Moondream 3 מול LFM2.5-VL 3B: אחד מצביע על התשובה, השני רק עונה

ההבדל השימושי ביותר בין M​oondream 3 Preview לבין LFM2.5-VL-3B אינו בטבלאות הבנצ'מרק שלהם. הוא ש-M​oondream 3 Preview מנמק לגבי תמונה באמצעות הצבעה לתוכה — עקבות הנימוק שלו מעוגנות, מפנות לאזורים ספציפיים — בעוד ש-LFM2.5-VL-3B הוא במפורש מודל לא-מנמק שעונה ישירות, בחירה ש-Liquid AI עשתה כדי לשמור על השהיה נמוכה לעבודה על המכשיר. אותה תמונה נכנסת, שני דברים שונים לחלוטין יוצאים, ואיזה מהם תרצה תלוי אם מערכת במורד הזרם צריכה לסמוך על התשובה או רק לצרוך אותה.

הכול אחר כך נובע מההסתעפות הזו. M​oondream 3 Preview הוא מודל תערובת מומחים דלילה (sparse mixture-of-experts) עם 9B פרמטרים בסך הכול ו-2B פעילים, שיצא ב-18 בספטמבר 2025 מטעם M​oondream, אשר נרכשה על ידי Prime Intellect באוקטובר 2026. LFM2.5-VL-3B הוא מודל צפוף (dense) בנפח 3.1B — שלד שפה של 2.6B עם מקודד חזותי SigLIP2 NaFlex בנפח 400M — שיצא מטעם Liquid AI ב-12 באוגוסט 2026 כיורש ישיר ל-LFM2-VL-3B. האחד הוא מומחה שנבנה לזהות ולהצביע ויכול גם לענות על שאלות. האחר הוא כללי שנבנה לענות ולאחרונה למד להצביע.

את התנגשות המדדים שעליך להבחין בה תחילה

העמידו את שני מספרי הבסיס זה לצד זה, וההשוואה נראית כמו כמעט־תיקו. היא לא, מפני שאלו אינן אותה מדידה.

תרשים ההשקה של M​oondream מפרט את M​oondream 3 Preview עם 91.1 ב-RefCOCO. Liquid AI מדווחת על LFM2.5-VL-3B עם RefCOCO precision@1 של 87.9. דיוק RefCOCO ו-RefCOCO precision@1 הם מדדים סטטיסטיים שונים המחושבים על אותו מערך נתונים, ופער של 3.2 נקודות ביניהם לא אומר לך דבר על איזה מודל מבצע לוקליזציה טוב יותר. כל מי שמעמיד את שני הנתונים האלה זה לצד זה בתרשים עמודות משווה מספר למספר בעל הגדרה שונה.

• עיגון M​oondream 3 Preview — RefCOCO 91.1, בגרף שבו קווי הבסיס המובילים (GPT-5, Gemini 2.5-Flash, C​laude 4 S​onnet) נשאלו באמצעות תבנית מכיוון שאין להם עיגון מובנה, ובמקרים מסוימים ציוני ה-Preview הגיעו מדגימה של 100 שאלות ולא מהמערך המלא. מדווח על ידי הספק, וכפי ש-M​oondream עצמו אומר, לא קרב הוגן.

• עיגון LFM2.5-VL-3B — RefCOCO precision@1 87.9, לעומת 57.1 ב-LFM2-VL-3B הקודם, שלדברי Liquid נובע מהרחבת נתוני עיגון סינתטיים. דווח על ידי הספק, בהשוואה באותה ערכת בדיקה מול קודמו שלו, שהוא הציר המשמעותי יותר.

• זיהוי והצבעה — M​oondream 3 Preview: יכולות זיהוי והצבעה ילידיות, פלט קואורדינטות מובנה, חלק מהארכיטקטורה. LFM2.5-VL-3B: עיגון שנוסף באמצעות אימון, מוחזר כקואורדינטות באותה דרך, עם קריאה לפונקציות שגם היא חדשה בקו ה-VL (ToolSandbox 26.4 עד 59.5, BFCL v4 20.5 עד 32.5).

הקריאה הכנה: ל-Liquid AI יש לפני ואחרי נקי על אותן ערכות בדיקה, ול-M​oondream יש תרשים חוצה-מודלים עם הסתייגויות של תבניות. אף אחד מהם לא נותן לך השוואה ישירה ראש בראש. אם דיוק העיגון הוא הגורם המכריע בהערכה שלך, סט מתויג משלך הוא הכלי היחיד שיכריע בדבר.

מה עולה לך חשיבה מבוססת

של Moondream query פועלת כברירת מחדל במצב חשיבה. המודל עובד דרך השאלה, והעקבה שלו מפנה לאזורים בתמונה שבהם הוא משתמש — שאותם אפשר לבדוק ב-playground על ידי ריחוף מעל הטקסט. בכל דבר שבו אדם צריך לבקר את התשובה — קריאת פגם בקו ייצור, אירוע אבטחה, סימון טריאז' רפואי — לתכונה הזו יש ערך רב. זה ההבדל בין מודל שאומר "לא" לבין מודל שאומר "לא, כאן". p>המחיר הוא בטוקנים. מצב חשיבה מייצר עקבה לפני התשובה, והתיעוד של Moondream עצמו מציע את פתח המילוט: להעביר reasoning=False בשאלות פשוטות, כי החברה יודעת שהמצב הזה אינו בחינם. זוהי הודאה ארכיטקטונית אמיתית — מודל שתוכנן היטב לא היה זקוק לדגל כדי לכבות את המחשבה.

