LFM3-Omni-2B vs Moondream 3: één gemeenschappelijke benchmark, twee verschillende taken

Zet LFM3-Omni-2B en Moondream 3 naast elkaar en de specsheets lijken wel broers en zussen. Beide zijn kleine multimodale modellen gericht op telefoons, laptops, camera's en robots. Beide hebben een context van 32K. Beide zetten bij elke token ongeveer twee miljard parameters aan het werk. Beide worden geleverd met open gewichten die je vandaag kunt downloaden. Zoek je naar een rechtstreekse vergelijking tussen hen, dan vind je niets, en dat is precies waarom de combinatie steeds opnieuw wordt gemaakt.

Dan lees je de twee modelkaarten zorgvuldig en valt de overeenkomst uiteen op een manier die makkelijk te controleren is. De enige benchmark die beide kaarten rapporteren is DocVQA, waar LFM3-Omni-2B 92,47 scoort en Moondream 3.1 9B A2B 88,6. Al het andere dat ze meten, overlapt niet. Het ene model retourneert gesproken zinnen. Het andere retourneert bounding boxes. Het zijn geen twee antwoorden op dezelfde vraag.

Een opmerking over de namen, want het overzicht is verwarrend. Moondream 3 Preview verscheen op 18 september 2025 en Moondream 3.1 9B A2B op 7 juli 2026; elk Moondream-getal in dit stuk komt van de 3.1-kaart, het checkpoint dat je kunt downloaden. LFM3-Omni-2B werd op 27 oktober 2026 gepubliceerd als een van zes modellen in de LFM3-familie van Liquid AI. Beide zijn gloednieuw in de enige zin die hier telt: geen van beide is geëvalueerd door iemand buiten het bedrijf dat ze heeft gebouwd.

Wat elk model daadwerkelijk retourneert

The deepest difference is not parameter count. It is the output contract.

Moondream 3.1 biedt vijf vaardigheden met vaste vormen: query, caption, detect, point en segment. Detectie retourneert maximaal 200 boxen, point maximaal 64 punten, segmentatie maximaal 50 COCO-RLE-maskers, allemaal in genormaliseerde coördinaten van 0–1 als JSON. Het is een ruimtelijk meetinstrument met een smalle, voorspelbare interface. Je kunt de uitvoer rechtstreeks aansluiten op een UI-automaat of een robotplanner zonder een LLM-parseringslaag, omdat de uitvoer al gestructureerd is.

LFM3-Omni-2B heeft geen dergelijk contract. Het accepteert tekst, afbeeldingen, video met of zonder soundtrack, en audio van 16 kHz, en het genereert tekst, spraak van 24 kHz, of beide interleaved. Er is geen uitvoerpad voor coördinaten. Als je er een locatie uit wilt halen, vraag je er in proza naar en parse je het antwoord, wat een andere betrouwbaarheidsklasse is dan een schema dat een box garandeert.

Dat ene verschil bepaalt meer deployments dan welke benchmarkrij dan ook. Het ene model-ID door het andere vervangen is geen migratie. Het is een herschrijving van alles wat de respons verwerkt.

Het specificatieblad, naast elkaar

• Parameters — 2,17 miljard in totaal voor LFM3-Omni-2B, volledig resident en rekenend, tegenover 9,0 miljard in totaal voor Moondream 3.1 met 2,0 miljard actief per token.

• Geheugen in rust — ongeveer 4,4 GB in BF16 op basis van rekenwerk met 2,17 miljard parameters versus ongeveer 18 GB in FP16, ongeveer 6 GB in community-INT4, en een NVIDIA-ondergrens van 10 GB voor de meegeleverde fp8-build.

• Invoer — tekst, afbeeldingen, video aan 2 fps met of zonder audio, en 16 kHz spraak versus alleen afbeeldingen en tekst.

• Uitvoer — tekst, 24 kHz-spraak, of interleaved vs. tekst, JSON, genormaliseerde coördinaten en maskers.

• Context — 32.768 tokens, waarbij invoer plus uitvoer worden meegeteld, tegenover 32.768 teksttokens plus maximaal 12 afbeeldingstegels, ongeveer 2.304 vision-tokens.

• Vision-budget — tot 2.048 tokens per afbeelding op native resolutie versus adaptieve tegelindeling tot 12 uitsneden bij 384–1024 px.

