Molmo2-4B vs UI-Venus-2-9B：その名の一つはサイズを表しているが、それは誤りだ

そのモデルは9BのUI-Venus 2と呼ばれている。2.9Bではなく、2.9Bモデルの9B版でもない。ファイル名の中の文字列は、世代番号とパラメータ数がくっついたもの——inclusionAI/UI-Venus-2-9B——であり、これを多くのレーダーフィードやリスティングページが逆に読んできたため、Molmo2-4Bとの比較が、同じ重量級の2つの小型モデルのように見えてしまっている。そうではない。UI-Venus-2-9BはQwen3.5-9Bから初期化された9BのGUIエージェントで、Molmo2-4Bの4.85Bのおよそ2倍の規模であり、両者はまったく異なる役割を担っている。そのファミリーの小型GUIモデルが本当に欲しいなら、それはUI-Venus-1.5-2Bであり、2Bという数字はそこに属する。異なる出力コントラクトを持つ2つの専門モデルは、ルーティングの問題だ。プロバイダーのリスト価格に対するマークアップなしフェイルオーバーは、そのうちの1つが調子の悪い午後を過ごしているケースをカバーする。

どちらのモデルも、この枠組みが示唆するほど新しいものではない。Molmo2-4Bは2025年12月11日にAllen Institute for AIが発表し、重みは12月14日に公開された。UI-Venus-2-9Bの重みは2026年8月26日にテクニカルレポート（arXiv 2609.00028）とともに公開された。Molmo側で最近変わったのは重みではなくツール群だ。ネイティブのTransformersサポートが2026年10月9日にマージされ、10月15日にv5.20.0で出荷された。さらにロボティクス向けファインチューンであるMolmo2-4B-tbが11月5日に登場した。どちらもローンチではなく、どちらもMolmo2-4BをGUIモデルに変えるものでもない。

UI-Venus 2の9B版は実際には何なのか

クローズドループ型のインターフェースエージェントです。入力はスクリーンショット、出力は推論に基づくアクション——ここをタップする、これを入力する、スクロールする——であり、タスクが完了するまでループが続きます。トレーニングは5つのタスクファミリー（グラウンディング、CAPTCHA、モバイル、Web、コンピュータ）に対して3段階で実行され、最後に複数の教師によるオンポリシー蒸留によってドメイン専門家を1つのポリシーに統合します。このリリースの本質は環境カバレッジにあります。中国語と英語にまたがる170以上のモバイルアプリ、19カテゴリ・4,000以上のドメインからなるWebプール、そしてゼロから構築したデスクトップOS制御です。

ベンダー自身の数字は、すべてモデルカードとその技術報告書からのものです：

• GUIグラウンディング — ScreenSpot-Pro 73.0、VenusBench-GD 77.1、OSWorld-G-R 78.5、UI-Vision 53.2。

• モバイルエージェント — AndroidWorld 80.2、MobileWorld は標準ステップで65.8、100ステップの予算で75.2、MobileGym 52.7、VenusBench-Mobile 46.5、KnowUBench 56.5、MemGUI 62.6。

• デスクトップ — OSWorld-Verified 70.8、DeskCraft 48.0、そして OSWorld 2.0 は、150ステップの予算下で108タスクにわたり、二値精度0.0、部分スコア7.5でした。このゼロは注意深く読む価値があります。これは厳格な二値指標であり、誤植ではありません。

• Web — WebVoyager 90.8、Online-Mind2Web 74.0、REAL 76.9、Odysseys 77.3（平均）、完全正解 62.0。

• 安全性 — OSHarm では攻撃成功率 11.3%、OSBlind では 48.8% であり、Qwen3.5-9B ベースの 25.3% および 79.4% に対して改善しています。

独立した検証が1つ存在する。2026年10月に公開された診断ベンチマークPointerBenchは、UI-Venus-2-9BをSheets 64.2、Text 25.8、Pro 73.6、平均54.5と採点し、ネイティブGUIグラウンディングの最強の専門モデルと評する一方で、テキストレベルのグラウンディングを最も弱い領域として指摘している。これは異なるタスク構成における第三者による結果であり、有益な修正材料となる。ScreenSpot-Proの見出しの数字が全体像ではないのだ。

Molmo2-4Bとは実際何なのか

点出力を備えた汎用視覚言語モデル。パラメータ数は4,850,869,200、Qwen3-4B-Instruct-2507上のSigLIP 2 so400mビジョンタワー、36,864ポジション、4シャード構成でfloat32の重み19.42 GB。画像、複数画像、動画を扱い、画像の幅と高さに対して0～1000にスケーリングされた座標を返し、入力が動画の場合はタイムスタンプも返します。ベンダー集計は15の学術ベンチマークで62.8です。