ל-LFM2.5-VL-3B אין מקבילה. הוא תוכנן כמודל ללא הסקה, ו-Liquid AI ישירה לגבי הפשרה: מענה ישיר שומר על השהיה נמוכה לשימוש בזמן אמת ובמכשיר. אין עקבות לבחון ואין מצב להשבית. בקופה שקוראת ברקודים, או בטלפון שמתרגם תפריט, זו ההחלטה ההנדסית הנכונה, והיעדר העקבות אינו פגם.

אז השאלה היא לא מה עדיף. היא האם משהו במורד הזרם של המודל שלך קורא את שרשרת הנימוקים. אם אדם קורא אותה, העקבות המעוגנות של Moondream הן התכונה שאתה קונה. אם רק תוכנה קוראת אותה, אתה משלם על טוקנים שאיש לא יקרא.

איפה 3.1B באמת מנצח

הצהרת הגודל של LFM2.5-VL-3B אינה שיווק. היא רצה בפחות מ-3.3 GB זיכרון בקצב של 228 טוקנים לשנייה על Apple M5 Max, ו-116 טוקנים לשנייה על AMD Ryzen AI Max+ 395, עם ייצואים של GGUF, ONNX ו-MLX שפורסמו לצד הצ'קפוינט המקורי. זהו מודל שאפשר להריץ על מחשב נייד, ו-Liquid AI גם מספקת אותו כ-WebGPU Hugging Face Space שרץ בלשונית דפדפן.

ל-Moondream 3 Preview יש מספר פרמטרים פעילים קטן יותר — 2B לעומת 3.1B — אבל ההשוואה אינה סימטרית, כי צ'ק פוינט של MoE חייב להיות כולו בזיכרון למרות שרק חלק ממנו מופעל. ל-9B של המשקלים צריך להיות מקום לשהות בו. התשובה של Moondream עצמו לכך היא Photon, מנוע ההסקה המקומי שלו, שמריץ את המודל על מעבדי GPU של NVIDIA מדור Ampere ואילך ועל מחשבי Mac עם Apple Silicon. אילוץ שונה: LFM2.5-VL-3B קטן מספיק כדי להיכנס לכל מקום, Moondream 3 Preview מהיר במובן החישובי אבל גדול במובן הזיכרון.

• הקשר — שניהם 32K טוקנים. התכנסות אמיתית, וראויה לציון בהתחשב בקפיצה של שנתיים מחלונות ה-2K של הדור הקודם של Moondream.

• שפות — LFM2.5-VL-3B מפרטת שש עשרה: אנגלית, ערבית, סינית, צרפתית, גרמנית, איטלקית, יפנית, קוריאנית, פורטוגזית, ספרדית, וייטנאמית, תאית, אינדונזית, הינדי, רוסית, פולנית, והכפילה את אוצר המילים שלה ל-128,000 כדי לתמוך בכתבים שאינם לטיניים. הכרטיס של M​oondream 3 Preview מדגיש יכולת חזותית ולא רשימת שפות; התייחסו ל-VQA רב-לשוני כדבר שיש לבדוק ולא כדבר שהובטח.

• קריאת מסמכים — LFM2.5-VL-3B: DocVQA 91.1, ChartQA 81.3, OCRBench v1 84.2, OCRBench v2 אנגלית 47.5, MMMU 48.4. M​oondream 3 Preview: DocVQA 88.3, ChartQA 86.6, POPE 89.0. הרנסים שונים, ונתונים מדווחי ספק משני הצדדים.

• מה ש-LFM2.5-VL-3B אומר לך לא לעשות — כרטיס המודל של Liquid AI מציין במפורש שהוא לא מומלץ למשימות עם הקשר ארוך או עתירות הסקה, כגון עיצוב אתרים ויזואלי או שאלות טכניות על שרטוטים. המשפט הזה מועיל יותר מרוב טבלאות הבנצ'מרק.

פריסה, והיכן שנתב משתלב

אף אחד מהמודלים האלה אינו מוגש דרך OrcaRouter, וכדאי לומר זאת ישירות במקום להתחמק: שניהם צ׳קפוינטים במשקלים פתוחים שאתם מריצים בעצמכם, ונקודת הקצה המתארחת של M​oondream 3 Preview — M​oondream Cloud — נסגרת ב-13 בנובמבר 2026 בעקבות הרכישה של Prime Intellect, כשזיכויים שלא נוצלו יוחזרו.

