WeVisOne-VL-2B vs Moondream 3 : une licence et une échéance

Le 13 novembre 2026, le point de terminaison hébergé qui sert Moondream 3 Preview cessera de répondre. C’est cette date, et non tel ou tel benchmark, qui rend cette comparaison urgente : les équipes qui ont bâti sur le cloud de Moondream disposent d’environ trois semaines à compter du préavis d’arrêt pour décider de son remplacement, et les poids sur lesquels elles se rabattraient sont soumis à une licence que la plupart n’ont jamais lue attentivement. WeVisOne-VL-2B est l’évidence à placer à côté : un modèle de perception 2B de l’équipe WeChat Vision de Tencent, publié le 22 octobre 2026 sous Apache 2.0, qui accomplit le même travail d’ancrage : boîtes, points, comptages et masques.

Les deux modèles forment la paire la plus proche de cette série. Tous deux sont conçus pour pointer vers des choses plutôt que pour les décrire. Tous deux produisent des masques. Tous deux ont été entraînés à dire « pas là » lorsque la cible est absente. Et pourtant, presque rien de ce que chaque fournisseur a publié ne peut être retranché à ce qu’a publié l’autre, car ils ont mesuré des choses différentes sur des bancs d’essai différents à des moments différents. Ce qui peut être comparé, c’est la licence, le format de sortie et la voie de déploiement — et sur ces trois points, il n’y a pas photo.

Pourquoi ces deux sont-ils dans la même conversation ?

Moondream 3 Preview, publié le 18 septembre 2025, a défendu l’idée qu’un petit modèle pouvait effectuer nativement une perception ancrée : détecter, pointer, compter, segmenter et répondre, le tout à partir d’un seul checkpoint, sans orchestrer un détecteur distinct et un modèle de raisonnement distinct. Il s’agit d’un mélange clairsemé d’experts de 9 milliards de paramètres au total, dont 2 milliards actifs — 24 couches, les quatre premières denses, les autres comptant 64 experts dont 8 activés par token —, avec un contexte de 32 768 tokens, un tokenizer SuperBPE personnalisé et un encodeur visuel basé sur SigLIP.

WeVisOne-VL-2B arrive un an plus tard en proposant une version plus étroite du même argument. Il compte 2 milliards de paramètres et repose sur Qwen3-VL ; il répartit le travail en deux : le modèle de langage émet des coordonnées via des tokens dédiés, et un décodeur distinct de 9,5 millions de paramètres transforme chaque instance marquée en masque ou en matte alpha continu. Tencent n'a pas cherché à créer un assistant généraliste. Il a cherché à créer un moteur de perception, et l'a affirmé dans la section consacrée aux limites.

L'air de famille est bien réel, et c'est pourquoi les différences comptent davantage qu'elles ne le feraient entre des modèles sans lien de parenté.

Les cartographies de capacités, côte à côte

• Paramètres — 9 B au total avec 2 B actifs pour Moondream 3 Preview contre environ 2 B denses pour WeVisOne-VL-2B, plus un décodeur requis de 9,5 M de paramètres.

• Sortie de masque — chaînes de tracés SVG plus une boîte englobante sur Moondream, que sa documentation décrit comme des masques vectoriels natifs ; mattes alpha raster à pleine résolution au pas de 1 sur WeVisOne, y compris une transparence douce pour les cheveux et la fourrure.

• Raisonnement — Moondream 3 dispose d’un mode facultatif de chaîne de pensée et raisonne sur une image en y pointant ; WeVisOne génère une sortie structurée sans aucune chaîne de pensée, un choix effectué par Tencent pour l’efficacité de l’inférence.

• Contexte — 32 768 tokens publiés sur la fiche de Moondream, contre aucune longueur de contexte publiée pour WeVisOne, dont l’article décrit un entraînement à 4 096 et 8 192 tokens et une inférence jusqu’à 1 960 tokens visuels par image.

• Entrée — des images dans les deux cas, mais Moondream fournit une API cloud documentée avec diffusion de résultats partiels ; WeVisOne rejette les grilles vidéo dans son décodeur de pixels et est conçu pour un seul tour.

• Licence — Business Source License 1.1 avec une autorisation d'utilisation supplémentaire sur Moondream, Apache 2.0 sur WeVisOne.

• Sortie — 18 septembre 2025 vs 22 octobre 2026, treize mois d'écart.

