LFM3-Omni-2B לעומת Moondream 3: בנצ'מרק משותף אחד, שני תפקידים שונים

הציבו את LFM3-Omni-2B ואת Moondream 3 זה לצד זה, ודפי המפרט נראים כמו אחים. שניהם מודלים מולטימודליים קטנים שמכוונים לטלפונים, למחשבים ניידים, למצלמות ולרובוטים. לשניהם חלון הקשר של 32K. שניהם מפעילים בערך שני מיליארד פרמטרים על כל טוקן. שניהם משוחררים עם משקלים פתוחים שאפשר להוריד היום. חפשו השוואה ישירה ביניהם ולא תמצאו כלום, וזו בדיוק הסיבה שממשיכים ליצור את הציוות הזה.

ואז קוראים לעומק את שני כרטיסי המודל, והדמיון מתפורר בדרך שקל לבדוק. הבנצ'מרק היחיד ששני הכרטיסים מדווחים עליו הוא DocVQA, שבו LFM3-Omni-2B משיג 92.47 ו-Moondream 3.1 9B A2B משיג 88.6. כל יתר הדברים שהם מודדים אינם חופפים. מודל אחד מחזיר משפטים מדוברים. האחר מחזיר תיבות תוחמות. הם אינם שתי תשובות לאותה שאלה.

הערה לגבי השמות, משום שהקטלוג מבלבל. Moondream 3 Preview שוחרר ב-18 בספטמבר 2025 ו-Moondream 3.1 9B A2B ב-7 ביולי 2026; כל מספר Moondream בקטע הזה מגיע מכרטיס ה-3.1, שהוא ה-checkpoint שניתן להוריד. LFM3-Omni-2B פורסם ב-27 באוקטובר 2026 כאחד משישה מודלים במשפחת LFM3 של Liquid AI. שניהם חדשים לגמרי במובן היחיד שחשוב כאן: אף אחד מחוץ לחברה שבנתה אותם לא העריך אותם.

מה שכל מודל למעשה מחזיר

ההבדל העמוק ביותר אינו מספר הפרמטרים. הוא חוזה הפלט.

Moondream 3.1 חושף חמש מיומנויות עם צורות קבועות: query, caption, detect, point וsegment. זיהוי מחזיר לכל היותר 200 תיבות, הצבעה על לכל היותר 64 נקודות, סגמנטציה של לכל היותר 50 מסכות COCO-RLE, הכול בקואורדינטות מנורמלות 0–1 כ-JSON. זהו מכשיר מדידה מרחבי עם ממשק צר וצפוי. אפשר לחבר את הפלט שלו ישירות לאוטומטור ממשק משתמש או למתכנן רובוט בלי שכבת פענוח של LLM, כי הפלט כבר מובנה.

ל-LFM3-Omni-2B אין חוזה כזה. הוא מקבל טקסט, תמונות, וידאו עם או בלי פס הקול שלו, ואודיו ב-16 kHz, והוא מייצר טקסט, דיבור ב-24 kHz, או את שניהם משולבים זה בזה. אין מסלול פלט של קואורדינטות. אם אתה רוצה לקבל ממנו מיקום, אתה שואל בפרוזה ומנתח את התשובה, וזו קטגוריית אמינות שונה מסכימה שמבטיחה תיבה.

ההבדל הבודד הזה מכריע יותר פריסות מכל שורת בנצ'מרק. החלפת מזהה מודל אחד באחר אינה מיגרציה. זו שכתוב מחדש של כל מה שצורך את התגובה.

גיליון המפרט, זה לצד זה

• פרמטרים — 2.17B בסך הכול עבור LFM3-Omni-2B, כולם נמצאים בזיכרון ומחושבים, לעומת 9.0B בסך הכול עבור Moondream 3.1 עם 2.0B פעילים לכל טוקן.

• זיכרון במנוחה — כ-4.4 GB ב-BF16 לפי חישוב אריתמטי על 2.17B פרמטרים לעומת כ-18 GB ב-FP16, כ-6 GB ב-INT4 קהילתי, ומינימום של 10 GB של NVIDIA עבור בילד ה-fp8 שסופק.

