Molmo2-4B vs LFM2.5-VL-3B: 19GB의 가중치, 3GB의 휴대폰에 맞서다

디스크에서 두 체크포인트를 나란히 놓으면 비교는 시작하기도 전에 거의 끝납니다. Molmo2-4B는 float32 safetensors 19.42GB로, 네 개의 샤드로 나뉘어 제공됩니다. LFM2.5-VL-3B의 네이티브 저장소는 총 6.27GB이며, Liquid 자체 카드에서는 "3.3GB 미만의 메모리"에서 실행된다고 약속합니다. 더 작은 모델을 양자화하면, 서로 교체 가능한 소형 비전-언어 모델인 것처럼 논의되는 두 모델의 메모리 점유량 차이는 대략 6대 1입니다. 두 모델은 서로 교체 가능하지 않으며, 그 이유는 품질이 아닙니다. 둘 중 하나는 384프레임 동영상에 관한 질문에 답하도록 만들어졌습니다. 다른 하나는 무선 통신을 꺼둔 휴대폰의 사진에 관한 질문에 답하도록 만들어졌습니다. 두 모델 모두 여기에서 호스팅되지 않으므로, 플랫폼의 역할은 주변 스택입니다. 0% 마크업 가격 제공업체의 정가는 변경 없이 그대로 전달됩니다.

두 모델 모두 새로운 모델이 아니며, 검색 결과 페이지에서 다른 인상을 받고 오셨다면 이 점이 중요합니다. Molmo2-4B는 Allen Institute for AI가 2025년 12월 11일에 발표했고 가중치는 12월 14일에 공개되었습니다. LFM2.5-VL-3B는 Liquid AI가 2026년 8월 12일에 출시했습니다. 최근 달라진 점은 출시보다 범위가 좁고 더 유용합니다. Molmo2가 업스트림 Transformers에서 일급 아키텍처가 된 것입니다. PR #43451이 2026년 10월 9일에 병합되었고 모델은 10월 15일 v5.20.0에 처음 포함되어, trust_remote_code=True를 전달하고 별도의 molmo_utils 패키지를 설치해야 했던 시기가 끝났습니다. 11월 5일 Ai2는 이 정확한 체크포인트를 기반으로 구축된 로봇공학 파인튜닝 모델 Molmo2-4B-tb도 공개했습니다. 두 사건 모두 Molmo2-4B를 새롭게 만들지는 않습니다. 둘 다 이를 새롭게 실용적으로 실행할 수 있게 합니다.

메모리 문제를 형용사가 아닌 숫자로

크기를 먼저 봐야 합니다. 대부분의 배포는 벤치마크를 단 하나도 참고하기 전에 크기로 결정되기 때문입니다.

• 매개변수 — Molmo2-4B는 SigLIP 2 비전 타워와 Qwen3-4B-Instruct-2507 언어 코어 전반에 걸쳐 4,850,869,200개이며, LFM2.5-VL-3B는 SigLIP2 NaFlex 400M 인코더와 2.6B LFM2.5 백본 전반에 걸쳐 3,123,483,888개입니다.

• 배포되는 가중치 형식 — Molmo2-4B는 float32로 배포되며 디스크상 19.42GB, 4개 샤드로 구성됩니다. LFM2.5-VL-3B는 bfloat16으로 6.27GB에 배포되며, 공식 GGUF, ONNX, MLX 내보내기 파일도 함께 공개됩니다.

• 명시된 런타임 풋프린트 — Liquid는 추론 시 LFM2.5-VL-3B가 3.3GB 미만이라고 주장합니다. AI2는 Molmo2-4B에 대한 런타임 메모리 수치를 공개하지 않았으며, float32 배포본이라는 점은 서빙 전에 캐스팅을 해야 한다는 뜻입니다.

• 처리량 — Liquid는 Apple M5 Max에서 초당 228토큰, AMD Ryzen AI Max+ 395에서 초당 116토큰, Galaxy S26 Ultra에서 초당 20토큰을 보고합니다. Molmo2-4B의 경우 어떤 크기에서도 이에 상응하는 공개 수치가 없습니다.

• 컨텍스트 — LFM2.5-VL-3B의 경우 32,768 토큰, Molmo2-4B의 텍스트 구성에서는 36,864 포지션으로, 384 프레임에서의 전용 장문맥 파인튜닝 단계를 통해 도달합니다.

마지막 쌍은 비교라기보다는 단서가 필요하다. Molmo2-4B의 36,864는 시퀀스 길이 예산으로, 비디오 파이프라인이 이를 빠르게 소진한다. 공개된 비디오 전처리기는 기본적으로 2 fps에서 384프레임을 사용하며, 378×378로 크기 조정되고 3×3 풀링이 적용된다. 긴 클립은 프레임만으로 전체 윈도를 소비해 질문에 남는 여유가 거의 없을 수 있다. LFM2.5-VL-3B의 32,768은 텍스트와 이미지 패치에 쓰이는데, 비디오 경로가 전혀 없기 때문이다.