それが持っていないのは、公開されたGUIスコアである。Molmo2-4Bは、UI-Venus技術レポートの表にも、PointerBench評価にも、自身のモデルカード上のScreenSpot-Pro結果にも現れない。Molmoファミリーで最も近いGUI数値は別モデルのものである。2026年3月のMolmoPointシリーズにおける8BのGUI特化ファインチューンであるMolmoPoint-GUI-8Bは、ScreenSpot-Proで61.1を報告している。それをMolmo2-4Bの結果として引用するのはカテゴリー錯誤であり、これら2つを比較する際に読者が犯す最も可能性の高い単一の誤りである。

重複は、その名称が示唆するよりも小さい

• サイズ — Molmo2-4B は 4.85B の dense であるのに対し、Qwen3.5-9B から初期化された 9B の dense モデル。

• 入力 — Molmo2-4B には画像、複数画像、動画。UI-Venus-2-9B にはスクリーンショット。これをループで実行し、前回のアクションをフィードバックする。

• 出力 — Molmo2-4B では正規化座標による疎な点群、UI-Venus-2-9B では構造化されたアクション。これはハーネスによって解析され、その後デバイスを駆動する。

• 強み — Molmo2-4B では自然画像・動画のグラウンディング、計数、追跡。UI-Venus-2-9B では高解像度インターフェース上での要素のローカライズと多段階ナビゲーション。

• 公開されているGUIグラウンディング — Molmo2-4Bについては該当なし、UI-Venus-2-9BについてはScreenSpot-Pro 73.0。

• ライセンス — Molmo2-4B は Apache 2.0 の重みで、第三者データに関する注意事項があります。UI-Venus-2-9B のモデルカードにはライセンス欄が一切公開されておらず、これは商用利用の前に解消すべきギャップです。

その最後の行は些細な点ではない。Qwen3.5-9B 由来の 9B モデルで、モデルカードにライセンス欄がないものは、README だけを根拠に法務レビューが承認できるものではない。カード自体のメタデータも助けにならない。Safetensors バッジには「1.47M params」とあるが、これはこれほど大きなチェックポイントのサイズとして妥当ではなく、シャードメタデータの不具合のように見える。これを前提に計画を立てる前に、両方についてメンテナーに確認してほしい。

Molmo シリーズの GUI グラウンディングが必要なら

正直な選択肢はMolmo2-4Bではない。Ai2自身のGUIに関する取り組みはMolmoPointファミリーにあり、MolmoPoint-GUI-8BはScreenSpot-Proで61.1を報告しているのに対し、UI-Venus-2-9Bは73.0であり、少なくともこの2つの数値は同じベンチマークに由来している。それでもなお、この比較はクロスハーネスである。アクションスキャフォールドが異なり、スクリーンショットの前処理も異なり、UI-Venusの場合は直接的なポイントローカライゼーションのために推論を無効化し温度をゼロに設定するという、文書化された前提がある。ハーネスの選択にこれほど敏感なベンチマークにおける12ポイントの差は、判定ではなくシグナルである。

Molmo2-4Bがエージェントスタックで実際に得意とするのは、ボタンではない知覚ステップだ。カメラフレーム内でユーザーが説明した物体を見つけること、動画全体でそれを指し示すこと、インスタンスを数えること、何かを時間を通じて追跡すること——これらはモデルが訓練された出力であり、そのどれも4Kスクリーンショット上のUI要素ではない。チームはしばしば両方の種類のモデルを動かすことになる。インターフェース用の専門モデルと、シーン用の汎用モデルだ。

これはモデリングの問題というより、ルーティングの問題です。2つのモデルは出力契約が互換性を持たず、ハードウェアプロファイルも異なります。それらを両方にまたがる単一のキーで運用すること — 一方のエンドポイントが劣化した際のフェイルオーバーを備え、プロバイダーの定価に対する上乗せもない — は、ビジョンとは無関係なスタックの部分を取り除きます。また、これらのモデルがいずれも OrcaRouter のカタログにないこともはっきり言っておく価値があります。どちらも自分でホストする重みであり、ルーティング層はそれらの下ではなく周囲に位置します。

短いバージョン

タスクが「このアプリを操作する」ことなら、UI-Venus-2-9Bが専門モデルであり、そのベンチマークでMolmo2-4Bに見るべきものは何もない。タスクが「この写真やこの動画の中の対象を指し示す」ことなら、UI-Venus-2-9Bに見るべきものは何もなく、Molmo2-4Bこそがこの比較が存在する理由だ。そして、本当に求めていたのが安価に動かせる小型GUIモデルだったなら、正しい比較は決してこの組み合わせではなかった——2BのUI-Venus-1.5-2Bと、その隣に収まるコンパクトな汎用モデルとの比較だったのだ。