• קלטים — טקסט, תמונות, וידאו ב-2 fps עם או בלי אודיו, ודיבור ב-16 kHz לעומת תמונות וטקסט בלבד.

• פלטים — טקסט, דיבור ב-24 kHz, או משולב לעומת טקסט, JSON, קואורדינטות מנורמלות ומסכות.

• הקשר — 32,768 אסימונים הכוללים קלט ופלט לעומת 32,768 אסימוני טקסט ועד 12 אריחי תמונה, בסביבות 2,304 אסימוני ראייה.

• תקציב הראייה — עד 2,048 טוקנים לתמונה ברזולוציה מקורית לעומת אריחוּת אדפטיבית ל-12 חיתוכים בגודל 384–1024 px.

• רישיון — LFM Open License v1.0, שימוש מסחרי ברישיון רק מתחת להכנסה שנתית של 10 מיליון דולר לעומת Moondream Model License 1.0, מסחרי בכל גודל אך ללא שירות מתארח לשימוש כללי.

• פורסם — 27 באוקטובר 2026 לעומת 7 ביולי 2026, כאשר ענף 3 Preview מתוארך ל-18 בספטמבר 2025.

שורת הזיכרון היא זו שאנשים מדלגים עליה, ובמכשיר קצה היא כל הטיעון. 2B הפרמטרים הפעילים של Moondream הופכים אותו לזול כמו LFM3-Omni-2B לכל טוקן, אבל הסך הכולל של 9B הופך אותו לגדול עד פי ארבעה בזיכרון באותה רמת דיוק. פרמטרים פעילים קובעים את החישוב. פרמטרים כוללים קובעים אם הדבר נכנס. מודל שרץ באותה מהירות אך זקוק ל-18 GB לא מתחרה על אותו חריץ חומרה כמו מודל שנכנס ב-4.4 GB.

מדד ההשוואה היחיד ששניהם מדווחים עליו

DocVQA הוא מענה על שאלות במסמכים, הנמדד לפי ANLS, ובשני כרטיסי המודל הוא מציג 92.47 עבור LFM3-Omni-2B לעומת 88.6 עבור Moondream 3.1. מודל ה-omni מוביל ב-3.87 נקודות בשטח הביתי של המומחה בראייה.

יש לקרוא את התוצאה הזו עם שלוש הסתייגויות, שכולן מהותיות. שני הנתונים מדווחים עצמית על ידי המעבדות שבנו את המודלים. אף אחת מהמעבדות לא פרסמה את מערך ההערכה שלה, את פורמט הפרומפט או את בחירת הדגימות. ופער של 3.87 נקודות במדד עם שונות כה גדולה בין מערכי הערכה הוא מעיד ולא מכריע. מה שהשורה הזו כן קובעת הוא צר יותר, ועדיין שימושי: LFM3-Omni-2B לא מתפרק על טקסט מסמך צפוף, וזו המשימה שסביר שהיית מצפה שמודל any-to-any בגודל 2.17B ייכשל בה.

אל תחיל את אותה פרשנות על עיגון. LFM3-Omni-2B מדווח RefCOCO ב-73.55 ו-Moondream 3.1 מדווח RefCOCO-M ב-87.1, ואלה אינן אותה מדידה. הכרטיס של Liquid מציין שקופסאות נקראות בפורמט הקואורדינטות המקורי של כל מודל; Moondream מדווח F1 בסף IoU של 0.5. חיסור האחד מהשני מניב מספר שאינו אומר דבר. ההצהרה הכנה היא שהכרטיס של Moondream בנוי סביב עיגון, וזה של Liquid מתייחס אליו כאל שורה אחת מתוך שבע-עשרה.

היכן ש-Moondream 3 אינו קרוב

חלק מזה הוא בחירת דיווח ולא פער ביכולות, וכדאי להיות מדויקים לגבי מה בדיוק. מודל omni של 2.17B כמעט בוודאות יוכל לאתר אזור גס אם תשאלו אותו במילים. מה שהוא לא יכול לעשות הוא להחזיר 200 תיבות בסכימה עם שיעור שגיאה מוגבל, כי שום דבר באימון שלו או בפורמט הפלט שלו לא נבנה לכך. כל המוצר של Moondream הוא ההבטחה שהקואורדינטות חוזרות בצורה ניתנת לפענוח. ההבטחה הזו היא מה שאתם קונים, ואף שורת benchmark ממעבדה אחרת לא מודדת אותה.

