LFM3-VL-2B vs UI-Venus 2.9B: 2.9B yang Sebenarnya adalah 9B

Tidak ada model bernama UI-Venus 2.9B. Checkpoint di inclusionAI/UI-Venus-2-9B adalah UI-Venus-2-9B — versi kedua agen UI-Venus milik Ant Group, dengan 9 miliar parameter, dibangun di atas Qwen3.5-9B. Nama direktorinya terbaca seperti desimal dan memang bukan desimal. Dibandingkan dengan LFM3-VL-2B pada 1,92 miliar parameter, itu menjadikannya perbandingan 2B-versus-9B yang berlabel 2B-versus-2B.

Kesalahan itu penting karena mengubah pertanyaannya. Jika kedua model kira-kira 2B, Anda akan membandingkan baris benchmark dan memilih yang lebih baik. Pada 9B versus 2B, model yang lebih kecil tidak bersaing pada perangkat keras yang sama, dan model yang lebih besar sama sekali bukan model visi umum. UI-Venus-2-9B adalah agen GUI yang dilatih untuk mengoperasikan ponsel, browser, dan desktop dari tangkapan layar. LFM3-VL-2B adalah model bahasa-visi umum yang kebetulan menyertakan kategori GUI di antara 62 benchmark-nya. Irisannya lebih sempit daripada yang disiratkan oleh penamaannya.

Bagaimana nama itu menjadi kacau

Konvensi penamaan Ant Group adalah family-version-size. UI-Venus-2-9B diuraikan sebagai UI-Venus, generasi 2, parameter 9B. Katalog atau radar yang memecah berdasarkan tanda hubung dan mencari bilangan desimal membaca "2-9" sebagai "2.9", yang membuat model 9B berakhir terarsip di samping model 2B. Konvensi yang sama menghasilkan UI-Venus-2-27B, saudara yang lebih besar, dan keduanya diterbitkan bersamaan pada akhir Agustus 2026.

Ini bukan kesalahan kosmetik. Jumlah parameter adalah filter pertama dalam setiap keputusan deployment, dan pembaca yang datang dengan ekspektasi model 2,9B akan terkejut oleh checkpoint BF16 18,8 GB yang tidak cocok dengan perangkat yang mereka bayangkan. Metadata repositori itu sendiri tidak ambigu: arsitektur Qwen3.5-9B, BF16, gambar-teks-ke-teks.

Dua tugas, bukan dua ukuran

LFM3-VL-2B menerima teks, gambar, dan video pada 2 fps, menghasilkan teks, mendukung mode berpikir, serta membawa konteks 128K dalam 16 bahasa. Model ini bersifat generalis: dokumen, bagan, grounding, penalaran berwujud, pemahaman GUI, dan video semuanya muncul sebagai kategori pada kartunya. Liquid AI menerbitkannya di Hugging Face pada 19 Oktober 2026 dan mengumumkan keluarga model ini pada 27 Oktober, tanpa harga API dan tanpa penyedia inferensi yang dicantumkan.

UI-Venus-2-9B mengambil tangkapan layar dan deskripsi tugas lalu mengembalikan tindakan berikutnya dalam siklus tertutup observasi–penalaran–aksi. Pelatihannya terdiri dari tiga tahap: pelatihan menengah multimodal pada lintasan simulasi di lebih dari 170 aplikasi seluler dan lebih dari 4.000 domain web, pembelajaran penguatan tingkat langkah secara offline pada tugas grounding, CAPTCHA, seluler, web, dan komputer, lalu distilasi on-policy multi-guru menjadi satu kebijakan. Model ini berjalan di vLLM dengan endpoint yang kompatibel dengan OpenAI dan parser penalaran Qwen3. Ini adalah runtime agen, bukan model pembuatan keterangan.

Konsekuensi praktisnya: Anda tidak dapat menukar keduanya. LFM3-VL-2B akan mendeskripsikan tangkapan layar dan menjawab pertanyaan tentangnya. UI-Venus-2-9B akan memutuskan di mana harus mengetuk berikutnya, dan ia mengharapkan harness di sekitarnya — parser tindakan, prompt, contoh — dari repositori GitHub proyek tersebut agar dapat melakukan sesuatu yang berguna.

Satu tolok ukur yang selaras

Kedua model melaporkan ScreenSpot-Pro, kasus langka ketika perbandingan tersebut sah. LFM3-VL-2B mencetak 55,5 dengan thinking dan 49,3 tanpa thinking. UI-Venus-2-9B mencetak 73,0. Itu adalah selisih 17,5 poin yang menguntungkan model yang ukurannya hampir lima kali lebih besar, dan itu adalah angka paling jelas dalam pertarungan ini.

Jangan memperluasnya ke seluruh cerita GUI. UI-Venus-2-9B juga melaporkan AndroidWorld 80,2, OSWorld-Verified 70,8, WebVoyager 90,8, Online-Mind2Web 74,0 dan VenusBench-GD 77,1. LFM3-VL-2B melaporkan rata-rata kategori GUI sebesar 83,1 pada kumpulan tugas yang berbeda, dan merata-ratakan suatu kategori tidak sama dengan menilai satu tolok ukur tunggal. Kategori-kategori tersebut tidak dapat dibandingkan dan tidak boleh dikurangkan.

Satu angka pada kartu UI-Venus patut disorot karena bertentangan dengan judul besarnya: pada OSWorld 2.0, model ini mencetak 0,0 pada metrik biner dan 7,5 pada metrik parsial. Apa pun masalah harness-nya, agen 9B yang memimpin di OSWorld-Verified tetapi mencetak hampir nol pada benchmark penerusnya adalah model yang memiliki batas, dan kartu tersebut melaporkannya dengan jujur.

