WeVisOne-VL-4B vs LFM2.5-VL-3B: 매팅 전문가와 엣지 속도광의 대결

Liquid AI는 LFM2.5-VL-3B의 속도 수치를 공개했지만, Tencent는 WeVisOne-VL-4B에 대해 아무 수치도 공개하지 않았다. 어떤 벤치마크 표의 한 행보다도, 이 비대칭성이 바로 이번 맞대결의 핵심이다. LFM2.5-VL-3B는 한 번의 패스로 답하도록 튜닝된 3.1B 파라미터 엣지 모델로, Apple M5 Max에서 초당 228토큰, Galaxy S26 Ultra에서 초당 20토큰을 내며, 메모리는 3.3GB 미만을 사용하고 16개 언어를 지원한다. WeVisOne-VL-4B는 최대 1,960개의 시각 토큰과 960만 파라미터 디코더를 사용해 풀 해상도 알파 매트를 제공하는 4.83B 파라미터 지각 모델이다. 하나는 휴대폰 UI 안에 들어갈 만큼 빠르도록 만들어졌고, 다른 하나는 픽셀을 출력하도록 만들어졌다. 이 둘은 "vision"이라는 단어에서 겹칠 뿐, 거의 다른 어디에서도 겹치지 않는다.

그렇기 때문에 이 비교는 신중하게 수행할 가치가 있습니다. 왜냐하면 이 비교의 뻔한 방식 — 벤치마크 표를 나란히 놓고 승자를 선언하는 것 — 은 특정하고 교훈적인 방식으로 틀릴 것이기 때문입니다.

벤치마크 테이블은 서로 연동되지 않습니다.

두 모델 모두 지시 표현 수치를 공개하며, 두 수치는 비슷해 보인다. 하지만 그렇지 않다. LFM2.5-VL-3B는 RefCOCO-avg P@1 87.9를 보고한다. WeVisOne-VL-4B는 RefCOCOg test F1 mean 81.8을 보고한다. 데이터셋 분할도, 지표도, 실패 모델도 다르다. P@1은 최상위 순위 박스가 맞는지를 묻고, F1 mean은 IoU 임계값 0.5부터 0.95까지 전반에 걸쳐 정밀도와 재현율을 평균한다. 한 모델이 한쪽에서는 이기고 다른 쪽에서는 크게 질 수 있으며, 어느 결과도 놀랍지 않다.

같은 함정이 다른 모든 행에도 있습니다. ScreenSpot-v2에서 Liquid의 80.7은 UI 요소 그라운딩을 측정한 것이고, Tencent에는 ScreenSpot 수치가 없습니다. WeRef-Bench에서 Tencent의 96.4% 거부율은 객체가 없을 때 모델이 답변을 거부하는지를 측정한 것이며, Liquid는 거부 지표를 전혀 공개하지 않습니다. 어느 벤더도 상대 모델을 평가하지 않았으므로 두 표의 어느 행도 직접 비교가 아닙니다.

정직하게 말할 수 있는 것은 방향성에 관한 것이다. LFM2.5-VL-3B는 해당 크기에서 강력한 범용 모델이다 — Liquid 자체 집계 기준 28개 비전 벤치마크에서 평균 69.4로 Qwen3.5-4B와 0.7점 차이이며 — 이전 세대의 거의 0에서 80.7로 뛴 ScreenSpot-v2 향상은 자사 표에서 단일 최대 개선이다. WeVisOne-VL-4B는 그 축에서 경쟁하지 않는다. 가장 강한 주장은 밀집 소형 객체 탐지, 거부, 픽셀 수준 출력에 있으며, LFM2.5-VL-3B는 이 중 어느 것도 시도하지 않는다.