• Hébergement — Moondream Cloud jusqu’au 13 novembre 2026, puis auto-hébergement uniquement ; aucun endpoint hébergé pour WeVisOne de la part de Tencent ni d’un quelconque fournisseur que nous pouvons vérifier.

Les chiffres, avec leurs instruments joints

C’est ici que la comparaison devient un exercice de lecture des notes de bas de page. Chaque chiffre ci-dessous est déclaré par le fournisseur ; aucun des deux modèles ne fait l’objet d’une évaluation indépendante sur Artificial Analysis ni ailleurs, pour autant que nous puissions le trouver.

• RefCOCO — le graphique de lancement de Moondream indique 91,1, aux côtés de 88,6 sur RefCOCOg et de 81,8 sur RefCOCO+. Ce sont des chiffres de précision de type détection, et Moondream lui-même a décrit ce graphique comme ne constituant pas une comparaison équitable : les références de pointe ont été interrogées via des gabarits parce qu’elles ne disposent pas d’ancrage natif, et plusieurs scores d’aperçu provenaient d’échantillons de 100 questions plutôt que d’ensembles d’évaluation complets.

• RefCOCO sur WeVisOne — Tencent ne publie aucun chiffre de détection RefCOCO. Son tableau de détection référentielle indique RefCOCOg à 77,1 de F1 moyen pour le 2B, et son tableau de segmentation indique la validation RefCOCO à 79,7 cIoU. Tâche différente, statistique différente, partition différente.

• Segmentation — la mise à jour de segmentation de Moondream de mars 2026 rapporte un mIoU de 83,2 sur la validation RefCOCO, de 79,1 sur RefCOCO+ et de 80,7 sur RefCOCOg, avec un 88,2 distinct sur le RefCOCO-M haute fidélité. WeVisOne rapporte 79,7, 73,1 et 74,4 sur les mêmes trois sous-ensembles — mais en cIoU, ce que l'article indique explicitement. L'IoU moyen et l'IoU cumulé pondèrent les images différemment, donc l'écart ici est indicatif plutôt que mesuré.

• Comptage — Moondream indique CountBenchQA à 93,2. WeVisOne indique CountQA à 47,9 en correspondance exacte, PixMo-Count à 90,9 et 88,1, et CLOC à 27,5 et 26,9. CountBenchQA et CountQA ne sont pas le même jeu de données, et la correspondance exacte sur un ensemble de comptage est impitoyable d’une manière que la précision sur un ensemble à choix multiples n’est pas. L’écart au sein de la propre ligne de comptage de WeVisOne — 90,9 sur un jeu de données, 27,5 sur un autre — constitue un meilleur avertissement concernant les benchmarks de comptage que n’importe quelle comparaison entre fournisseurs.

• Détection — Moondream indique une détection COCO à 51,2. WeVisOne indique un F1 moyen COCO de 55,2 sur les seuils IoU. Que ces valeurs correspondent ou non à la même statistique n’est précisé d’aucun côté, ce qui est précisément le problème.

Ce qui émerge n’est pas un vainqueur. Ce sont deux modèles qui revendiquent tous deux une solide perception ancrée, mesurée avec des instruments qui n’ont jamais été étalonnés l’un par rapport à l’autre, l’un d’eux étant publié sur un graphique que son propre auteur a décrit comme injuste.

La licence est le véritable tournant décisif

Les poids de Moondream 3 Preview sont publiés sous Business Source License 1.1 avec un Additional Use Grant (autorisation d’utilisation supplémentaire) dont le nom court est « No Third-Party Service ». Cette autorisation couvre les projets personnels, la recherche, les benchmarks, les fine-tunes, les fusions, les quantifications et les deltas de poids. Ce qu’elle ne couvre pas, c’est la mise en place d’un service permettant à des tiers d’utiliser le modèle — ce que la plupart des entreprises veulent réellement construire.

C’est une contrainte déterminante, et c’est le seul point où la comparaison apporte une réponse nette. La fiche de WeVisOne-VL-2B accorde Apache 2.0 pour le code rédigé par Tencent, les composants tiers conservant leurs propres conditions. Aucun seuil de chiffre d’affaires, aucune exception liée au domaine d’utilisation, aucune conversation avec un avocat pour savoir si votre produit est considéré comme un service tiers.

Si vous devez choisir entre ces deux modèles pour développer un produit commercial, la licence détermine davantage le résultat que n’importe quel benchmark de la section précédente. Un modèle que vous ne pouvez pas légalement exploiter n’est pas une option moins chère ; c’est un autre produit.