אותו היגיון פועל גם בהיפוך בכל הנוגע להשהיה. Moondream מציעה את Photon, מנוע הסקה שמקמפל את המודל לתוכנית GPU אחת, והספק טוען לכ-34 בקשות בשנייה ב-batch 16 על H100 עם P50 של 59 אלפיות השנייה. אלה נתוני ספק שלא שוחזרו, אך ההנדסה שמאחוריהם ספציפית למודל אחד. ל-LFM3-Omni-2B אין עדיין סיפור הגשה מקביל.

היכן ש-LFM3-Omni-2B אינו קרוב

ל-Moondream 3.1 אין מסלול אודיו. לא מסלול חלש יותר — פשוט אין. הקלט שלו הוא תמונה וטקסט, נקודה. לכן כל שורת אודיו בכרטיס של Liquid היא ללא תחרות: שיעור שגיאות מילים ב-ASR באנגלית 6.36, ASR רב-לשוני 6.72, TTS באנגלית UTMOSv2 3.80, VoiceBench 64.73, MMAR 51.40, והערכת קריאה לכלים פנימית ב-52.20.

מספרי הווידאו עם פס הקול הם אלה שראויים להדגשה, משום שהם הסיבה שהמודל קיים. Daily-Omni 70.09, WorldSense 47.10, AV-SpeakerBench 46.79 — כולם נמדדו על וידאו עם פס הקול שלו, דיוק בבחירה מרובה, כולם בדיווח עצמי. הטענה של Liquid היא שאלה עוקפים את Qwen2.5-Omni-7B ומודלים עם עד 10.7B פרמטרים, ובטבלה שלה הם אכן עושים זאת: Qwen2.5-Omni-7B מקבל 61.32, 45.37 ו-43.24 באותן שלוש שורות.

פרט אחד בכרטיס הזה ראוי ליותר תשומת לב ממה שקיבל. Liquid מדווחת על אותם מדדי ראייה פעמיים — פעם כשהשאלה מוקלדת, ופעם כשהשאלה נאמרת בקול. RealWorldQA יורד מ-66.54 ל-64.68, MMStar מ-55.67 ל-51.79, POPE מ-89.34 ל-83.78. העברת השאלה דרך מקודד האודיו עולה בין שתיים לשש נקודות בהתאם למשימה. זה המחיר של מסלול הדיבור, נאמר בפשטות, וזה מספר שימושי יותר מכל ציון כותרת בודד.

מה קורה ל-Moondream 3 ב-13 בנובמבר

זהו החלק בהשוואה שיש לו מועד אחרון. Prime Intellect הודיעה כי היא רוכשת את Moondream ב-{{1}}13 באוקטובר 2026{{/1}}, ו-Moondream אישרה זאת ב-{{2}}14 באוקטובר{{/2}}. הפוסט מציין כי ב-13 בנובמבר 2026, שלושים יום לאחר ההודעה, Moondream Cloud — הן ההסקה המתארחת והן מוצר הכוונון העדין Lens — מופסקת. קרדיטים שנרכשו ולא נוצלו מוחזרים, והלקוחות מופנים לפלטפורמת ההסקה של הרוכשת עצמה.

שלושה דברים נובעים מכך, ורק הראשון נוח. המשקלים הפתוחים שורדים והרישיון אינו משתנה, כך שאירוח עצמי אינו מושפע. Photon פועל באופן מקומי ללא עלות בגרסה 1.3.0 ואילך ללא מפתח API. מה שלא שורד באופן נקי הוא Lens: נקודות ביקורת מכווננות ו-LoRAs נמצאים בצד השרת, ואין נתיב ייצוא מתועד. אם המוצר שלך תלוי בכיוונון עדין של Lens, ההגירה אינה שינוי תצורה, ושישה עשר ימים אינם זמן רב לגלות זאת.

