LFM3-VL-2B 対 UI-Venus 2.9B：実は9Bである2.9B

というモデルは存在しませんUI-Venus 2.9B。inclusionAI/UI-Venus-2-9BにあるチェックポイントはUI-Venus-2-9Bです — Ant GroupのUI-Venusエージェントのバージョン2で、90億パラメータ、Qwen3.5-9Bをベースに構築されています。ディレクトリ名は小数のように読めますが、小数ではありません。LFM3-VL-2Bの19.2億パラメータと比べると、これは2B対9Bの比較を2B対2Bというラベルで覆ったものになります。

この誤りが重要なのは、問いの立て方が変わってしまうからだ。両モデルがおよそ2Bであれば、ベンチマークの行を見比べて優れている方を選べばよい。しかし9B対2Bでは、小さいモデルは同じハードウェアで競っているわけではなく、大きいモデルはそもそも汎用の視覚モデルではない。UI-Venus-2-9Bは、スクリーンショットからスマートフォン、ブラウザ、デスクトップを操作するよう訓練されたGUIエージェントだ。LFM3-VL-2Bは汎用の視覚言語モデルで、62個のベンチマークの中にたまたまGUIカテゴリが含まれているにすぎない。両者の重なりは、名称から想像されるより狭い。

名前がどのようにしてめちゃくちゃになったのか

Ant Groupの命名規則はファミリー-バージョン-サイズです。UI-Venus-2-9Bは、UI-Venus、第2世代、パラメータ数9Bとして解析されます。ハイフンで分割し小数を探すカタログやレーダーは、「2-9」を「2.9」と読み取るため、9Bモデルが2Bモデルと並んで分類されることになります。同じ命名規則からは、より大きな兄弟モデルであるUI-Venus-2-27Bも生まれ、両モデルは2026年8月下旬に同時に公開されました。

これは見た目だけの誤りではない。パラメータ数はあらゆるデプロイ判断における最初のフィルターであり、2.9Bモデルを期待して訪れた読者は、想定していたデバイスに収まらない18.8 GBのBF16チェックポイントに驚くだろう。リポジトリ自身のメタデータは明確だ。Qwen3.5-9Bアーキテクチャ、BF16、image-text-to-text。

2つのサイズではなく、2つの仕事

LFM3-VL-2Bはテキスト、画像、動画を2 fpsで入力し、テキストを生成します。思考モードをサポートし、16言語にわたって128Kコンテキストを扱えます。汎用モデルであり、ドキュメント、チャート、グラウンディング、身体性推論、GUI理解、動画がすべてそのカード上のカテゴリとして登場します。Liquid AIは2026年10月19日にHugging Faceで公開し、10月27日にファミリーを発表しましたが、API価格はなく、推論プロバイダーも記載されていません。

UI-Venus-2-9Bはスクリーンショットとタスク説明を受け取り、観察・推論・行動の閉ループで次のアクションを返します。その訓練は3段階です。170以上のモバイルアプリと4,000以上のWebドメインにわたるシミュレーション軌跡でのマルチモーダル中間訓練、グラウンディング、CAPTCHA、モバイル、Web、コンピュータの各タスクにわたるオフラインのステップ単位強化学習、そして複数教師によるオンポリシー蒸留で単一のポリシーに統合します。vLLM上で、OpenAI互換エンドポイントとQwen3推論パーサーを用いて動作します。これはキャプショニングモデルではなく、エージェントランタイムです。

実用上の帰結はこうだ。両者を入れ替えることはできない。LFM3-VL-2B はスクリーンショットを説明し、それについての質問に答える。UI-Venus-2-9B は次にどこをタップすべきかを判断するが、役に立つ動作をするには、プロジェクトの GitHub リポジトリにある周辺のハーネス——アクションパーサー、プロンプト、例——を前提としている。

基準に一致する唯一のベンチマーク

両モデルともScreenSpot-Proを報告しており、これは比較が正当化される稀なケースだ。LFM3-VL-2Bは思考ありで55.5、なしで49.3を記録。UI-Venus-2-9Bは73.0を記録。これはほぼ5倍大きいモデルに有利な17.5ポイントの差であり、この対決で最も明確な数字だ。

それをGUIに関する話の他の部分にまで広げないでください。UI-Venus-2-9Bもまた、AndroidWorld 80.2、OSWorld-Verified 70.8、WebVoyager 90.8、Online-Mind2Web 74.0、VenusBench-GD 77.1を報告しています。LFM3-VL-2Bは異なるタスクセット全体でGUIカテゴリ平均83.1を報告しており、カテゴリを平均することは単一のベンチマークでスコアを出すこととは同じではありません。カテゴリ同士は比較できず、差し引くべきではありません。