Si vous êtes sur Moondream Cloud en ce moment

L’avis de fermeture a été publié en même temps que sa raison. Moondream et son successeur Moondream 3.1 font désormais partie de Prime Intellect, qui a annoncé l’acquisition le 13 octobre 2026, les fondateurs Vik Korrapati et Jay Allen rejoignant l’entreprise pour diriger l’inférence. La publication de Moondream elle-même est datée du 14 octobre. L’avis tenait en une ligne : le 13 novembre 2026, trente jours plus tard, Moondream Cloud fermera, les crédits achetés non utilisés étant remboursés.

Deux choses méritent d’être distinguées. Les modèles ne sont pas retirés — les poids restent là où ils sont et la licence ne change pas. Ce qui prend fin, c’est la voie hébergée, celle que la plupart des équipes utilisent réellement. Photon, le moteur d’inférence de Moondream, fait partie de ce que Prime Intellect a acheté, et son argument est le débit : 34 requêtes par seconde pour Moondream 3.1, plus de 60 inférences par seconde sur un seul H100. Ce sont les chiffres de Prime, et c’est désormais Prime qui les commercialise.

Pour toute personne qui migre, les options honnêtes sont au nombre de trois. Auto-héberger les poids Moondream que vous possédez déjà et accepter les conditions BSL. Passer à un modèle hébergé qui ne va pas disparaître, en acceptant que la plupart ne produisent pas de masques. Ou passer à un modèle à poids ouverts sous Apache-2.0 et maîtriser le déploiement — c’est là qu’entre en jeu WeVisOne-VL-2B, avec les réserves qu’il ne s’agit pas d’un remplacement direct et que ses preuves sont plus minces.

Ce n’est pas une solution de remplacement directe pour trois raisons concrètes. Le format de sortie diffère : des tracés SVG plutôt que des masques alpha raster, ce qui modifie votre code de compositing en aval. Il n’existe pas de mode de chaîne de pensée, donc tout pipeline qui s’appuyait sur les traces de raisonnement ancrées de Moondream en est privé. Et aucune longueur de contexte n’est publiée, donc un workflow qui envoyait à Moondream de longs prompts multi-images n’a aucun plafond annoncé sur lequel concevoir.

C’est aussi là qu’une couche de routage trouve sa place, et il vaut la peine de préciser ce qu’elle peut et ne peut pas faire. OrcaRouter ne sert pas Moondream 3 ni WeVisOne-VL-2B ; aucun des deux ne figure à notre catalogue, et nous ne prétendrons pas qu’une migration se résume à un changement d’URL. Ce que nous pouvons faire, c’est garder portable la partie hébergée de votre architecture : une seule clé API pour plus de 200 modèles au prix catalogue du fournisseur, sans majoration, un basculement automatique en cas de dégradation d’un fournisseur, et un DSL de routage qui vous permet de déplacer le trafic entre modèles hébergés sans toucher au code applicatif. Si la leçon du 13 novembre est qu’une dépendance hébergée unique constitue un point de défaillance unique, la solution réside dans la couche d’abstraction, et non dans une autre dépendance unique.

Que décider avant le 13 novembre

Si vous utilisez Moondream 3 Preview via l’API cloud et rien d’autre, la décision n’oppose pas vraiment Moondream à WeVisOne. Il s’agit plutôt de savoir si vous voulez prendre en charge l’inférence vous-même. Héberger Moondream vous-même conserve le comportement que vous avez déjà ajusté, sous une licence qui autorise l’usage interne et la recherche, mais pas la revente sous forme de service. Héberger WeVisOne vous-même vous offre des conditions plus claires et des mattes alpha doux, au prix d’un modèle que personne d’indépendant n’a testé et d’un décodeur qui ne fonctionne que sur des images uniques.

Si vous partez de zéro — pas de pipeline existant, pas de prompts ajustés, pas d’intégration déjà engagée — le calcul est plus simple. WeVisOne-VL-2B est sous Apache 2.0 et fait 2B, Moondream 3 Preview est à code source disponible et fait 9B avec 2B actifs, et le seul benchmark que les deux publient sous une forme qui invite à la comparaison est la segmentation, où les définitions des métriques divergent discrètement. Choisissez en fonction de la licence et du format de sortie, puis mesurez sur vos propres images, car aucun des deux fournisseurs ne vous a donné un chiffre auquel vous pouvez vous fier d’un cas à l’autre.