WeVisOne-VL-2B vs Moondream 3: una licencia y una fecha límite

El 13 de noviembre de 2026, el endpoint alojado que sirve a Moondream 3 Preview dejará de responder. Esa fecha, y no ningún benchmark, es lo que hace urgente esta comparación: los equipos que construyeron sobre la nube de Moondream tienen aproximadamente tres semanas desde el aviso de cierre para decidir qué lo reemplazará, y los pesos a los que recurrirían como respaldo tienen una licencia que la mayoría nunca ha leído con detenimiento. WeVisOne-VL-2B es la opción evidente para poner junto a él: un modelo de percepción de 2B del equipo WeChat Vision de Tencent, publicado el 22 de octubre de 2026 bajo Apache 2.0, que realiza el mismo trabajo de grounding: cajas, puntos, recuentos y máscaras.

Los dos modelos son el par más cercano de esta serie. Ambos están diseñados en torno a señalar cosas en lugar de describirlas. Ambos generan máscaras. Ambos fueron entrenados para decir «no está ahí» cuando el objetivo está ausente. Y, sin embargo, casi nada de lo que publicó cualquiera de los dos proveedores puede restarse de lo publicado por el otro, porque midieron cosas distintas con arneses distintos en momentos distintos. Lo que sí se puede comparar es la licencia, el formato de salida y la vía de despliegue; y en esos tres aspectos, la diferencia es clara.

¿Por qué estos dos están en la misma conversación?

Moondream 3 Preview, publicado el 18 de septiembre de 2025, defendió la idea de que un modelo pequeño podía realizar percepción fundamentada de forma nativa: detectar, señalar, contar, segmentar y responder, todo desde un único checkpoint, sin orquestar un detector separado y un modelo de razonamiento separado. Es una mezcla dispersa de expertos con 9 mil millones de parámetros totales y 2 mil millones activos —24 capas, las primeras cuatro densas, el resto con 64 expertos con 8 activados por token—, un contexto de 32.768 tokens, un tokenizador SuperBPE personalizado y un codificador de visión basado en SigLIP.

WeVisOne-VL-2B llega un año después con una versión más restringida del mismo argumento. Tiene 2B de parámetros y está construido sobre Qwen3-VL, y divide el trabajo en dos: el modelo de lenguaje emite coordenadas mediante tokens dedicados, y un decodificador independiente de 9,5 millones de parámetros convierte cada instancia marcada en una máscara o en un matte alfa continuo. Tencent no intentó crear un asistente general. Intentó crear un motor de percepción, y así lo indicó en la sección de limitaciones.

El parecido familiar es real, por lo que las diferencias importan más de lo que importarían entre modelos no relacionados.

Los mapas de capacidades, uno al lado del otro

• Parámetros — 9B en total con 2B activos para Moondream 3 Preview frente a aproximadamente 2B densos para WeVisOne-VL-2B, además de un decodificador requerido de 9.5M de parámetros.

• Salida de máscara: cadenas de rutas SVG más un cuadro delimitador en Moondream, que sus documentos describen como máscaras vectoriales nativas; mattes alfa rasterizados a resolución completa con stride 1 en WeVisOne, incluida transparencia suave para cabello y pelaje.

• Razonamiento — Moondream 3 tiene un modo opcional de cadena de pensamiento y razona sobre una imagen señalando en ella; WeVisOne genera salida estructurada sin ninguna cadena de pensamiento, una decisión que Tencent tomó por eficiencia de inferencia.

• Contexto: 32.768 tokens publicados en la tarjeta de Moondream frente a ninguna longitud de contexto publicada para WeVisOne, cuyo artículo describe entrenamiento con 4.096 y 8.192 tokens e inferencia de hasta 1.960 tokens visuales por imagen.

• Entrada — imágenes en ambos, pero Moondream ofrece una API en la nube documentada con resultados parciales en streaming; WeVisOne rechaza cuadrículas de vídeo en su decodificador de píxeles y es de turno único por diseño.

• Licencia — Business Source License 1.1 con una Concesión de Uso Adicional para Moondream, Apache 2.0 para WeVisOne.

