis zu 1.960 visuellen Tokens pro Bild.

• Eingabe — Bilder bei beiden, aber Moondream bietet eine dokumentierte Cloud-API mit Streaming von Teilergebnissen; WeVisOne lehnt Videoraster in seinem Pixeldecoder ab und ist konstruktionsbedingt Single-Turn.

• Lizenz — Business Source License 1.1 mit einer zusätzlichen Nutzungserlaubnis für Moondream, Apache 2.0 für WeVisOne.

• Veröffentlichung — 18. September 2025 vs. 22. Oktober 2026, dreizehn Monate auseinander.

• Hosting — Moondream Cloud bis 13. November 2026, danach nur noch selbst gehostet; kein gehosteter Endpunkt für WeVisOne von Tencent oder von einem Anbieter, den wir verifizieren können.

Die Zahlen, mit ihren angehängten Instrumenten

Hier wird der Vergleich zu einer Übung im Lesen von Fußnoten. Jede der folgenden Zahlen ist vom Anbieter angegeben; keines der beiden Modelle hat eine unabhängige Bewertung bei Artificial Analysis oder irgendwo sonst, wo wir eine finden können.

• RefCOCO — Das Launch-Diagramm von Moondream listet 91.1 auf, daneben 88.6 bei RefCOCOg und 81.8 bei RefCOCO+. Das sind Genauigkeitswerte im Detection-Stil, und Moondream selbst bezeichnete das Diagramm als keinen fairen Vergleich: Die Frontier-Baselines wurden über Templates abgefragt, weil sie kein natives Grounding haben, und mehrere Preview-Werte stammten aus Stichproben mit 100 Fragen statt aus vollständigen Evaluationssets.

• RefCOCO auf WeVisOne — Tencent veröffentlicht keine RefCOCO-Detektionszahl. Die Tabelle zur Referring Detection gibt für das 2B-Modell RefCOCOg mit 77,1 mittlerem F1 an, und die Segmentierungstabelle gibt für die RefCOCO-Validierung 79,7 cIoU an. Andere Aufgabe, andere Kennzahl, anderer Split.

• Segmentierung — Moondreams Segmentierungs-Update vom März 2026 meldet einen mIoU von 83,2 auf der RefCOCO-Validierung, 79,1 auf RefCOCO+ und 80,7 auf RefCOCOg, mit separaten 88,2 auf dem hochgenauen RefCOCO-M. WeVisOne meldet 79,7, 73,1 und 74,4 auf denselben drei Splits — jedoch als cIoU, was das Paper ausdrücklich angibt. Mean IoU und kumulatives IoU gewichten Bilder unterschiedlich, daher ist die Lücke hier eher ein Hinweis als ein gemessener Wert.

• Zählen — Moondream meldet für CountBenchQA 93,2. WeVisOne meldet für CountQA einen Exact-Match-Wert von 47,9, für PixMo-Count 90,9 und 88,1 und für CLOC 27,5 und 26,9. CountBenchQA und CountQA sind nicht derselbe Datensatz, und Exact-Match bei einem Zähl-Datensatz ist auf eine Weise unerbittlich, wie es die Genauigkeit bei einem Multiple-Choice-Datensatz nicht ist. Die Streuung innerhalb von WeVisOnes eigener Zählzeile — 90,9 bei einem Datensatz, 27,5 bei einem anderen — ist eine bessere Warnung in Bezug auf Benchmarks für Zählaufgaben als jeder herstellerübergreifende Vergleich.

• Detektion — Moondream listet COCO-Detektion mit 51,2 auf. WeVisOne listet COCO-Mean-F1 mit 55,2 über IoU-Schwellenwerte hinweg auf. Ob es sich dabei um dieselbe Kennzahl handelt, wird auf keiner der beiden Seiten angegeben – und genau das ist das Problem.

Was dabei herauskommt, ist kein Sieger. Es sind zwei Modelle, die beide für sich eine starke verankerte Wahrnehmung beanspruchen, gemessen mit Instrumenten, die nie gegeneinander kalibriert wurden, wobei eines von ihnen auf einem Diagramm veröffentlicht wurde, das sein eigener Autor als unfair bezeichnete.

Die Lizenz ist der eigentliche Scheideweg

Die Gewichte von Moondream 3 Preview werden unter der Business Source License 1.1 mit einer Additional Use Grant veröffentlicht, deren Kurzbezeichnung „No Third-Party Service“ lautet. Die Erlaubnis umfasst persönliche Projekte, Forschung, Benchmarks, Fine-Tunes, Merges, Quantisierungen und Weight-Deltas. Nicht abgedeckt ist der Betrieb eines Dienstes, der Dritten die Nutzung des Modells ermöglicht – genau das, was die meisten Unternehmen tatsächlich bauen wollen.

Das ist eine wesentliche Einschränkung, und es ist der eine Punkt, an dem der Vergleich eine eindeutige Antwort hat. Die Modellkarte von WeVisOne-VL-2B gewährt Apache 2.0 für von Tencent verfassten Code, wobei Drittanbieterkomponenten ihre eigenen Bedingungen behalten. Keine Umsatzschwelle, keine Ausnahme für bestimmte Nutzungsbereiche, kein Gespräch mit einem Anwalt darüber, ob Ihr Produkt als Drittanbieterdienst zählt.

Wenn Sie zwischen diesen beiden wählen, um etwas Kommerzielles zu bauen, entscheidet die Lizenz mehr über das Ergebnis als jeder Benchmark im vorherigen Abschnitt. Ein Modell, das Sie nicht legal anbieten können, ist keine günstigere Option; es ist ein anderes Produkt.

