WeVisOne-VL-2B vs Moondream 3: Lisensi dan Tenggat Waktu

Pada 13 November 2026, endpoint terkelola yang melayani Moondream 3 Preview berhenti merespons. Tanggal itulah, bukan tolok ukur mana pun, yang membuat perbandingan ini mendesak: tim yang membangun di atas cloud Moondream hanya punya waktu sekitar tiga minggu sejak pemberitahuan penghentian untuk memutuskan apa penggantinya, dan bobot yang akan mereka gunakan sebagai cadangan membawa lisensi yang sebagian besar dari mereka belum pernah membaca dengan cermat. WeVisOne-VL-2B adalah pilihan yang jelas untuk diletakkan di sampingnya — model persepsi 2B dari tim WeChat Vision Tencent, diterbitkan pada 22 Oktober 2026 di bawah Apache 2.0, yang melakukan pekerjaan grounded yang sama: kotak, titik, jumlah, dan masker.

Kedua model tersebut adalah pasangan yang paling mirip dalam seri ini. Keduanya dibangun untuk menunjuk ke objek alih-alih mendeskripsikannya. Keduanya mengeluarkan mask. Keduanya dilatih untuk mengatakan "tidak ada di sana" ketika target tidak ada. Namun hampir tidak ada yang diterbitkan oleh masing-masing vendor yang dapat dikurangkan dari yang lain, karena keduanya mengukur hal yang berbeda pada harness yang berbeda di waktu yang berbeda. Yang dapat dibandingkan adalah lisensi, format keluaran, dan jalur penerapan — dan pada ketiganya, jawabannya tidak dekat.

Mengapa kedua orang ini berada dalam percakapan yang sama

Moondream 3 Preview, dirilis 18 September 2025, menunjukkan bahwa model kecil dapat melakukan persepsi berbasis landasan secara native: mendeteksi, menunjuk, menghitung, mensegmentasi, dan menjawab, semuanya dari satu checkpoint, tanpa mengorkestrasi detektor terpisah dan model penalaran terpisah. Model ini adalah campuran ahli sparse dengan total 9 miliar parameter dan 2 miliar parameter aktif — 24 layer, empat layer pertama dense, sisanya membawa 64 ahli dengan 8 diaktifkan per token — konteks 32.768 token, tokenizer SuperBPE khusus, dan encoder visi berbasis SigLIP.

WeVisOne-VL-2B hadir setahun kemudian dengan versi yang lebih sempit dari argumen yang sama. Ini adalah 2B parameter yang dibangun di atas Qwen3-VL, dan membagi pekerjaan menjadi dua: model bahasa mengeluarkan koordinat melalui token khusus, dan decoder terpisah dengan 9,5 juta parameter mengubah setiap instans yang ditandai menjadi mask atau alpha matte kontinu. Tencent tidak mencoba membuat asisten umum. Perusahaan itu mencoba membuat mesin persepsi, dan menyatakannya di bagian keterbatasan.

Kemiripan keluarga itu nyata, dan itulah sebabnya perbedaannya lebih penting daripada yang akan terjadi antara model yang tidak terkait.

Peta kapabilitas, berdampingan

• Parameter — total 9B dengan 2B aktif untuk Moondream 3 Preview vs sekitar 2B dense untuk WeVisOne-VL-2B, ditambah dekoder 9,5M parameter yang diperlukan.

• Output mask — string jalur SVG plus kotak pembatas pada Moondream, yang oleh dokumentasinya disebut sebagai mask vektor native; matte alfa raster pada resolusi penuh stride-1 di WeVisOne, termasuk transparansi lembut untuk rambut dan bulu.

• Penalaran — Moondream 3 memiliki mode chain-of-thought opsional dan bernalar tentang gambar dengan menunjuk ke dalamnya; WeVisOne menghasilkan output terstruktur tanpa chain-of-thought sama sekali, sebuah pilihan yang dibuat Tencent untuk efisiensi inferensi.

• Konteks — 32,768 token dipublikasikan pada kartu Moondream, sedangkan untuk WeVisOne tidak ada panjang konteks yang dipublikasikan; makalahnya menjelaskan pelatihan pada 4,096 dan 8,192 token serta inferensi hingga 1,960 token visual per gambar.

• Input — gambar pada keduanya, tetapi Moondream menyediakan API cloud terdokumentasi dengan hasil parsial streaming; WeVisOne menolak grid video di dekoder pikselnya dan bersifat single-turn secara desain.

• Lisensi — Business Source License 1.1 dengan Additional Use Grant pada Moondream, Apache 2.0 pada WeVisOne.

• Rilis — 18 September 2025 vs 22 Oktober 2026, selisih tiga belas bulan.

• Hosting — Moondream Cloud hingga 13 November 2026, lalu hanya self-hosted; tidak ada endpoint hosted untuk WeVisOne dari Tencent atau dari penyedia mana pun yang dapat kami verifikasi.