• Lanzamiento — 18 de septiembre de 2025 frente al 22 de octubre de 2026, con trece meses de diferencia.

• Alojamiento — Moondream Cloud hasta el 13 de noviembre de 2026; después, solo autoalojado; ningún endpoint alojado para WeVisOne por parte de Tencent ni de ningún otro proveedor que podamos verificar.

Los números, con sus instrumentos adjuntos

Aquí es donde la comparación se convierte en un ejercicio de leer las notas al pie. Todas las cifras a continuación son reportadas por el proveedor; ninguno de los dos modelos tiene una evaluación independiente en Artificial Analysis ni en ningún otro lugar que podamos encontrar.

• RefCOCO — El gráfico de lanzamiento de Moondream indica 91.1, junto con 88.6 en RefCOCOg y 81.8 en RefCOCO+. Esas son cifras de precisión de estilo detección, y el propio Moondream describió el gráfico como no una comparación justa: las líneas base de vanguardia se consultaron mediante plantillas porque no tienen grounding nativo, y varias puntuaciones de vista previa provinieron de muestras de 100 preguntas en lugar de conjuntos de evaluación completos.

• RefCOCO en WeVisOne — Tencent no publica una cifra de detección de RefCOCO. Su tabla de detección de referring informa RefCOCOg con un F1 medio de 77.1 para el 2B, y su tabla de segmentación informa la validación de RefCOCO con 79.7 de cIoU. Otra tarea, otra estadística, otra división.

• Segmentación: la actualización de segmentación de Moondream de marzo de 2026 reporta un mIoU de 83,2 en la validación de RefCOCO, 79,1 en RefCOCO+ y 80,7 en RefCOCOg, con un 88,2 aparte en el RefCOCO-M de alta fidelidad. WeVisOne reporta 79,7, 73,1 y 74,4 en las mismas tres divisiones, pero como cIoU, que el artículo indica explícitamente. El IoU medio y el IoU acumulativo ponderan las imágenes de forma distinta, por lo que la diferencia aquí es indicativa más que medida.

• Conteo — Moondream reporta CountBenchQA en 93,2. WeVisOne reporta CountQA en 47,9 de coincidencia exacta, PixMo-Count en 90,9 y 88,1, y CLOC en 27,5 y 26,9. CountBenchQA y CountQA no son el mismo conjunto de datos, y la coincidencia exacta en un conjunto de conteo es implacable de una manera en que la precisión en un conjunto de opción múltiple no lo es. La dispersión dentro de la propia fila de conteo de WeVisOne —90,9 en un conjunto de datos, 27,5 en otro— es una mejor advertencia sobre los benchmarks de conteo que cualquier comparación entre proveedores.

• Detección — Moondream indica una detección COCO de 51,2. WeVisOne indica una F1 media de COCO de 55,2 en distintos umbrales de IoU. No se especifica en ninguna de las dos partes si esas son la misma estadística, que es justo el problema.

Lo que emerge no es un ganador. Son dos modelos que ambos afirman tener una sólida percepción fundamentada, medidos con instrumentos que nunca se calibraron entre sí, y uno de ellos publicado en un gráfico que su propio autor describió como injusto.

La licencia es la auténtica bifurcación en el camino.

Los pesos de Moondream 3 Preview se publican bajo la Business Source License 1.1 con una Additional Use Grant cuyo nombre corto es "No Third-Party Service". La concesión cubre proyectos personales, investigación, benchmarks, fine-tunes, merges, cuantizaciones y deltas de pesos. Lo que no cubre es montar un servicio que permita a terceros usar el modelo, que es precisamente lo que la mayoría de las empresas realmente quiere construir.

Esa es una restricción material, y es el único punto en el que la comparación tiene una respuesta clara. La ficha de WeVisOne-VL-2B concede Apache 2.0 para el código escrito por Tencent, mientras que los componentes de terceros conservan sus propios términos. Sin umbral de ingresos, sin excepción por campo de uso, sin conversación con un abogado sobre si tu producto cuenta como un servicio de terceros.

Si eliges entre estos dos para construir algo comercial, la licencia decide más del resultado que cualquier benchmark de la sección anterior. Un modelo que no puedes ofrecer legalmente no es una opción más barata; es un producto distinto.

