LFM3-VL-2B vs North Micro Vision Instruct : deux lecteurs de documents, un même mur de licences

L'écart de précision entre LFM3-VL-2B et North Micro Vision Instruct est réel mais faible : environ 4,6 points sur DocVQA et 7,1 sur OCRBench, tous deux dans le même sens. L'écart qui détermine les déploiements n'est pas du tout un benchmark. North Micro Vision Instruct est distribué sous Apache 2.0. LFM3-VL-2B est distribué sous la LFM Open License v1.0, qui n'autorise l'utilisation commerciale que tant que votre entité reste sous 10 millions de dollars de chiffre d'affaires annuel.

Les deux modèles sont petits, tous deux à poids ouverts, et tous deux ont été conçus pour lire des pages plutôt que pour discuter de photographies. L’un a été publié en août 2026 et a bénéficié de deux mois de téléchargements et de portages. L’autre est apparu sur Hugging Face le 19 octobre, a été officiellement annoncé le 27 octobre et compte 255 téléchargements. Cette comparaison est donc en partie une question de benchmark et en partie une question de risque avec lequel vous pouvez vivre : un modèle non éprouvé, ou un modèle sans licence.

Ce qu’est réellement chaque modèle

LFM3-VL-2B est le modèle dense de 1,92 milliard de paramètres de Liquid AI : un socle linguistique de 1,73 milliard de paramètres, un encodeur visuel interne de 164 M conçu pour utiliser environ trois fois moins de calcul que SigLIP2, et un projecteur de 25 M. Il prend en entrée du texte, des images et de la vidéo à 2 fps, produit du texte, prend en charge un mode réflexion, dispose d’un contexte de 128 K et couvre 16 langues. Le dépôt inclut des versions BF16, GGUF, MLX 4 bits et ONNX, bien que la prise en charge par llama.cpp soit encore en cours d’examen et ne dispose d’aucun chemin vidéo.

North Micro Vision Instruct est le modèle 2,4B de Cohere Labs : un socle linguistique de 2B issu de la famille North Micro, plus un encodeur d'environ 400M continué à partir de SigLIP2 SO400M, avec un projecteur de type DeepStack. Il prend en entrée du texte et des images entrelacés à leur résolution native, jusqu'à 1654×2339 — une page A4 complète à 200 dpi — et produit du texte. Le modèle de langage dispose d'un contexte de 128K, mais Cohere indique que l'entraînement multimodal n'a été validé que jusqu'à 8K. Apache 2.0, vocabulaire de 262K, 11 à 12 langues.

Ces caractéristiques se ressemblent, mais elles ne sont pas équivalentes. Un contexte de 128K est un plafond sur les tokens auxquels le modèle peut prêter attention. Une entrée en résolution native est une décision de ne pas redimensionner la page dès le départ. Pour une facture numérisée comportant un tableau dans un coin, la seconde importe davantage que la première.

Les numéros de document, lus avec les réserves qui s’imposent

Sur les benchmarks publiés par les deux cartes, LFM3-VL-2B est en tête :

• DocVQA — LFM3-VL-2B 96,7 contre North Micro Vision Instruct 92,1.

• OCRBench — 86,3 contre 79,2.

• ChartQA — 92,7 contre 80,8.

• AI2D — North rapporte 77,5 ; Liquid ne publie pas de ligne AI2D directement comparable.

• RefCOCO-avg — 90,5 contre 73,2, bien que les deux cartes décrivent ces moyennes de façon suffisamment différente pour que la soustraction soit indicative plutôt qu’exacte.

Tous ces résultats sont rapportés par les fournisseurs, sur des bancs d’essai choisis par les fournisseurs, sans reproduction indépendante de l’un ou l’autre modèle. L’écart DocVQA est suffisamment étroit pour qu’une différence de format de prompt puisse le combler. L’écart ChartQA, à près de 12 points, est moins susceptible d’être du bruit, et l’écart OCRBench de 7,1 points est cohérent avec un modèle qui a été explicitement entraîné sur des données de documents et de graphiques avec un mode de raisonnement rattaché.

Le chiffre intéressant ne figure pas sur les lignes du document. C’est MMMU, où LFM3-VL-2B affiche 55,7 et North Micro Vision Instruct affiche 32,9. Ce n’est pas une différence de réglage ; c’est un produit différent. La fiche de Cohere elle-même indique que le modèle n’est délibérément pas un modèle de raisonnement, ne fait pas d’appel d’outils et déconseille les invites système. Il lit des pages. La fiche de Liquid revendique un raisonnement de niveau universitaire parmi 62 catégories mesurées. Si votre tâche consiste à « extraire les totaux de ces 400 factures », les deux fonctionnent. Si votre tâche consiste à « déterminer si cette facture enfreint la politique », un seul a été conçu pour cela.

Là où l’affirmation des 128K devient ambiguë

Le contexte de 128K du LFM3-VL-2B est la valeur publiée la plus généreuse, mais la longueur du contexte n’équivaut pas au contexte multimodal utilisable. La fiche technique ne précise pas combien de tokens d’image une page consomme en résolution native, et elle ne publie aucun nombre maximal d’images pour la vidéo. North Micro Vision Instruct publie le type de chiffre inverse : un contexte linguistique de 128K avec un entraînement multimodal validé jusqu’à 8K. Il s’agit d’une divulgation prudente, et elle est plus utile qu’un chiffre plus élevé sans budget vision indiqué.

