Molmo2-4B vs UI-Venus-2-9B: Salah Satu Nama Itu Adalah Ukuran, dan Itu Salah

Model ini disebut UI-Venus 2 pada 9B. Ini bukan 2.9B, dan bukan versi 9B dari model 2.9B. String dalam nama file adalah nomor generasi yang ditempelkan pada jumlah parameter — inclusionAI/UI-Venus-2-9B — dan string itu telah dibaca terbalik oleh cukup banyak feed radar dan halaman daftar sehingga perbandingan dengan Molmo2-4B sekarang tampak seperti dua model kecil di kelas bobot yang sama. Tidak demikian. UI-Venus-2-9B adalah agen GUI 9B yang diinisialisasi dari Qwen3.5-9B, kira-kira dua kali ukuran Molmo2-4B yang 4.85B, dan keduanya melakukan pekerjaan yang sepenuhnya berbeda. Jika Anda benar-benar menginginkan model GUI kecil dari keluarga itu, modelnya adalah UI-Venus-1.5-2B, di situlah angka 2B seharusnya berada. Dua model spesialis dengan kontrak output yang berbeda adalah masalah perutean. tanpa markup atas harga daftar penyedia Failover mencakup kasus ketika salah satunya sedang mengalami sore yang buruk.

Kedua model lebih lama daripada yang disiratkan oleh penyajian tersebut. Molmo2-4B diumumkan oleh Allen Institute for AI pada 11 Desember 2025 dan bobotnya dirilis pada 14 Desember. Bobot UI-Venus-2-9B dirilis pada 26 Agustus 2026 bersamaan dengan laporan teknis, arXiv 2609.00028. Yang berubah baru-baru ini di sisi Molmo adalah perkakas, bukan bobot: dukungan Transformers native digabungkan pada 9 Oktober 2026 dan dirilis dalam v5.20.0 pada 15 Oktober, dan fine-tune robotika, Molmo2-4B-tb, muncul pada 5 November. Keduanya bukan peluncuran, dan keduanya tidak mengubah Molmo2-4B menjadi model GUI.

Apa sebenarnya UI-Venus 2 pada 9B

Ini adalah agen antarmuka loop tertutup. Masukannya adalah tangkapan layar; keluarannya adalah tindakan yang disertai penalaran — ketuk di sini, ketik ini, gulir — dan loop berlanjut hingga tugas selesai. Pelatihan berjalan dalam tiga tahap pada lima keluarga tugas (grounding, CAPTCHA, seluler, web, dan komputer), yang diakhiri dengan distilasi on-policy multi-guru yang melipat spesialis domain menjadi satu kebijakan. Cakupan lingkungan adalah inti dari rilis ini: 170+ aplikasi seluler dalam bahasa Mandarin dan Inggris, kumpulan web berisi 4.000+ domain dalam 19 kategori, dan kontrol OS desktop yang dibangun dari nol.

Angka milik vendor sendiri, semuanya dari kartu model dan laporan teknisnya:

• Grounding GUI — ScreenSpot-Pro 73.0, VenusBench-GD 77.1, OSWorld-G-R 78.5, UI-Vision 53.2.

• Agen mobile — AndroidWorld 80.2, MobileWorld 65.8 pada langkah standar dan 75.2 pada anggaran 100 langkah, MobileGym 52.7, VenusBench-Mobile 46.5, KnowUBench 56.5, MemGUI 62.6.

• Desktop — OSWorld-Verified 70,8, DeskCraft 48,0, dan OSWorld 2.0 pada akurasi biner 0,0 dengan skor parsial 7,5 pada 108 tugas dalam anggaran 150 langkah. Angka nol itu perlu dicermati dengan saksama; ini metrik biner yang ketat, bukan salah ketik.

• Web — WebVoyager 90.8, Online-Mind2Web 74.0, REAL 76.9, Odysseys rata-rata 77.3 dengan 62.0 sempurna.

• Keamanan — tingkat keberhasilan serangan 11,3% pada OSHarm dan 48,8% pada OSBlind, dibandingkan dengan 25,3% dan 79,4% untuk basis Qwen3.5-9B.

Ada satu pemeriksaan independen. Tolok ukur diagnostik PointerBench yang diterbitkan pada Oktober 2026 memberi skor UI-Venus-2-9B pada Sheets 64.2, Text 25.8, dan Pro 73.6, dengan rata-rata 54.5, dan menggambarkannya sebagai spesialis grounding GUI native terkuat sekaligus menandai grounding tingkat teks sebagai area terlemahnya. Itu adalah hasil pihak ketiga pada campuran tugas yang berbeda, dan itu merupakan koreksi yang berguna: angka utama ScreenSpot-Pro bukanlah gambaran keseluruhan.

Apa sebenarnya Molmo2-4B

Model vision-language serbaguna dengan output titik. 4.850.869.200 parameter, menara vision SigLIP 2 so400m di atas Qwen3-4B-Instruct-2507, 36.864 posisi, 19,42 GB bobot float32 di empat shard. Model ini menangani gambar, beberapa gambar, dan video, serta mengembalikan koordinat yang diskalakan ke 0–1000 dari lebar dan tinggi gambar, dengan stempel waktu saat masukannya berupa video. Agregat vendornya adalah 62,8 pada 15 benchmark akademik.