• Licentie — LFM Open License v1.0: commercieel gebruik alleen gelicentieerd bij een jaaromzet onder $10M, tegenover Moondream Model License 1.0: commercieel gebruik bij elke omvang, maar geen algemene gehoste dienst.

• Gepubliceerd — 27 oktober 2026 vs 7 juli 2026, waarbij de 3 Preview-tak teruggaat tot 18 september 2025.

De geheugenrij is degene die mensen overslaan, en op een edge-apparaat is die het hele argument. Moondreams 2B actieve parameters maken het per token net zo goedkoop als LFM3-Omni-2B, maar het totaal van 9B maakt het bij dezelfde precisie tot vier keer groter qua geheugen. Actieve parameters bepalen de rekenlast. Totaalparameters bepalen of het geheel past. Een model dat even snel draait maar 18 GB nodig heeft, dingt niet mee naar hetzelfde hardwareslot als een model dat in 4,4 GB past.

De enige benchmark die ze allebei rapporteren

DocVQA is vraagbeantwoording over documenten, gescoord met ANLS, en op de twee modelkaarten staat 92,47 voor LFM3-Omni-2B tegenover 88,6 voor Moondream 3.1. Het omni-model ligt 3,87 punten voor op het eigen terrein van de visionspecialist.

Dat resultaat moet met drie voorbehouden worden gelezen, die alle drie zwaarwegend zijn. Beide cijfers zijn zelfgerapporteerd door de labs die de modellen hebben gebouwd. Geen van beide labs heeft zijn evaluatieharness, promptformaat of steekproefselectie gepubliceerd. En een verschil van 3,87 punten op een benchmark met zo veel variatie tussen harnesses is eerder suggestief dan beslissend. Wat de rij wel aantoont, is beperkter en nog steeds nuttig: LFM3-Omni-2B gaat niet ten onder aan dichte documenttekst, precies de taak waarvan je zou verwachten dat een any-to-any-model van 2,17B die verliest.

Trek dezelfde interpretatie niet door naar grounding. LFM3-Omni-2B rapporteert RefCOCO op 73,55 en Moondream 3.1 rapporteert RefCOCO-M op 87,1, en dat zijn niet dezelfde meting. De kaart van Liquid vermeldt dat boxes in het oorspronkelijke coördinatenformaat van elk model worden gelezen; Moondream rapporteert F1 bij een IoU-drempel van 0,5. Het ene van het andere aftrekken levert een getal op dat niets betekent. De eerlijke bewering is dat de kaart van Moondream rond grounding is opgebouwd en dat Liquid het als één rij van de zeventien behandelt.

Waar Moondream 3 niet in de buurt komt

Een deel daarvan is een rapportagekeuze in plaats van een capaciteitskloof, en het loont om precies te zijn over welk deel. Een omni-model van 2,17B kan vrijwel zeker een ruwe regio lokaliseren als je het er in woorden naar vraagt. Wat het niet kan, is 200 boxes teruggeven in een schema met een begrensd foutpercentage, omdat niets in zijn training of zijn uitvoerformaat daarvoor is gebouwd. Het hele product van Moondream is de garantie dat de coördinaten terugkomen in een parseerbare vorm. Die garantie is wat je koopt, en geen enkele benchmarkregel van een ander lab meet die.

Dezelfde logica werkt omgekeerd voor latentie. Moondream levert Photon, een inferentie-engine die het model compileert tot één GPU-programma, en de leverancier claimt ongeveer 34 verzoeken per seconde bij batch 16 op een H100 met een P50 van 59 ms. Dat zijn cijfers van de leverancier, niet gereproduceerd, maar de engineering erachter is specifiek voor één model. LFM3-Omni-2B heeft nog geen equivalente serving-oplossing.

Waar LFM3-Omni-2B niet in de buurt komt

Moondream 3.1 heeft geen audiopad. Niet een zwakkere — geen. De invoer is een afbeelding en tekst, punt uit. Dus elke audioregel op de Liquid-kaart is onbetwist: Engelse ASR-woordfoutpercentage 6,36, meertalige ASR 6,72, Engelse TTS UTMOSv2 3,80, VoiceBench 64,73, MMAR 51,40, en een interne tool-calling-evaluatie op 52,20.

