UI-Venus-2-9B vs Qwen2.5-Omni-7B: Dos descendientes de Qwen, generalista vs agente

UI-Venus-2-9B y Qwen2.5-Omni-7B son ambos descendientes de pesos abiertos del mismo linaje, lo que convierte este enfrentamiento en un raro experimento controlado. Qwen2.5-Omni-7B, lanzado en marzo de 2025 bajo la licencia Apache-2.0, es el generalista omni-modal establecido de cualquier-a-cualquier: texto, imagen, audio y video de entrada; texto y audio hablado de salida; un modelo que percibe todo y responde en el modo que quieras. El UI-Venus-2-9B de Ant Group, lanzado en silencio el 26 de agosto de 2026, se inicializa desde un Q​wen más nuevo — Qwen3.5-9B — y se ha especializado en lo contrario: un agente GUI de bucle cerrado que percibe una captura de pantalla y responde con una acción en lugar de prosa. Misma familia, dos carreras. La pregunta que responde el enfrentamiento no es cuál es mejor — no compiten en un único benchmark compartido — sino qué estás comprando realmente cuando eliges un generalista sin bucle de agente o un especialista construido para operar una computadora.

Una familia, dos carreras

El linaje Qwen es el sustrato del que están hechos ambos modelos, y eso es lo más limpio de la comparación. Qwen2.5-Omni-7B se asienta sobre la generación Qwen2.5 y dedicó su entrenamiento a volverse omnimodal: texto e imagen intercalados, comprensión de audio y vídeo, y salida de lenguaje hablado sobre el mismo espacio latente. UI-Venus-2-9B se inicializa a partir de Qwen3.5-9B y dedicó su entrenamiento en tres etapas — entrenamiento intermedio multimodal, aprendizaje por refuerzo offline, destilación con múltiples maestros — a convertirse en un operador: anclar elementos, resolver CAPTCHAs, navegar por entornos móviles, web y de escritorio en un bucle cerrado. La misma familia arquitectónica, doblada en dos direcciones distintas. Cuando dos modelos comparten un sustrato pero no un propósito, cada diferencia en su diseño es una decisión que merece la pena leer.

El generalista: Qwen2.5-Omni-7B

Qwen2.5-Omni-7B es uno de los checkpoints omni-modales abiertos más probados disponibles. Acepta cualquier combinación de texto, imagen, audio y vídeo, y responde en texto o en habla natural con una capacidad de razonamiento estilo Qwen3 añadida. Su ficha reporta OmniBench 0.561, que era lo más avanzado en el momento de su lanzamiento para un modelo abierto, junto con GSM8K 88.7, HumanEval 78.7, MATH 71.5 y MBPP 73.2 — cifras generales sólidas para un 7B. No es explícitamente un agente: no tiene llamada a funciones, no tiene salida estructurada, y toda su superficie de salida es conversacional. Lo que tiene en cambio es una enorme huella de despliegue: se ejecuta en teléfonos y portátiles, tiene puertos MLX y de cuantización, y lleva un año y medio en uso de producción. Para un desarrollador que necesita un modelo capaz de mantener una conversación hablada sobre una imagen, o de entender audio y vídeo juntos, es la elección madura, aburrida y correcta.

El especialista: UI-Venus-2-9B

UI-Venus-2-9B es el antigeneralista. Su ficha reporta una ventana de contexto de 256K y un bucle cerrado de observar–razonar–actuar–retroalimentar, y su tabla de benchmarks trata enteramente de hacer cosas en pantallas: AndroidWorld 80.2, WebVoyager 90.8, OSWorld-Verified 70.8, ScreenSpot-Pro 73.0, MCA-Bench 75.7 en CAPTCHA, éxito de ataque OSBlind 18.5%. No tiene pretensión de chat, ni de audio, ni de comprensión de video más allá de capturas de pantalla: emite un rastro de razonamiento y luego una acción estructurada. Toda su arquitectura, desde la verificación basada en puntos clave con votación multimodelo hasta la supervisión por reflexión destilada a partir de retroalimentación verificada, está construida para una sola cosa: completar tareas de horizonte largo en interfaces reales sin dejarse engañar por el progreso parcial. Cada número de su ficha es reportado por el proveedor y ninguno ha sido reproducido de forma independiente todavía.