비디오는 벤치마크 표가 아니라 분수령이다

LFM2.5-VL-3B는 텍스트와 이미지를 처리합니다. 그것이 입력의 전부입니다. 이 모델은 원래 목적에 매우 뛰어납니다. 레이아웃 주석이 포함된 전체 페이지 OCR, 자연어 질의를 통한 객체 탐지, 화면 읽기, 그리고 기기에서의 준실시간 작업이 그렇습니다. 하지만 동영상은 입력 대상이 아니며, 아무리 프롬프트 엔지니어링을 해도 이 사실은 바뀌지 않습니다.

Molmo2-4B는 반대 방향으로 구축되었다. Ai2의 모델 카드에는 아홉 개의 훈련 세트가 나열되어 있으며, 그중 다섯 개는 비디오 또는 다중 이미지 세트다: 비디오 캡셔닝 QA, 비디오 자막 QA, 비디오 포인팅, 비디오 추적, 다중 이미지 QA, 다중 이미지 포인팅. 포인팅 출력이 특이한 부분이다. 좌표는 이미지 너비와 높이의 0–1000으로 스케일링되어 반환되며, 카드에서 정규식을 제공하는 태그 형식으로 되어 있어 "배가 어디 있나요"에 대한 답이 문장이 아니라 숫자 좌표점이 된다. 같은 형식이 비디오 모드에서는 타임스탬프를 담고 있으며, 이것이 프레임 수준 추적을 가능하게 한다.

당신의 작업이 스크린샷, 스캔한 페이지, 선반이나 메뉴의 사진이라면 그런 것들은 전혀 문제가 되지 않으며, 3GB 모델이 단순히 더 나은 엔지니어링 선택입니다. 당신의 작업이 "상자가 팔레트에서 떨어지는 순간을 찾아라"라면, LFM2.5-VL-3B는 비교 대상에 들어올 수 없습니다.

서로 빼서는 안 되는 두 공급업체 평균

대부분의 비교 페이지가 잘못되는 지점이 바로 여기입니다. Liquid는 28개 벤치마크로 구성된 비전 표에서 LFM2.5-VL-3B의 평균을 69.4로 보고합니다. AI2는 15개 학술 벤치마크에서 Molmo2-4B의 평균을 62.8로 보고합니다. 이 두 숫자를 나란히 놓으면 LFM2.5-VL-3B가 6.6점 더 나아 보입니다. 하지만 이는 타당한 비교가 아닙니다. 벤치마크 세트도 다르고, 프롬프트 형식도 다르고, 디코딩 설정도 다르며, Liquid의 경우에는 자사 저자들이 직접 선택한 벤치마크 모음이기 때문입니다.

각 공급업체가 실제로 보고하는 내용과 그 출처 정보를 함께:

• LFM2.5-VL-3B, 벤더 보고 기준 — DocVQA 91.1, RefCOCO 평균 87.9, CountBenchQA 87.3, OCRBench v1 84.2, TextVQA 84.3, MMBench 81.0, SEED-Bench 이미지 77.7, ScreenSpot-v2 Web 82.2, MMStar 63.3, MMMU 48.4, MMMU-Pro 30.5, MathVista mini 68.5.

• Molmo2-4B, 벤더 보고 기준 — 15개 학술 벤치마크에서 평균 62.8로, 같은 표에서 8B 형제 모델의 63.1, Qwen3-VL-4B의 58.1, InternVL3.5-4B의 53.4, Claude Sonnet 4.5의 59.6, Gemini 3 Pro의 70.0, GPT-5의 70.6과 비교됩니다.

• 어느 벤더도 어디에도 보고하지 않음 — 공통 하네스. 두 회사 모두 Liquid의 28개 벤치마크 스위트에서 Molmo2-4B 결과를, AI2의 15개 벤치마크 표에서 LFM2.5-VL-3B 결과를 발표하지 않았다.

진정으로 비교 가능한 유일한 축은 모델 크기이며, 그 축에서는 4.85B 모델이 AI2 자체 평균에서 3.12B 모델을 앞서지만 배포 풋프린트에서는 크게 뒤진다. 분명히 말하자면, 그것이 바로 그 트레이드오프다.

라이선스: 둘 다 겉보기에는 Apache-2.0처럼 보이지만 실제로는 아닙니다

두 카드 모두 허용적으로 들리는 라벨을 달고 있으며, 둘 다 구매 검토자가 발견하게 될 함정이 있습니다.

• Molmo2-4B — 가중치는 Apache 2.0에 따라 배포되지만, 모델 카드에는 모델이 "학술 및 비상업적 연구 용도로만 사용할 수 있는 제3자 데이터셋으로 학습되었다"라고 덧붙여 있으며, 모델이 적합한지 결정하기 전에 해당 출처를 검토하라고 안내한다. 가중치는 공개되어 있지만 데이터 계보는 상업적 사용에 깨끗하지 않으며, Ai2는 이를 각주가 아닌 카드에 명시한다.