יש מוזרות קטנה יותר שראויה לציון לכל מי שבודק מקורות השבוע. עמוד התמחור של Moondream עדיין מפרט תוכניות Cloud, תעריפים לפי טוקן ומסלול Team בעלות 350 דולר לחודש, ואינו אומר דבר על הפסקת השירות. ההכרזה נמצאת בעמוד אחר. קורא שבודק רק את עמוד התמחור ב-28 באוקטובר לא ידע שהשירות מסתיים בעוד שישה עשר יום.

מה העלות של הפעלת כל אחד מהם

Moondream מפרסמת תעריפי אסימונים: $0.30 למיליון אסימוני קלט ו-$1.00 למיליון אסימוני פלט במסלול בזמן אמת, ובאצווה הם נחתכים בחצי ל-$0.15 ו-$0.50. LFM3-Omni-2B אינה מפרסמת תעריף אירוח כלל. Liquid אומרת שהמשפחה זמינה ב-Playground וב-API שלה, אך פוסט ההשקה אינו כולל מחיר, וכרטיס המודל אינו כולל מחיר. האסימטריה הזו היא סיפור העלות.

הריצו את החישוב של Moondream על קריאה מציאותית. תמונה בודדת עולה עד 2,304 טוקנים חזותיים באריחות מלאות; הוסיפו פרומפט של 50 טוקנים ו-100 טוקני פלט, וקריאה אחת היא 2,354 טוקני קלט ו-100 טוקני פלט, או כ-$0.0008. ב-10,000 קריאות ביום זה בערך $8 ליום, או $242 בחודש, ויורד לכ-$121 בחודש במסלול האצווה. האם זה זול תלוי לחלוטין במה שהייתם מוציאים אחרת על חומרה, וזו ההשוואה ש-LFM3-Omni-2B מכריח אתכם לעשות, כי הוא לא נותן לכם מספר לפי טוקן לשקול מולו.

על החומרה שלך החשבון מתהפך. LFM3-Omni-2B הוא כ-4.4 GB של משקולות ב-BF16 לפני אקטיבציות, מפענח האודיו ומטמון ה-KV — חישוב לפי מספר הפרמטרים, לא טביעת רגל מדודה, מכיוון שהכרטיס לא מפרסם נתון זיכרון. Moondream 3.1 דורש כרטיס NVIDIA של 10 GB עבור הגרסה הרשמית שלו, או כ-6 GB עם כימות INT4 קהילתי. מודל אחד רץ על טלפון. השני רץ על Jetson Orin או טוב יותר.

ל-OrcaRouter מגיע משפט כאן רק מפני שהגרסה הכנה צרה: לא LFM3-Omni-2B ולא Moondream 3 נמצאים בקטלוג שלנו, ושום דבר במאמר הזה לא טוען שאנו מספקים אחד מהם. מה שכן מנותב אצלנו הוא שכבת הראייה המתארחת — Qwen3-VL-8B, למשל — עם מחיר המחירון של הספק מועבר הלאה ללא מרווח (0%) ומעבר אוטומטי בין ספקים במעלה הזרם. אם חישובי האירוח העצמי שלמעלה הם מה שגורם לך להתלבט, זו האפשרות שההשוואה משמיטה, וזו רכישה שונה ולא טובה יותר.

הרישיון עשוי להכריע לפני שהבנצ'מרק יכריע.

שני הרישיונות מגבילים דברים שונים, ואיזה מהם יפגע בכם תלוי באופן שבו נראית החברה שלכם.

LFM Open License v1.0 מגדירה סף של $10,000,000 בהכנסות שנתיות. מתחתיו, שימוש מסחרי מורשה ללא סייג. מעליו, סעיף 5 קובע בבירור ששימוש מסחרי ביצירה או בנגזרת אינו מורשה במסגרת ההסכם כלל. לכן סטארט-אפ יכול לבנות מוצר על LFM3-Omni-2B בחינם, וחברה שמעל הסף אינה יכולה בלי עסקה נפרדת — ללא קשר למידת טיבו של המודל.