Yang tidak dimilikinya adalah angka GUI yang dipublikasikan. Molmo2-4B tidak muncul dalam tabel laporan teknis UI-Venus, dalam evaluasi PointerBench, atau dengan hasil ScreenSpot-Pro pada kartunya sendiri. Angka GUI keluarga Molmo yang paling mendekati milik model lain: MolmoPoint-GUI-8B, sebuah fine-tune 8B yang dikhususkan untuk GUI dalam lini MolmoPoint Maret 2026, melaporkan 61.1 pada ScreenSpot-Pro. Mengutipnya sebagai hasil Molmo2-4B akan menjadi kesalahan kategori, dan itu adalah kesalahan yang paling mungkin dilakukan pembaca saat membandingkan keduanya.

Tumpang tindihnya lebih kecil daripada yang disiratkan oleh penamaannya.

• Ukuran — 4,85B dense untuk Molmo2-4B dibandingkan model dense 9B yang diinisialisasi dari Qwen3.5-9B.

• Masukan — gambar, multi-gambar, dan video untuk Molmo2-4B; tangkapan layar untuk UI-Venus-2-9B, secara berulang, dengan aksi sebelumnya diumpankan kembali.

• Keluaran — titik-titik jarang dalam koordinat ternormalisasi untuk Molmo2-4B; aksi terstruktur untuk UI-Venus-2-9B, yang diurai oleh harness yang kemudian mengendalikan perangkat.

• Keunggulan — grounding gambar alami dan video, penghitungan dan pelacakan untuk Molmo2-4B; pelokalan elemen dan navigasi multi-langkah pada antarmuka resolusi tinggi untuk UI-Venus-2-9B.

• GUI grounding yang diterbitkan — tidak ada untuk Molmo2-4B; ScreenSpot-Pro 73.0 untuk UI-Venus-2-9B.

• Lisensi — bobot Apache 2.0 dengan catatan data pihak ketiga untuk {{1}}Molmo2-4B{{/1}}; kartu model {{2}}UI-Venus-2-9B{{/2}} sama sekali tidak mencantumkan kolom lisensi, yang merupakan celah yang harus diselesaikan sebelum melakukan apa pun yang bersifat komersial.

Baris terakhir itu bukan sekadar detail. Model 9B yang diturunkan dari Qwen3.5-9B tanpa kolom lisensi pada kartu modelnya bukanlah sesuatu yang bisa disetujui dalam tinjauan hukum hanya bermodal README. Metadata kartu itu sendiri juga tidak membantu: lencana Safetensors-nya tertulis "1.47M params", yang bukan ukuran masuk akal untuk checkpoint sebesar ini dan tampaknya merupakan artefak metadata shard. Tanyakan kepada maintainer tentang kedua hal itu sebelum Anda merencanakan berdasarkan hal tersebut.

Jika Anda ingin grounding GUI dari lini Molmo

Jalur yang jujur bukanlah Molmo2-4B. Pekerjaan GUI Ai2 sendiri berada dalam keluarga MolmoPoint, di mana MolmoPoint-GUI-8B melaporkan 61,1 pada ScreenSpot-Pro dibandingkan 73,0 milik UI-Venus-2-9B, dan kedua angka itu setidaknya berasal dari benchmark yang sama. Meski begitu, perbandingannya bersifat lintas-harness: scaffold aksi berbeda, prapemrosesan tangkapan layar berbeda, dan dalam kasus UI-Venus ada asumsi terdokumentasi bahwa penalaran dinonaktifkan dan suhu disetel ke nol untuk pelokalan titik langsung. Selisih 12 poin pada benchmark yang sangat sensitif terhadap pilihan harness adalah sinyal, bukan putusan.

Kegunaan Molmo2-4B yang sebenarnya dalam stack agen adalah langkah persepsi yang bukan tombol. Menemukan objek yang dijelaskan pengguna dalam bingkai kamera, menunjuk objek itu dalam video, menghitung instans, melacak sesuatu sepanjang waktu — itulah keluaran yang dilatih untuk dihasilkan model ini, dan tidak satu pun merupakan elemen UI pada tangkapan layar 4K. Tim sering kali akhirnya menjalankan kedua jenis model: spesialis untuk antarmuka, generalis untuk pemandangan.

Itu lebih merupakan masalah perutean daripada pemodelan. Kedua model memiliki kontrak keluaran yang tidak kompatibel dan profil perangkat keras yang berbeda, dan menjalankannya di belakang satu kunci untuk keduanya — dengan failover saat salah satu endpoint menurun dan tanpa markup di atas harga daftar penyedia — menghilangkan bagian dari stack yang tidak ada hubungannya dengan visi. Patut juga dikatakan secara terus terang bahwa tidak satu pun dari model ini ada dalam katalog OrcaRouter; keduanya adalah bobot yang Anda host sendiri, dan lapisan perutean berada di sekitar keduanya, bukan di bawahnya.

Versi singkatnya

Jika tugasnya adalah "mengoperasikan aplikasi ini," UI-Venus-2-9B adalah spesialisnya dan Molmo2-4B tidak punya apa pun untuk ditawarkan pada tolok ukur itu. Jika tugasnya adalah "menunjuk benda dalam foto ini atau video ini," UI-Venus-2-9B tidak punya apa pun untuk ditawarkan dan Molmo2-4B adalah alasan perbandingan ini ada. Dan jika yang sebenarnya Anda inginkan adalah model GUI kecil untuk dijalankan dengan murah, perbandingan yang benar tidak pernah yang ini — melainkan UI-Venus-1.5-2B yang berukuran 2B, terhadap generalis ringkas apa pun yang bisa Anda pasang di sampingnya.