UI-Venusカード上の1つの数値は、見出しの主張と相反するため、指摘する価値がある。OSWorld 2.0では、このモデルは二値指標で0.0、部分指標で7.5を記録している。ハーネスの問題が何であれ、OSWorld-Verifiedで首位に立ちながら後継ベンチマークではほぼゼロという9Bエージェントは、限界を抱えたモデルであり、カードはそのことを正直に報告している。

異なるものを測定するコンテキストウィンドウ

UI-Venus-2-9Bは最大256Kトークンのコンテキストを報告しており、有用なのはそのコンテキストが保持する内容です。つまりスクリーンショットの履歴であり、エージェントは4ステップ前の画面がどう見えたかを思い出せます。LFM3-VL-2Bは128Kと報告していますが、そのカードには画像トークンの予算や最大動画長は記載されていません。どちらの数値も、モデルが最初の1枚を失うまでにループ内で何枚のスクリーンショットを保持できるかは教えてくれません。どちらも、自分の解像度とステップ数で測定する必要があります。

種類の違いは依然として重要だ。長いスクリーンショット履歴は、数分間動作するエージェントにとってのメモリ要件だ。汎用VLMにおける128Kコンテキストは、文書や動画の要件だ。数字は一見比較可能に見えるが、答えている問いは異なる。

デプロイ: 4 GB 対 19 GB

LFM3-VL-2Bは1.92Bパラメータで、計算上BF16の重みは約3.84 GBあり、GGUF、MLX 4ビット、ONNXのビルドがすでに公開されています。UI-Venus-2-9BはBF16でおよそ18.8 GBあり、vLLM経由で提供されています。コミュニティ版のGGUFはありますが、ベンダーの提供経路は完全なチェックポイントを収める余地のあるGPUを前提としています。これらは同じ枠を争うものではありません。一方はエッジ向け候補であり、もう一方はサーバーサイドエージェントです。

その違いこそが、ベンチマークの差ではなく、この組み合わせが興味深い理由だ。デバイス上でGUI理解を求めるチームには、ここでは選択肢がちょうど1つしかない。最先端に近いスコアを持つGUIエージェントを求めるチームにはもう一方があり、それを実行するにはGPUが必要だ。

誰も答えたことのないライセンスの疑問

LFM3-VL-2BはLFM Open License v1.0を使用しています。商用利用は、ライセンシーが年間収益1,000万ドル未満である場合にのみ許諾されます。これは制限的ですが明快で、その条文は公開されています。

UI-Venus-2-9Bについては、さらに不明瞭だ。プロジェクトのコードリポジトリにはApache 2.0と記載されているが、モデルカードには、上流の発言が矛盾しているため、重みのライセンスは最終確認待ちであると記載されている。2026年10月28日時点でも、これは未解決のままである。ライセンスが保留中であることは研究の妨げにはならないが、出荷前に条件を把握する必要がある商用展開にとっては実際の妨げになる。UI-Venus-2-9Bを基に構築する予定がある人は、リポジトリのタグから推測するのではなく、回答を文書で得るべきだ。

OrcaRouterがどこに当てはまるのか、そもそも当てはまるとして

OrcaRouterはどちらのチェックポイントも提供しておらず、本記事も我々が提供していると主張するものではありません。我々が持っているのは、複数のモデルを1回の呼び出しに組み合わせられるルーティングDSLです。ここでこれが有用なのは、自然なアーキテクチャが「1つを選ぶ」ことではないからです。小さな汎用VLMが画面を読み取り、タスクが文書に関する質問かインタラクションかを判断できます。より大規模なGUI専門モデルがインタラクションのステップを担当できます。タスク種別に応じて両者をルーティングするのは設定であり、2つ目の統合ではありません。

それは、2つのモデルを代替案であるかのように装うよりも、はるかに誠実な比較の使い方だ。両者は同じパイプラインの2つの段階であり、その間には5×のパラメータ差がある。

実際にどっちが欲しいの？

• LFM3-VL-2B 仕事が実行ではなく理解であり、動画や文書の入力が必要な場合、またはモデルを約4GBで動作させる必要がある場合。収益上限付きライセンスと、Liquidの外部では誰もそれを評価していないという事実を受け入れてください。

• UI-Venus-2-9Bは、エンドツーエンドでインターフェースを操作するのが仕事で、19 GB の GPU メモリと vLLM サービングスタックを用意でき、重みのライセンス確認を待てるなら。ハーネスを備えた専門家であり、汎用アシスタントではないと理解してください。

• どちらでもありません。もしあなたが求めていたのが2.9Bモデルだったのなら、なおさらです。そのモデルは存在せず、実際の2つの選択肢はどちらも、名前から示唆されるより専門特化しています。

訂正こそが要点だ。フォルダ名のパラメータ数は仕様ではなく、このケースでは5倍のサイズ差とまったく異なる役割を覆い隠していた。スラグより先にアーキテクチャのフィールドを読むべきだ。