Le test pratique pour l’un ou l’autre modèle est le même : mesurez le nombre de jetons par page sur vos propres documents avant de concevoir autour d’une fenêtre de contexte. Une fenêtre de 128K qui contient quatre pages à votre résolution n’est pas un flux de travail documentaire de 128K.

La licence est la décision

Apache 2.0 est Apache 2.0. Vous pouvez utiliser North Micro Vision Instruct à des fins commerciales, quel que soit votre chiffre d'affaires, le modifier, le redistribuer et l'héberger, à condition de conserver les mentions. C'est l'intégralité de l'accord et, pour une startup qui développe un produit documentaire, cela élimine toute une catégorie de revue juridique.

La LFM Open License v1.0 n’est pas cela. Elle définit l’usage commercial au sens large — « toute utilisation de l’Œuvre à des fins d’avantage commercial direct ou indirect ou de compensation monétaire » — et subordonne la licence à la condition que le licencié reste sous un seuil de revenu annuel de 10 millions de dollars. Au-delà de ce seuil, l’usage commercial « n’est pas concédé sous licence en vertu du présent Accord ». Les organismes à but non lucratif remplissant les conditions requises sont exemptés pour des fins non commerciales et de recherche. La redistribution est autorisée avec attribution et avis de modification. Le texte de la licence que nous avons lu ne contient aucune restriction distincte relative à l’hébergement ; c’est donc le plafond de revenu, et non une interdiction de mise à disposition, qui constitue la contrainte.

Ce plafond donne lieu à une conversation délicate. Une entreprise affichant 9 millions de dollars de chiffre d’affaires peut livrer LFM3-VL-2B aujourd’hui et perdre la licence en se développant. Ce n’est pas le modèle qui cesse de fonctionner, c’est l’autorisation. Pour un produit doté d’une feuille de route de deux ans, c’est un point de diligence raisonnable, pas une note de bas de page.

L'écart d'adoption est un signal en soi

North Micro Vision Instruct a été téléchargé environ 35 000 fois depuis l’apparition de son dépôt le 10 août 2026. LFM3-VL-2B compte 255 téléchargements et 34 mentions J’aime depuis le 19 octobre. Deux mois contre neuf jours expliquent en partie cela, mais pas entièrement : l’annonce de la famille LFM3 le 27 octobre était un seul article de blog couvrant six modèles, et le checkpoint de vision n’a eu droit qu’à un paragraphe.

Une sortie discrète n’est pas forcément une mauvaise sortie. Un modèle sans tarification de lancement, sans fournisseur hébergé et dont la prise en charge par les frameworks est encore en cours d’examen est un modèle que l’on évalue sur son propre matériel, et le faible nombre de téléchargements signifie surtout que personne ne l’a encore fait. Cela signifie aussi qu’il n’y a pas de quantification communautaire, pas de gestionnaire de tickets rempli de correctifs et aucun benchmark tiers sur lequel s’appuyer. North Micro Vision dispose des trois.

Combien coûte chacun, pour autant que quiconque veuille le dire

Aucun des deux modèles ne publie de prix d’API sur sa fiche. North Micro Vision Instruct est disponible via la plateforme de Cohere et a été repris par plusieurs hébergeurs tiers ; LFM3-VL-2B est disponible sur le Playground et l’API de Liquid sans grille tarifaire, et Hugging Face ne répertorie aucun fournisseur d’inférence pour ce modèle. Sur du matériel détenu en propre, la comparaison est de 2,4 milliards de paramètres contre 1,92 milliard, soit environ 4,8 Go contre 3,84 Go en BF16 — suffisamment proche pour que le coût GPU ne fasse pas la différence.

Le facteur décisif est opérationnel. Si vous louez un modèle de vision hébergé au lieu de posséder l’un ou l’autre des checkpoints, OrcaRouter répercute le prix catalogue du fournisseur avec une marge de 0 %, de sorte qu’une modification tarifaire du fournisseur est effective de notre côté le jour même, et non au prochain renouvellement de contrat. Nous ne proposons pas aujourd’hui LFM3-VL-2B ni North Micro Vision Instruct, et cet article ne prétend pas le contraire ; l’idée est que l’alternative hébergée est tarifée de manière suffisamment transparente pour être comparée aux calculs d’auto-hébergement ci-dessus.

Qui devrait choisir lequel ?

Choisissez North Micro Vision Instruct si vous avez besoin d’Apache 2.0, si vous voulez un modèle qui a déjà deux mois d’utilisation communautaire derrière lui, ou si vos documents sont des pages entières en résolution native et que votre tâche s’arrête à l’extraction. Acceptez qu’il n’effectuera pas de raisonnement croisé sur les champs extraits.

Choisissez LFM3-VL-2B si vous avez besoin d’une entrée vidéo, d’un mode de réflexion ou d’un assistant visuel plus généraliste qui lit bien les documents par ailleurs, et si vous êtes nettement en dessous du seuil de revenus ou pouvez négocier une licence séparée. Acceptez d’être un utilisateur précoce d’un checkpoint sans évaluation indépendante et avec une prise en charge incomplète des frameworks.

Ne choisissez ni l’un ni l’autre, pour l’instant, si votre flux de travail nécessite un point de terminaison hébergé payant avec un contrat de support. La petite gamme de modèles à poids ouverts s’améliore rapidement, mais avec 255 téléchargements, le nouvel entrant n’a été mis à l’épreuve par personne en dehors de son laboratoire.