각 모델이 물리적으로 무엇인지

• 파라미터 — WeVisOne-VL-4B 4.83B dense(F32 체크포인트) vs LFM2.5-VL-3B 3.12B dense(BF16)

• 비전 경로 — Qwen3-VL 백본 + 9.6M 픽셀 디코더 vs LFM2.5-2.6B 하이브리드 컨볼루션-어텐션 텍스트 베이스 + SigLIP2 NaFlex 400M 인코더

• 메모리 — F32 4B 체크포인트의 경우 디스크에서 약 19GB인 반면, 3B의 총 점유 공간은 3.3GB 미만

• 맥락 — WeVisOne-VL-4B 대비 LFM2.5-VL-3B의 32,768토큰에 대해 공개된 수치는 없음

• 언어 — WeVisOne-VL-4B는 명시되지 않음, LFM2.5-VL-3B는 16개이며, 비라틴 문자용으로 구축된 128K 어휘를 갖춤

• 출력 유형 — 박스, 포인트, 마스크 및 알파 매트 vs 박스와 텍스트만

• 라이선스 — Tencent가 작성한 코드의 경우 Apache 2.0 대 LFM Open License v1.0

• 속도 — 미공개 vs M5 Max에서 228 tok/s, Ryzen AI Max+ 395에서 116 tok/s, Galaxy S26 Ultra에서 20 tok/s

실제로 그것을 결정하는 역량 격차

{{1}}LFM2.5-VL-3B{{/1}}는 이미지에서 사람이 어디에 있는지 알려줄 수 있습니다. {{2}}WeVisOne-VL-4B{{/2}}는 사람이 어디에 있는지 알려주고, 해당 인스턴스에 대한 이진 마스크를 반환하며, 머리카락, 털, 얇은 직물, 모션 블러 같은 부드러운 가장자리를 전체 해상도로 표현하는 연속 알파 매트를 반환합니다. 그것은 품질의 차이가 아니라 범주적 차이입니다. 제품이 피사체를 새 배경에 합성하거나, 제품 사진을 오려내거나, 화상 통화의 배경 교체를 구현해야 한다면, LFM2.5-VL-3B는 여러분에게 제공할 수 있는 것이 없으며, 아무리 많은 프롬프트 엔지니어링도 그것을 바꾸지 못합니다.

비교를 반대 방향으로 해 봐도 결과는 같다. 제품이 휴대폰 화면에서 버튼을 40밀리초 안에 찾아야 한다면, WeVisOne-VL-4B는 완전히 잘못된 선택이다. 이 모델은 4.83B 모델로, 공개된 지연 시간 수치도, 양자화된 엣지 빌드도 없고, 턴당 이미지 한 장을 전제로 하는 디코더를 갖고 있다. Liquid는 GGUF, MLX, ONNX 및 네이티브 빌드를 제공하며, 32K 컨텍스트와 도구 호출 벤치마크도 제공한다. Tencent는 연구용 추론 패키지와 vLLM/SGLang 서빙을 제공한다.

거절은 과소평가된 칼럼이다

Tencent의 표에 있는 한 가지 역량은 매팅을 전혀 다루지 않더라도 주목할 만합니다. WeRef-Bench에서 WeVisOne-VL-4B는 이미지에 없는 객체에 대한 질의를 96.4% 올바르게 거부했으며, 저자들이 나열한 최고 베이스라인은 73.0%였습니다. PR-Bench에서 거부율은 52.6%로, Qwen3-VL-4B의 10.8%와 대비됩니다. 이 모델은 상자를 만들어내는 대신 None을 반환합니다. 환각을 일으키는 탐지기는 탐지기가 없는 것보다 더 나쁩니다. 실패가 조용히 일어나고 다운스트림 코드가 이를 신뢰하기 때문입니다.

LFM2.5-VL-3B의 문서에는 거부 수치가 보고되어 있지 않아 비교할 대상이 없습니다. 바로 그 점이 핵심입니다. 증거의 부재가 실패는 아니지만, 무언가를 클릭할지 결정하는 에이전트를 만들고 있다면 측정된 거부율이 존재한다는 것은 Tencent 모델을 먼저 살펴볼 만한 실질적인 이유입니다.