Si estás en Moondream Cloud ahora mismo

El aviso de cierre se publicó junto con el motivo. Moondream y su sucesor, Moondream 3.1, ahora forman parte de Prime Intellect, que anunció la adquisición el 13 de octubre de 2026, con los fundadores Vik Korrapati y Jay Allen incorporándose para liderar inferencia. La publicación de Moondream está fechada el 14 de octubre. El aviso era una sola línea: el 13 de noviembre de 2026, a treinta días de distancia, Moondream Cloud cierra, y los créditos comprados no utilizados se reembolsarán.

Conviene separar dos cosas. Los modelos no se están retirando: los pesos se quedan donde están y la licencia no cambia. Lo que está terminando es la vía alojada, la que la mayoría de los equipos realmente usa. Photon, el motor de inferencia de Moondream, forma parte de lo que compró Prime Intellect, y su propuesta se centra en el rendimiento: 34 solicitudes por segundo para Moondream 3.1, más de 60 inferencias por segundo en una sola H100. Esas son las cifras de Prime, y Prime es ahora quien las vende.

Para cualquiera que esté migrando, las opciones honestas son tres. Autoalojar los pesos de Moondream que ya tienes y aceptar los términos de la BSL. Pasarte a un modelo alojado que no vaya a desaparecer, aceptando que la mayoría de ellos no genera máscaras. O pasarte a un modelo de pesos abiertos con licencia Apache-2.0 y ser dueño del despliegue, que es donde entra WeVisOne-VL-2B, con las salvedades de que no es un reemplazo directo y de que su evidencia es más limitada.

No es un reemplazo directo por tres razones concretas. El formato de salida es distinto: rutas SVG frente a máscaras alfa rasterizadas, lo que cambia tu código de composición posterior. No hay modo de cadena de pensamiento, así que cualquier pipeline que dependiera de las trazas de razonamiento fundamentado de Moondream las pierde. Y no hay una longitud de contexto publicada, así que un flujo de trabajo que alimentaba a Moondream con prompts largos de múltiples imágenes no tiene un límite declarado con el que diseñar.

Aquí es también donde una capa de enrutamiento se gana su lugar, y merece la pena ser precisos sobre lo que puede y no puede hacer. OrcaRouter no sirve Moondream 3 ni WeVisOne-VL-2B; ninguno está en nuestro catálogo, y no vamos a fingir que una migración sea un cambio de URL. Lo que sí podemos hacer es mantener portable el lado alojado de tu stack: una sola clave de API para más de 200 modelos al precio de lista del proveedor, sin recargo, conmutación automática por error cuando un proveedor se degrada, y un DSL de enrutamiento que te permite mover tráfico entre modelos alojados sin tocar el código de la aplicación. Si la lección del 13 de noviembre es que una única dependencia alojada constituye un único punto de fallo, la solución es la capa de abstracción, no una dependencia única distinta.

Qué decidir antes del 13 de noviembre

Si ejecutas Moondream 3 Preview a través de la API en la nube y nada más, la decisión no es realmente Moondream frente a WeVisOne. Es si quieres encargarte tú mismo de la inferencia. Alojar Moondream por tu cuenta mantiene el comportamiento con el que ya has ajustado, bajo una licencia que permite el uso interno y de investigación, pero no la reventa como servicio. Alojar WeVisOne por tu cuenta te ofrece términos más claros y mattes alfa suaves, a costa de un modelo que ningún actor independiente ha probado y un decodificador que solo funciona con imágenes individuales.

Si empiezas desde cero —sin un pipeline existente, sin prompts ajustados, sin integración ya invertida—, el cálculo es más sencillo. WeVisOne-VL-2B es Apache 2.0 y 2B; Moondream 3 Preview tiene el código fuente disponible y es 9B con 2B activos, y el único benchmark que ambos publican de una forma que invita a la comparación es la segmentación, donde las definiciones de las métricas divergen sutilmente. Elige según la licencia y el formato de salida, y luego mide con tus propias imágenes, porque ningún proveedor te ha dado una cifra en la que puedas confiar para salvar la brecha.