מה שזה משנה הוא הצורה של ההחלטה. צוות שמאמץ VLM באירוח עצמי כסטנדרט בדרך כלל מגיע בסופו של דבר עם מודל שני, מתארח, למקרים שבהם המודל המקומי מתמודד איתם רע, ובנקודה הזאת עבודת האינטגרציה היא הבעיה: שני SDK-ים, שתי סכמות אימות, שתי מדיניויות של ניסיונות חוזרים, והשבתה של ספק שהופכת להשבתה שלך.

זה בדיוק המקרה שלשמו נבנה ה-DSL לניתוב של OrcaRouter. אתה מרכיב כמה מודלים לקריאה אחת — המודל המקומי בגודל 3.1B עונה על מה שהוא יכול, ומודל מתארח סופג את השארית — מאחורי מפתח אחד ליותר מ-200 מודלים, כאשר מחיר המחירון של הספק מועבר הלאה ללא תוספת ומעבר אוטומטי לגיבוי כאשר ספק במעלה הזרם נחלש. מכיוון שלא Moondream 3 Preview ולא LFM2.5-VL-3B נמצאים בקטלוג הזה, שכבת הניתוב יושבת מעליהם במקום להחליף אותם: כך שומרים על הנתיב המקומי הזול כזול בלי שהשבתה של ספק תהפוך להשבתה שלך.

פיצול הרישוי, שהוא חד יותר מהבנצ'מרקים

שתי פילוסופיות רישוי שונות, וההבדל ביניהן חשוב יותר להחלטה על מוצר מפער של 3 נקודות בציון.

Moondream 3 Preview מופץ תחת Business Source License 1.1 עם Additional Use Grant (No Third-Party Service). שימוש פנימי וייצורי, פרויקטים אישיים, מחקר, בנצ'מרקים, כיוונונים עדינים, מיזוגים, קוונטיזציות, דלתאות משקל, ושימוש בתוך מוצר שאינו חופף באופן מהותי להצעות בתשלום של Moondream — כולם מותרים. מכירה של API מתארח שחושף יכולות ראייה דומות, שירות מנוהל "Moondream-as-a-service", או הטמעת המשקלים ב-SDK בתשלום שמספק יכולות דומות מחייבת הסכם נפרד. Moondream 3.1 עבר ל-Moondream Model License 1.0, שמנסח את אותו כלל בצורה נקייה יותר: רכיב של המוצר שלך מותר, גישה ל-Moondream עצמו כמוצר אינה מותרת. התקני edge, VPCs בשליטת לקוח, והרצת המודל על GPUs בענן שכור או neocloud — כולם נמצאים במפורש בצד המותר.

LFM2.5-VL-3B כפוף לרישיון LFM Open License v1.0 של Liquid AI עצמה. קראו אותו לפני שאתם משחררים, כפי שהייתם עושים עם כל רישיון מותאם אישית, אבל המשפחות שונות במהותן: ההגבלה של M​oondream מכוונת לעסק ספציפי אחד — מכירה חוזרת של המודל — בעוד שזה של Liquid הוא רישיון פתוח רחב עם תנאים משלו.

אם אתה בונה ייעודי לתחום, שניהם בסדר ושאלת הרישיון היא פורמליות. אם העסק שלך בכלל קרוב ל"אנחנו מארחים מודלים חזותיים עבור אנשים אחרים", הרישיון של M​oondream הוא האילוץ שאתה קורא ראשון וזה של LFM הוא זה שסביר להניח שתקבל עבורו אישור.

איזה אחד לבחור?

בחרו M​oondream 3 Preview אם התשובה חייבת להיות ניתנת לבדיקה. אם אדם סוקר את הפלט, אם ה-trace צריך להראות איזה חלק מהתמונה הניע את ההחלטה, אם זיהוי והצבעה הם המוצר העיקרי ולא תכונה — ההיסק המבוסס הזה הוא כל הסיבה לשלם 9B של זיכרון עבור מודל עם 2B פרמטרים פעילים. תקצבו Photon או GPU, ותתכננו בהתחשב בסגירת נקודת הקצה המתארחת.

בחר LFM2.5-VL-3B אם המודל צריך לפעול על המכשיר עצמו. אם אתה משחרר לטלפון, למחשב נייד, לקופסה ברצפת המפעל או ללשונית של דפדפן, ועומס העבודה הוא סבב בודד, תפוקה גבוהה ושהיה נמוכה — קריאת מסכים, תמלול מסמכים, זיהוי עצמים בזרם — אז מודל צפוף בנפח 3.1B שעונה בלי לחשוב הוא בדיוק מה שאתה רוצה, ו-228 טוקנים לשנייה על M5 Max הוא המספר שמכריע.

בחר בשניהם אם יש לך את התקציב לכך, ונתב ביניהם: LFM2.5-VL-3B על כל פריים כי כמעט ואין עלות בהרצה שלו, Moondream 3 Preview על הפריימים שבהם שווה להמתין לתשובה מעוגנת.

מה שהמספרים לא יכולים לספר לך הוא אם משהו מזה השתבש בשטח: תקריות ה-AI המתועדות וכשלי סוכנים סביב מודלים מהסוג הזה נאספים בOrcaRouter AI Incident Archive, שבו כל ערך נושא מקורות משלו, חומרה, דירוג ביטחון וסימון מחלוקת.