라이선싱은 조용한 차별화 요소입니다

상업적으로 출시하는 누구에게나 중요한 방식으로 두 제품이 갈리는 지점입니다. WeVisOne-VL-4B의 가중치는 Tencent가 작성한 코드에 대해 Apache 2.0이며, 타사 구성 요소는 자체 조건을 유지합니다. LFM2.5-VL-3B는 LFM Open License v1.0으로 배포되는데, 이 라이선스는 수익 기준 미만에서는 상업적 사용이 무료이고 그 기준을 넘으면 상업 계약이 필요합니다. 작은 팀이라면 그 차이는 이론상의 차이일 뿐입니다. 그렇지 않다면 둘 중 하나는 법률 검토이고, 다른 하나는 의존성 파일의 한 줄입니다.

어느 라이선스도 호스팅 서비스를 부여하지 않습니다. WeVisOne-VL-4B에는 API가 전혀 없으며, LFM2.5-VL-3B는 가중치 릴리스이고 제3자 호스팅은 별도의 계약입니다. 이를 분명히 밝히는 것이 예전보다 더 중요해졌습니다. 엔드포인트가 없는 모델은 추론 스택을 직접 소유하겠다는 약속이기 때문입니다.

OrcaRouter가 적합한 경우와 그렇지 않은 경우

이 두 모델은 현재 OrcaRouter의 카탈로그에 없으므로, 여기에는 이들을 호출할 수 있는 경로가 없습니다. 플랫폼이 실제로 제공하는 것은 그 주변의 결정입니다. 3B 엣지 VLM을 평가하는 대부분의 팀은 한 모델을 다른 모델로 교체하는 것이 아니라 이미 프로덕션에 있는 범용 모델 옆에 두 번째 모델을 추가하는 것이며, 두 번째 벤더 계약, 두 번째 키, 두 번째 장애 모드에 따른 운영 비용 때문에 대개 모델이 문제가 되기 전에 실험이 중단됩니다.

두 인텐트를 하나의 엔드포인트로 라우팅하고, 하나의 키 뒤에 200개 이상의 모델을 제공업체 정가 대비 0% 마크업으로 연결하면, 인식 모델은 통합 프로젝트가 아니라 라우팅 결정이 될 수 있습니다. 엣지 모델을 사용할 수 없을 경우 자동 페일오버가 503을 반환하는 대신 요청을 다른 곳으로 보냅니다. 이것이 여기서 OrcaRouter가 실제로 해결하는 부분이며, 가중치와 GPU는 여전히 사용자의 것입니다.

어느 걸 고를까?

작업이 지연 시간에 민감하고 텍스트 중심이라면 — 화면 이해, UI 에이전트, 레이아웃을 포함한 문서 OCR, 온디바이스 번역, 도구 호출 — LFM2.5-VL-3B를 선택하세요. 동급 크기에서 거의 어떤 모델보다 빠르고, 휴대폰의 메모리 예산 안에서 실행되며, Liquid는 여러분이 자사 주장을 여러분의 워크로드와 비교해 타당성을 확인할 수 있을 만큼 충분한 수치를 공개했습니다.

작업이 픽셀 단위 결과물로 끝난다면 WeVisOne-VL-4B를 선택하세요. 세그멘테이션, 매팅, 작은 객체의 조밀한 검출, 또는 “모델이 아니라고 답했다”는 것이 신뢰할 수 있는 답이어야 하는 모든 파이프라인에 적합합니다. 얼리 어답터임을 받아들이세요: 독립적인 벤치마크 실행 결과는 없고, 호스팅 엔드포인트도 없으며, 파인튜닝 코드는 아직 TODO 목록에 있고, 논문은 나온 지 이틀밖에 되지 않았습니다.

절대 해서는 안 되는 한 가지는 단일 벤치마크 점수만으로 둘 중 하나를 고르는 것입니다. 누구도 동일한 데이터로 이 둘을 서로 비교 측정한 적이 없습니다.