Angka-angka itu, dengan instrumennya yang terlampir.

Di sinilah perbandingan menjadi latihan membaca catatan kaki. Setiap angka di bawah ini dilaporkan oleh vendor; tidak ada model yang memiliki evaluasi independen di Artificial Analysis atau di tempat lain yang dapat kami temukan.

• RefCOCO — grafik peluncuran Moondream mencantumkan 91,1, bersama 88,6 pada RefCOCOg dan 81,8 pada RefCOCO+. Itu adalah angka akurasi bergaya deteksi, dan Moondream sendiri menggambarkan grafik tersebut sebagai bukan pertandingan yang adil: baseline terdepan ditanyai melalui templat karena tidak memiliki grounding bawaan, dan beberapa skor pratinjau berasal dari sampel 100 pertanyaan, bukan dari set evaluasi lengkap.

• RefCOCO pada WeVisOne — Tencent tidak memublikasikan angka deteksi RefCOCO. Tabel deteksi referring-nya melaporkan RefCOCOg pada 77,1 mean F1 untuk model 2B, dan tabel segmentasinya melaporkan validasi RefCOCO pada 79,7 cIoU. Tugas berbeda, statistik berbeda, split berbeda.

• Segmentasi — Pembaruan segmentasi Moondream Maret 2026 melaporkan mIoU 83,2 pada validasi RefCOCO, 79,1 pada RefCOCO+, dan 80,7 pada RefCOCOg, dengan 88,2 terpisah pada RefCOCO-M yang berfidelitas tinggi. WeVisOne melaporkan 79,7, 73,1, dan 74,4 pada tiga split yang sama — tetapi sebagai cIoU, yang dinyatakan secara eksplisit dalam makalah. Mean IoU dan cumulative IoU memberi bobot berbeda pada gambar, sehingga kesenjangan di sini bersifat sugestif, bukan terukur.

• Penghitungan — Moondream melaporkan CountBenchQA sebesar 93,2. WeVisOne melaporkan CountQA sebesar 47,9 exact-match, PixMo-Count sebesar 90,9 dan 88,1, serta CLOC sebesar 27,5 dan 26,9. CountBenchQA dan CountQA bukanlah dataset yang sama, dan exact-match pada himpunan penghitungan tidak memberi kelonggaran seperti halnya akurasi pada himpunan pilihan ganda. Sebaran di dalam baris penghitungan WeVisOne sendiri — 90,9 pada satu dataset, 27,5 pada dataset lain — merupakan peringatan yang lebih baik tentang benchmark penghitungan daripada perbandingan antarvendor mana pun.

• Deteksi — Moondream mencantumkan deteksi COCO sebesar 51,2. WeVisOne mencantumkan F1 rata-rata COCO sebesar 55,2 pada berbagai ambang IoU. Apakah keduanya merupakan statistik yang sama tidak dinyatakan oleh pihak mana pun, dan justru itulah masalahnya.

Yang muncul bukanlah seorang pemenang. Melainkan dua model yang keduanya mengklaim memiliki persepsi berbasis landasan yang kuat, diukur dengan instrumen yang tidak pernah dikalibrasi satu terhadap yang lain, dan salah satunya dipublikasikan dalam bagan yang oleh penulisnya sendiri disebut tidak adil.

Lisensi adalah persimpangan jalan yang sesungguhnya

Bobot Moondream 3 Preview dirilis di bawah Business Source License 1.1 dengan Additional Use Grant yang nama singkatnya adalah "No Third-Party Service." Hibah tersebut mencakup proyek pribadi, riset, benchmark, fine-tune, merge, kuantisasi, dan delta bobot. Yang tidak dicakupnya adalah mendirikan layanan yang memungkinkan pihak ketiga menggunakan model — hal yang sebenarnya paling ingin dibangun oleh sebagian besar perusahaan.

Itu adalah kendala material, dan itulah satu tempat di mana perbandingan tersebut memiliki jawaban yang jelas. Kartu WeVisOne-VL-2B memberikan Apache 2.0 untuk kode yang ditulis Tencent, dengan komponen pihak ketiga tetap mempertahankan ketentuan mereka sendiri. Tidak ada ambang pendapatan, tidak ada pengecualian bidang penggunaan, tidak perlu berbicara dengan pengacara tentang apakah produk Anda dihitung sebagai layanan pihak ketiga.

Jika Anda memilih di antara kedua opsi ini untuk membangun sesuatu yang komersial, lisensi lebih menentukan hasil akhirnya daripada tolok ukur apa pun di bagian sebelumnya. Model yang tidak dapat Anda layani secara hukum bukanlah opsi yang lebih murah; itu adalah produk yang berbeda.