Jendela konteks yang mengukur hal-hal berbeda

UI-Venus-2-9B melaporkan konteks hingga 256K token, dan bagian yang berguna adalah apa yang ditampung konteks itu: riwayat tangkapan layar, sehingga agen dapat mengingat seperti apa tampilan layar empat langkah sebelumnya. LFM3-VL-2B melaporkan 128K, dan kartunya tidak menyebutkan anggaran token gambar atau panjang video maksimum. Tidak ada dari kedua angka itu yang memberi tahu berapa banyak tangkapan layar yang dapat Anda simpan dalam satu loop sebelum model kehilangan tangkapan layar pertama. Keduanya memerlukan pengukuran pada resolusi dan jumlah langkah Anda sendiri.

Perbedaan jenisnya tetap penting. Riwayat tangkapan layar yang panjang adalah kebutuhan memori bagi agen yang berjalan selama beberapa menit. Konteks 128K pada VLM umum adalah kebutuhan dokumen atau video. Angka-angka itu tampak sebanding dan menjawab pertanyaan yang berbeda.

Deployment: 4 GB dibandingkan dengan 19 GB

LFM3-VL-2B memiliki 1,92 miliar parameter, sekitar 3,84 GB bobot dalam BF16 secara aritmetika, dengan build GGUF, MLX 4-bit, dan ONNX yang sudah dipublikasikan. UI-Venus-2-9B kira-kira 18,8 GB dalam BF16 dan disajikan melalui vLLM; ada GGUF komunitas, tetapi jalur penyajian vendor mengasumsikan GPU dengan ruang untuk checkpoint penuh. Keduanya tidak bersaing untuk slot yang sama. Yang satu kandidat edge; yang lain agen sisi server.

Perbedaan itulah, bukan selisih benchmark, yang membuat pasangan ini menarik. Tim yang menginginkan pemahaman GUI pada perangkat hanya punya satu opsi di sini. Tim yang menginginkan agen GUI dengan skor yang mendekati state-of-the-art punya opsi lainnya, dan memerlukan GPU untuk menjalankannya.

Pertanyaan lisensi yang belum dijawab siapa pun

LFM3-VL-2B menggunakan LFM Open License v1.0: penggunaan komersial hanya dilisensikan selama pemegang lisensi tetap berada di bawah $10 juta pendapatan tahunan. Itu membatasi tetapi mudah dipahami, dan teksnya dipublikasikan.

UI-Venus-2-9B kurang jelas. Repositori kode proyek menyebut Apache 2.0; kartu model menyatakan bahwa lisensi bobot masih menunggu konfirmasi final karena pernyataan dari pihak hulu saling bertentangan. Per 28 Oktober 2026, hal itu belum diselesaikan. Lisensi yang masih tertunda bukan penghalang untuk riset dan merupakan penghalang nyata bagi penerapan komersial yang perlu mengetahui ketentuannya sebelum dirilis. Siapa pun yang berencana membangun di atas UI-Venus-2-9B harus mendapatkan jawabannya secara tertulis, bukan menyimpulkannya dari tag repositori.

Di mana OrcaRouter cocok, jika memang ada

OrcaRouter tidak menyediakan kedua checkpoint tersebut, dan tulisan ini tidak mengklaim bahwa kami menyediakannya. Yang kami miliki adalah DSL routing yang dapat menyusun beberapa model menjadi satu panggilan — berguna di sini karena arsitektur alaminya bukan "pilih satu." VLM umum yang kecil dapat membaca layar dan memutuskan apakah tugasnya adalah pertanyaan tentang dokumen atau interaksi; spesialis GUI yang lebih besar dapat mengambil langkah-langkah interaksi. Routing di antara keduanya berdasarkan jenis tugas adalah sebuah konfigurasi, bukan integrasi kedua.

Itu adalah penggunaan perbandingan yang lebih jujur daripada berpura-pura bahwa kedua model tersebut adalah alternatif. Keduanya merupakan dua tahap dari pipeline yang sama, dengan perbedaan parameter 5× di antara keduanya.

Yang mana yang sebenarnya kamu inginkan?

• LFM3-VL-2B jika tugasnya adalah memahami, bukan bertindak, jika Anda memerlukan input video atau dokumen, atau jika model harus berjalan dalam sekitar 4 GB. Terima lisensi yang dibatasi pendapatannya dan fakta bahwa belum ada pihak di luar Liquid yang mengevaluasinya.

• UI-Venus-2-9B jika pekerjaannya adalah mengoperasikan antarmuka dari ujung ke ujung, jika Anda dapat menyediakan memori GPU 19 GB dan tumpukan penyajian vLLM, dan jika Anda dapat menunggu lisensi bobot dikonfirmasi. Terimalah bahwa ini adalah spesialis dengan harness, bukan asisten umum.

• Bukan keduanya jika yang Anda inginkan adalah model 2.9B. Model tersebut tidak ada, dan kedua opsi yang sebenarnya sama-sama lebih terspesialisasi daripada yang disiratkan oleh namanya.

Koreksi itulah pelajarannya. Jumlah parameter dalam nama folder bukanlah spesifikasi, dan dalam kasus ini menyembunyikan perbedaan ukuran lima kali lipat serta pekerjaan yang sama sekali berbeda. Baca kolom arsitektur sebelum slug.