De cijfers voor video met soundtrack zijn degenen die eruit springen, want ze zijn de reden dat het model bestaat. Daily-Omni 70,09, WorldSense 47,10, AV-SpeakerBench 46,79 — allemaal gemeten op video met bijbehorende audiotrack, nauwkeurigheid bij meerkeuzevragen, allemaal zelfgerapporteerd. Liquid beweert dat deze Qwen2.5-Omni-7B en modellen tot 10,7 miljard parameters verslaan, en in hun eigen tabel doen ze dat: Qwen2.5-Omni-7B scoort 61,32, 45,37 en 43,24 op dezelfde drie rijen.

Eén detail op die kaart verdient meer aandacht dan het kreeg. Liquid rapporteert dezelfde visiebenchmarks twee keer: één keer met de vraag getypt, één keer met de vraag uitgesproken. RealWorldQA daalt van 66,54 naar 64,68, MMStar van 55,67 naar 51,79, POPE van 89,34 naar 83,78. De vraag door de audio-encoder sturen kost tussen twee en zes punten, afhankelijk van de taak. Dat is de prijs van het spraakpad, ronduit gezegd, en het is een nuttiger getal dan welke afzonderlijke hoofdscore dan ook.

Wat gebeurt er met Moondream 3 op 13 november?

Dit is het deel van de vergelijking dat een deadline heeft. Prime Intellect kondigde op 13 oktober 2026 aan dat het Moondream overnam, en Moondream bevestigde dit op 14 oktober. In het bericht staat dat op 13 november 2026, dertig dagen na de aankondiging, de Moondream Cloud — zowel gehoste inferentie als het fine-tuningproduct Lens — wordt stopgezet. Niet-gebruikte gekochte credits worden terugbetaald, en klanten worden doorverwezen naar het eigen inferentieplatform van de overnemende partij.

Er volgen drie dingen, en alleen het eerste is prettig. De open weights blijven bestaan en de licentie is ongewijzigd, dus self-hosting wordt niet beïnvloed. Photon draait lokaal kosteloos op versie 1.3.0 en later zonder API-sleutel. Wat niet netjes overleeft, is Lens: fijn-afgestelde checkpoints en LoRA's staan server-side, en er is geen gedocumenteerd exportpad. Als je product afhankelijk is van een Lens-fijnafstelling, is de migratie geen configuratiewijziging, en zestien dagen is niet veel tijd om dat te ontdekken.

Er is een kleinere eigenaardigheid die het vermelden waard is voor iedereen die deze week bronnen controleert. Op de prijzenpagina van Moondream staan nog steeds Cloud-abonnementen, tarieven per token en een Team-tier van $350 per maand, en er staat niets over de stopzetting. De aankondiging staat op een andere pagina. Een lezer die op 28 oktober alleen de prijzenpagina controleert, zou niet weten dat de dienst over zestien dagen eindigt.

Wat elk ervan kost om te laten draaien

Moondream publiceert tokentariffen: $0,30 per miljoen inputtokens en $1,00 per miljoen output op de realtime-laag, gehalveerd naar $0,15 en $0,50 bij batch. LFM3-Omni-2B publiceert helemaal geen gehost tarief. Liquid zegt dat de familie beschikbaar is op zijn Playground en API, maar het lanceringsbericht bevat geen prijs, en de modelkaart bevat geen prijs. Die asymmetrie is het kostenverhaal.

Voer de Moondream-rekensom uit voor een realistische aanroep. Eén afbeelding kost tot 2.304 vision-tokens bij volledige tiling; tel daar een prompt van 50 tokens en 100 output-tokens bij op, en één aanroep is 2.354 input-tokens en 100 output-tokens, oftewel ongeveer $0,0008. Bij 10.000 aanroepen per dag is dat ruwweg $8 per dag, of $242 per maand, dalend naar ongeveer $121 per maand op de batch-laag. Of dat goedkoop is, hangt volledig af van wat je anders aan hardware zou uitgeven, en dat is de vergelijking waartoe LFM3-Omni-2B je dwingt, omdat het je geen prijs per token geeft om ertegen af te wegen.

Op je eigen hardware keert de rekensom zich om. LFM3-Omni-2B is ongeveer 4,4 GB aan gewichten in BF16 vóór activaties, de audiodecoder en de KV-cache — een berekening op basis van het aantal parameters, geen gemeten voetafdruk, aangezien de kaart geen geheugencijfer publiceert. Moondream 3.1 wil een NVIDIA-kaart van 10 GB voor de geleverde build, of ongeveer 6 GB met een community-INT4-kwantisering. Het ene model draait op een telefoon. Het andere draait op een Jetson Orin of beter.