לרישיון Moondream Model License 1.0 אין סף הכנסות. הוא מתיר שימוש מסחרי בכל גודל, אירוח עצמי, כוונון עדין, קוונטיזציה והפצה מחדש, והוא אוסר עסק ספציפי אחד: מתן שירות מודל מתארח לשימוש כללי עבור המודל או נגזרת שלו ללא רישיון מסחרי נפרד בכתב. הטמעת Moondream בתוך מוצר צר יותר מותרת. מכירה חוזרת של הסקה לשימוש כללי עליו אסורה.

שני המסמכים, בקריאה יחד, כמעט משלימים זה את זה. {{1}}Liquid מגבילה לפי מי שאתה{{/1}}; {{2}}Moondream מגבילה לפי מה שאתה מוכר{{/2}}. חברה גדולה שמתכננת מוצר הסקה מתארח נחסמת על ידי שתיהן, בדרכים שונות.

מי אמור לבחור מה

בחרו ב-Moondream 3.1 אם המוצר צריך קואורדינטות. אוטומציה של מסכים, רובוטיקה, ביקורות מדפים בקמעונאות, ספירה, כל דבר שבו התשובה היא תיבה, נקודה או מסכה והמערכת הבאה צורכת אותה באופן פרוגרמטי. טביעת הרגל הכוללת של 9B היא המחיר של ההבטחה הזו, ואם אתם פורסים על חומרה בדרגת Jetson, זה מחיר שאתם יכולים לשלם. תכננו את הגירת האירוח עכשיו ולא בנובמבר.

בחר ב-LFM3-Omni-2B אם המוצר כולל אדם שמדבר אל מכשיר, או מכשיר שצריך לשמוע חדר. קיוסק שעונה בקול רם, כלי שטח שבו הידיים עסוקות, מצלמה שצריכה להבין וידאו עם פס הקול שלו, צ'קפוינט יחיד שמחליף מודל ASR ועוד VLM ועוד מודל TTS. ציוני הראייה מכובדים ולא יוצאי דופן, שרשרת הכלים בת יום, ומסלול הדיבור הוא הסיבה לקבל את שניהם.

אל תבחר באף אחד מהם, עם זאת, אם ההחלטה קריטית. שום דבר כאן לא הוערך באופן עצמאי. הכלים של LFM3-Omni-2B מתפתחים במהירות — קיים ערך בספריית Ollama בגודל 2.4 GB, וב-llama.cpp מוזגה תמיכה בו ב-27 באוקטובר, באותו יום שבו הופיעו המשקלים — אך הרשומה ב-Ollama כרגע סותרת את כרטיס המודל בשתי דרכים גלויות, ומציגה חלון הקשר של 125K ו"טקסט, תמונה" כקלטים הנתמכים, לעומת 32K וארבע מודאליות בכרטיס. זו רשומה שטרם הדביקה את הקצב, לא פגם במודל, וזה מסוג הדברים שמתוקנים בתוך שבוע. זה גם לא משהו להעלות לפרודקשן השבוע.

מה ישנה את זה

שני דברים. הערכה בלתי תלויה של LFM3-Omni-2B על שורות אודיו-חזותיות תכריע אם ה-70.09 ב-Daily-Omni שורד הארנס שהוא לא בחר, וזה המספר היחיד שכל מקרה ה-omni נשען עליו. וסיפור פריסה לענף הדיבור — כרטיס המודל מתעד יצירת טקסט בפירוט ואומר הרבה פחות על איך משרתים את מפענח האודיו בקנה מידה — יגיד לך אם הסלוגן "מודל אחד מחליף ארבעה" שורד מפגש עם פריסת ייצור.

עד אז יש להשוואה צורה ברורה. Moondream 3 מודד את העולם ומוסר לך מספרים. LFM3-Omni-2B מקשיב לו ומשיב. מבחן הבנצ'מרק היחיד שהם חולקים הוא מבחן קריאת מסמכים, והמודל האומני מנצח בו בפחות מארבע נקודות. זו לא יריבות. זו תזכורת ש"2B multimodal" מתאר תקציב זיכרון, לא תפקיד.