Jika Anda sedang menggunakan Moondream Cloud saat ini

Pemberitahuan penutupan itu dipasang bersama alasannya. Moondream dan penerusnya, Moondream 3.1, kini menjadi bagian dari Prime Intellect, yang mengumumkan akuisisi tersebut pada 13 Oktober 2026, dengan para pendiri Vik Korrapati dan Jay Allen bergabung untuk memimpin inferensi. Postingan Moondream sendiri bertanggal 14 Oktober. Pemberitahuannya hanya satu baris: pada 13 November 2026, tiga puluh hari kemudian, Moondream Cloud ditutup, dengan kredit yang telah dibeli dan belum terpakai dikembalikan.

Ada dua hal yang perlu dipisahkan. Model-modelnya tidak ditarik — bobotnya tetap di tempatnya dan lisensinya tidak berubah. Yang berakhir adalah jalur hosted, jalur yang paling sering benar-benar dipanggil oleh tim. Photon, mesin inferensi Moondream, adalah bagian dari apa yang dibeli Prime Intellect, dan tawarannya adalah throughput: 34 permintaan per detik untuk Moondream 3.1, lebih dari 60 inferensi per detik pada satu H100. Itu angka Prime dan Prime sekarang menjadi pihak yang menjualnya.

Bagi siapa pun yang bermigrasi, pilihan jujurnya ada tiga. Host sendiri bobot Moondream yang sudah Anda miliki dan terima ketentuan BSL. Beralih ke model hosted yang tidak akan dihentikan, dengan menerima bahwa sebagian besar darinya tidak menghasilkan mask. Atau beralih ke model open-weights Apache-2.0 dan miliki deployment-nya — di sinilah WeVisOne-VL-2B masuk, dengan catatan bahwa ini bukan pengganti langsung dan buktinya lebih tipis.

Ini bukan pengganti langsung karena tiga alasan konkret. Format outputnya berbeda: path SVG versus matte alfa raster, yang mengubah kode pengomposisian hilir Anda. Tidak ada mode chain-of-thought, jadi pipeline apa pun yang mengandalkan jejak penalaran ter-grounding dari Moondream akan kehilangan jejak tersebut. Dan tidak ada panjang konteks yang dipublikasikan, sehingga alur kerja yang memberi Moondream prompt multi-gambar yang panjang tidak memiliki batas maksimum yang dinyatakan sebagai acuan perancangan.

Di sinilah lapisan perutean juga membuktikan nilainya, dan penting untuk tepat mengenai apa yang dapat dan tidak dapat dilakukannya. OrcaRouter tidak menyediakan Moondream 3 atau WeVisOne-VL-2B; keduanya tidak ada di katalog kami, dan kami tidak akan berpura-pura bahwa migrasi hanyalah perubahan URL. Yang dapat kami lakukan adalah menjaga sisi hosted dari stack Anda tetap portabel: satu kunci API untuk lebih dari 200 model dengan harga daftar penyedia tanpa markup, failover otomatis saat penyedia menurun, dan DSL routing yang memungkinkan Anda memindahkan lalu lintas antar model hosted tanpa menyentuh kode aplikasi. Jika pelajaran dari 13 November adalah bahwa satu dependensi hosted merupakan satu titik kegagalan, solusinya adalah lapisan abstraksi, bukan dependensi tunggal yang berbeda.

Apa yang perlu diputuskan sebelum 13 November

Jika Anda menjalankan Moondream 3 Preview melalui API cloud dan tidak melakukan hal lain, keputusannya sebenarnya bukanlah Moondream versus WeVisOne. Keputusannya adalah apakah Anda ingin memiliki inferensi sendiri. Menghosting Moondream sendiri mempertahankan perilaku yang sudah Anda sesuaikan, di bawah lisensi yang mengizinkan penggunaan internal dan riset tetapi tidak untuk dijual kembali sebagai layanan. Menghosting WeVisOne sendiri memberi Anda ketentuan yang lebih jelas dan matte alpha lembut, dengan konsekuensi model yang belum diuji oleh pihak independen mana pun dan dekoder yang hanya berfungsi pada gambar tunggal.

Jika Anda memulai dari awal — tidak ada pipeline yang sudah ada, tidak ada prompt yang telah disetel, tidak ada integrasi yang telanjur dilakukan — perhitungannya lebih sederhana. WeVisOne-VL-2B berlisensi Apache 2.0 dan berukuran 2B, Moondream 3 Preview bersifat source-available dan berukuran 9B dengan 2B aktif, dan satu-satunya benchmark yang keduanya publikasikan dalam bentuk yang mengundang perbandingan adalah segmentasi, di mana definisi metriknya secara diam-diam berbeda. Pilih berdasarkan lisensi dan format keluaran, lalu ukur pada gambar Anda sendiri, karena tidak ada vendor yang memberi Anda angka yang dapat dipercaya melintasi kesenjangan itu.