• LFM2.5-VL-3B — LFM Open License v1.0은 OSI 라이선스가 아닙니다. 상업적 사용은 조건부로 허용됩니다. 제5조는 상업적 권리를 귀하의 법인이 정의된 임계값 미만에 머무는 것에 조건부로 하며, 라이선스는 해당 임계값을 연간 매출 1,000만 미국 달러 이상으로 정의합니다.

연구와 인접한 공개에서는 두 제한 모두 특별한 것이 아니다. 두 제한은 "이걸 출시할 수 있는가"라는 질문에 대해 2인 프로토타입과 자금이 있는 회사가 서로 다른 답을 내리게 하며, 선택한 모델에 따라 그 두 답이 정반대를 가리킨다.

오늘 둘 중 하나를 실행하기

Molmo2-4B의 자체 모델 카드는 이제 라이브러리보다 뒤처져 있습니다. 여전히 transformers==4.57.1을 설치하고, trust_remote_code=True를 전달하며, molmo_utils와 decord2를 설치하라고 안내합니다. 그 방법은 여전히 작동합니다. 하지만 더 이상 유일한 방법도 아닙니다. v5.20.0부터 기본 Transformers에는 자체 구성, 이미지 프로세서, 비디오 프로세서 및 프로세서를 갖춘 Molmo2ForConditionalGeneration 클래스가 포함되어 있어 원격 코드 경로는 필수가 아니라 선택 사항입니다. vLLM은 출시 직후부터 자체 모델 클래스로 Molmo2 지원을 제공해 왔습니다. AI2의 플랫폼 문서는 여전히 안정 릴리스가 아닌 nightly 휠을 가리키고 있으므로, 프로덕션에서 버전을 고정하기 전에 알아두는 것이 좋습니다.

LFM2.5-VL-3B는 둘 중 더 성숙한 배포 환경을 갖추고 있으며, 그 격차는 크다. 네이티브 가중치에 더해 GGUF, ONNX, MLX 내보내기를 지원하고, llama.cpp, vLLM, SGLang이 모두 지원 대상으로 명시되어 있으며, 세 가지 서로 다른 소비자용 하드웨어에서 처리량도 공개되어 있다. 목표가 노트북, 휴대폰 또는 싱글보드 컴퓨터라면, 그 생태계가 곧 제품이다.

이 둘 사이를 라우팅할 계획이 있는 분께 드리는 실용적인 참고 사항: 두 모델 모두 OrcaRouter 카탈로그에 없으며, 이런 비교를 가용성 주장으로 읽는 것은 잘못입니다. 플랫폼이 실제로 제공하는 것은 200개가 넘는 모델을 위한 하나의 API와, 이 둘 같은 자체 호스팅 배포를 함께 제공하며, 자동 장애 조치와 공급자의 자체 정가를 마크업 없이 그대로 전달합니다. 일반적인 패턴은 지연에 민감한 경로에는 작은 비전 모델을 로컬에 유지하고 더 어렵고 드문 요청은 외부로 라우팅하는 것이며, 어느 쪽을 선택하기 전에 실제 트래픽으로 그 분리를 입증하는 것입니다.

어느 걸 고를까?

배포 대상이 휴대폰, 노트북 또는 엣지 박스라면, 입력이 스크린샷, 문서 또는 단일 사진이라면, 첫 토큰 지연 시간이 1초 미만이어야 한다면, 또는 이미 존재하는 양자화 형식 중 하나가 필요하다면 LFM2.5-VL-3B를 선택하세요. 16개 언어 지원과 ScreenSpot-v2 수치는 특히 온디바이스 화면 이해 분야에서 이 모델을 합리적인 선택으로 만들어 줍니다.

비디오가 범위에 포함되거나, 산문이 아닌 좌표가 필요하거나, 일련의 프레임에 대한 다중 이미지 추론이 필요하거나, 장면 속 객체 수를 세는 작업이라면 Molmo2-4B를 선택하세요. AI2의 자체 비교에서는 Molmo2 계열을 비디오 객체 계수 부문에서 오픈 웨이트 분야 최상위에 올리면서도, 평가에 포함된 어떤 모델도 40% 정확도에 도달하지 못한다는 점을 인정합니다. 리소스 요구량을 감안하세요: float32 가중치 19.42 GB, 서빙 전 bfloat16으로의 캐스팅, 그리고 휴대폰이 아닌 GPU가 필요합니다.

이 문제를 제대로 정리하려면 동일한 하네스에서, 양자화 조건을 맞추고, 같은 기기에서 지연 시간을 측정한 공동 평가가 필요하다. 어느 공급업체도 이런 평가를 공개하지 않았으며, 누군가 공개하기 전까지 솔직한 답은 이 두 모델이 서로 다른 작업을 위해 설계되었고 벤치마크는 애초에 서로 비교될 운명이 아니었다는 것이다.