Wenn Sie sich gerade auf Moondream Cloud befinden

Die Stilllegungsmitteilung wurde zusammen mit der Begründung dafür veröffentlicht. Moondream und sein Nachfolger Moondream 3.1 sind jetzt Teil von Prime Intellect, das die Übernahme am 13. Oktober 2026 bekannt gab; die Gründer Vik Korrapati und Jay Allen stoßen dazu, um die Inferenz zu leiten. Moondreams eigener Beitrag ist auf den 14. Oktober datiert. Die Mitteilung bestand aus einer Zeile: Am 13. November 2026, dreißig Tage später, wird Moondream Cloud abgeschaltet; nicht verbrauchte gekaufte Credits werden erstattet.

Man sollte zwei Dinge auseinanderhalten. Die Modelle werden nicht zurückgezogen – die Gewichte bleiben, wo sie sind, und die Lizenz ändert sich nicht. Was endet, ist der gehostete Pfad, derjenige, den die meisten Teams tatsächlich aufrufen. Photon, Moondreams Inferenz-Engine, ist Teil dessen, was Prime Intellect gekauft hat, und sein Verkaufsargument ist Durchsatz: 34 Anfragen pro Sekunde für Moondream 3.1, mehr als 60 Inferenzen pro Sekunde auf einer einzelnen H100. Das sind Primes Zahlen, und Prime ist jetzt die Partei, die sie verkauft.

Für alle, die migrieren, gibt es drei ehrliche Optionen. Die Moondream-Gewichte, die Sie bereits haben, selbst hosten und die BSL-Bedingungen akzeptieren. Zu einem gehosteten Modell wechseln, das nicht verschwinden wird, und dabei akzeptieren, dass die meisten von ihnen keine Masken ausgeben. Oder zu einem Open-Weights-Modell unter Apache-2.0 wechseln und das Deployment selbst in die Hand nehmen — hier kommt WeVisOne-VL-2B ins Spiel, mit den Einschränkungen, dass es kein Drop-in-Ersatz ist und dass seine Evidenz dünner ausfällt.

Aus drei konkreten Gründen ist es kein direkter Ersatz. Das Ausgabeformat unterscheidet sich: SVG-Pfade gegenüber Raster-Alpha-Masken, was Ihren nachgelagerten Compositing-Code ändert. Es gibt keinen Chain-of-Thought-Modus, sodass jede Pipeline, die auf Moondreams verankerten Reasoning-Traces basierte, diese verliert. Und es gibt keine veröffentlichte Kontextlänge, sodass ein Workflow, der Moondream lange Multi-Image-Prompts zugeführt hat, keine angegebene Obergrenze für die Auslegung hat.

Hier zeigt sich auch, warum eine Routing-Schicht ihren Platz verdient, und es lohnt sich, genau zu benennen, was sie kann und was nicht. OrcaRouter bietet Moondream 3 oder WeVisOne-VL-2B nicht an; keines davon ist in unserem Katalog, und wir werden nicht so tun, als wäre eine Migration eine bloße URL-Änderung. Was wir tun können, ist, die gehostete Seite Ihres Stacks portabel zu halten: ein API-Schlüssel für mehr als 200 Modelle zum Listenpreis des Anbieters ohne Aufschlag, automatisches Failover, wenn die Leistung eines Anbieters nachlässt, und eine Routing-DSL, mit der Sie Datenverkehr zwischen gehosteten Modellen verlagern können, ohne Anwendungscode anzupassen. Wenn die Lehre aus dem 13. November ist, dass eine einzelne gehostete Abhängigkeit einen Single Point of Failure darstellt, dann ist die Abstraktionsschicht die Lösung – nicht eine andere einzelne Abhängigkeit.

Was vor dem 13. November zu entscheiden ist

Wenn Sie Moondream 3 Preview ausschließlich über die Cloud-API betreiben und sonst nichts, geht es bei der Entscheidung nicht wirklich um Moondream versus WeVisOne. Es geht darum, ob Sie die Inferenz überhaupt selbst betreiben möchten. Beim Selbsthosting von Moondream bleibt das Verhalten erhalten, auf das Sie bereits abgestimmt haben – unter einer Lizenz, die interne Nutzung und Forschungsnutzung erlaubt, aber keinen Weiterverkauf als Dienst. Selbsthosting von WeVisOne bietet Ihnen sauberere Bedingungen und weiche Alpha-Mattes – um den Preis eines Modells, das niemand Unabhängiges getestet hat, und eines Decoders, der nur mit einzelnen Bildern funktioniert.

Wenn Sie von Grund auf neu beginnen — keine bestehende Pipeline, keine abgestimmten Prompts, keine bereits getätigten Integrationen —, ist die Rechnung einfacher. WeVisOne-VL-2B ist Apache 2.0 und 2B, Moondream 3 Preview ist source-available und 9B mit 2B aktiv, und der einzige Benchmark, den beide in einer Form veröffentlichen, die einen Vergleich nahelegt, ist die Segmentierung, bei der die Definitionen der Metriken stillschweigend voneinander abweichen. Entscheiden Sie anhand der Lizenz und des Ausgabeformats und messen Sie dann mit Ihren eigenen Bildern, denn keiner der Anbieter hat Ihnen eine Zahl geliefert, auf die Sie über diese Kluft hinweg vertrauen können.