El marcador en dos universos

No hay una forma honesta de poner a estos dos en una misma tabla de clasificación, porque no reportan ninguno de los mismos benchmarks. La comparación útil está en las dimensiones que definen el rol, no en el ranking.

• Rol — UI-Venus-2-9B: agente GUI, de capturas de pantalla a acciones. Qwen2.5-Omni-7B: chat y habla omnimodal, cualquier modalidad a texto o voz.

• Base — UI-Venus-2-9B: Qwen3.5-9B. Qwen2.5-Omni-7B: Qwen2.5-generation, ~7B.

• Entrada — UI-Venus-2-9B: capturas de pantalla, historial de contexto de 256K. Qwen2.5-Omni-7B: texto, imagen, audio y video intercalados.

• Salida — UI-Venus-2-9B: acciones estructuradas después de tokens de razonamiento. Qwen2.5-Omni-7B: texto o habla natural; sin llamadas a funciones, sin salida estructurada.

• Bucle de agente — UI-Venus-2-9B: bucle cerrado de observar–razonar–actuar–retroalimentación. Qwen2.5-Omni-7B: ninguno.

• Números destacados — UI-Venus-2-9B: AndroidWorld 80.2, WebVoyager 90.8 (reportado por el proveedor). Qwen2.5-Omni-7B: OmniBench 0.561, GSM8K 88.7, HumanEval 78.7 (reportado por el proveedor).

El bucle del agente es la diferencia.

Dejando de lado las diferencias de modalidad, la verdadera división es si la salida termina en palabras o en acciones. Qwen2.5-Omni-7B es un endpoint conversacional: le envías un prompt multimodal y responde; el bucle que convierte la respuesta en trabajo vive en tu código. UI-Venus-2-9B es un endpoint de tareas: está entrenado para tomar un objetivo, observar una pantalla, razonar, actuar, observar el resultado y actuar de nuevo — el bucle está dentro del modelo, y su maquinaria de verificación está diseñada para mantener el bucle honesto. Por eso «¿puede el generalista hacer el trabajo del agente?» tiene una respuesta clara (no — no tiene espacio de acción ni bucle), y «¿puede el agente hacer el trabajo del generalista?» tiene una igualmente clara (no — no tiene salida de voz ni comprensión de video). Son complementos, no sustitutos, y resulta que comparten apellido.

Elegir por carga de trabajo

Elige Qwen2.5-Omni-7B para todo lo que termina en una respuesta: asistentes de voz, chat multimodal, comprensión de audio y video, IA conversacional en el dispositivo — un año y medio de endurecimiento en producción es un activo real. Elige UI-Venus-2-9B para todo lo que termina en una tarea completada: llenado de formularios, automatización web, operación de aplicaciones, uso de computadoras de escritorio — aquello que está entrenado para completar. Para los equipos que realmente necesitan ambos, el linaje familiar es la parte conveniente: la línea Q​wen es uno de los catálogos más extensos de OrcaRouter, con más de dos docenas de modelos al precio de lista del proveedor y un margen del 0 %, por lo que cambiar entre un generalista Q​wen y un especialista derivado de Q​wen, o componerlos — un generalista para descomponer la tarea, un agente para ejecutarla — es un cambio de una sola API, no una reintegración. Ni UI-Venus-2-9B ni Qwen2.5-Omni-7B se sirven a través de OrcaRouter hoy; ambos son proyectos de autoalojamiento de pesos abiertos, y ambos aparecerían al costo del proveedor con precios de traspaso el día en que un proveedor enrutado los agregue.

El veredicto

Esto no es un cara a cara con un ganador; es una bifurcación entre dos formas que puede adoptar un modelo Q​wen. Si tu aplicación es conversacional, Qwen2.5-Omni-7B es el generalista probado y la opción segura por defecto. Si tu aplicación es operativa — software que necesita usar otro software — UI-Venus-2-9B es la herramienta especializada, nueva y sin probar, pero apuntada precisamente a esa tarea. Y si estás construyendo software que habla con un usuario y luego hace cosas por él, la respuesta es ambas, con la capa de enrutamiento entre ellas.