OrcaRouter is hier alleen een zin waard omdat de eerlijke versie beperkt is: noch LFM3-Omni-2B noch Moondream 3 staat in onze catalogus, en niets in dit artikel beweert dat we een van beide aanbieden. Wat we wel routeren is de gehoste vision-tier — Qwen3-VL-8B bijvoorbeeld — met lijstprijs van de provider doorberekend tegen 0% opslag en automatische failover tussen upstreams. Als de zelfhosting-berekening hierboven is wat je doet aarzelen, dan is dat de optie die de vergelijking buiten beschouwing laat, en het is een andere aankoop, niet een betere.

De licentie kan eerder beslissen dan de benchmark.

De twee licenties beperken verschillende dingen, en welke van de twee bijt, hangt ervan af hoe je bedrijf eruitziet.

LFM Open License v1.0 definieert een drempel van $10,000,000 aan jaarlijkse omzet. Daaronder is commercieel gebruik zonder meer gelicentieerd. Daarboven stelt sectie 5 duidelijk dat commercieel gebruik van het werk of een afgeleide daarvan helemaal niet onder de overeenkomst is gelicentieerd. Een startup kan dus gratis een product op LFM3-Omni-2B bouwen, en een bedrijf boven de drempel kan dat niet zonder een afzonderlijke overeenkomst — ongeacht hoe goed het model is.

Moondream Model License 1.0 heeft geen omzetdrempel. De licentie staat commercieel gebruik toe in elke omvang, self-hosting, fine-tuning, kwantisatie en herdistributie, en verbiedt één specifieke bedrijfsactiviteit: het aanbieden van een algemene gehoste modelservice voor het model of een afgeleide daarvan zonder een afzonderlijke schriftelijke commerciële licentie. Moondream inbedden in een specifieker product is toegestaan. Het doorverkopen van algemene inference op basis daarvan is niet toegestaan.

Samen gelezen zijn de twee documenten bijna complementair. Liquid bepaalt de toegang op basis van wie je bent; Moondream bepaalt de toegang op basis van wat je verkoopt. Een groot bedrijf dat een gehost inferentieproduct plant, wordt door beide op verschillende manieren geblokkeerd.

Wie moet welke kiezen

Kies Moondream 3.1 als het product coördinaten nodig heeft. Schermautomatisering, robotica, audits van winkelschappen, tellen, alles waarbij het antwoord een box, een punt of een masker is en het volgende systeem het programmatisch consumeert. De totale footprint van 9B is de prijs van die garantie, en als je op hardware van de Jetson-klasse implementeert, is dat een prijs die je kunt betalen. Plan de hostingmigratie nu, niet in november.

Kies LFM3-Omni-2B als het product een persoon betreft die tegen een apparaat praat, of een apparaat dat een ruimte moet kunnen horen. Een kiosk die hardop antwoordt, een veldhulpmiddel waarbij de handen bezet zijn, een camera die een video met zijn soundtrack moet begrijpen, één checkpoint dat een ASR-model plus een VLM plus een TTS-model vervangt. De visiescores zijn respectabel in plaats van uitzonderlijk, de toolchain is een dag oud, en het spraakpad is de reden om beide te accepteren.

Kies nog geen van beide, als de beslissing bepalend is. Niets hier is onafhankelijk geëvalueerd. De tooling van LFM3-Omni-2B ontwikkelt zich snel — er is een Ollama-bibliotheekitem van 2,4 GB, en llama.cpp heeft er op 27 oktober ondersteuning voor samengevoegd, dezelfde dag dat de gewichten verschenen — maar de Ollama-vermelding komt momenteel op twee zichtbare punten niet overeen met de modelkaart: er staat een context van 125K en "Text, Image" als ondersteunde invoer tegenover 32K en vier modaliteiten op de kaart. Dat is een vermelding die nog niet is bijgewerkt, geen modeldefect, en het is het soort ding dat binnen een week wordt opgelost. Het is ook niets om deze week in productie te nemen.

Wat zou dit veranderen

Twee dingen. Een onafhankelijke evaluatie van LFM3-Omni-2B op de audio-visuele rijen zou uitmaken of de 70,09 op Daily-Omni standhoudt in een harness die het model niet zelf heeft gekozen, en dat is het enige getal waarop de hele omni-case rust. En een servingverhaal voor de spraaktak — de modelkaart documenteert tekstgeneratie in detail en zegt veel minder over hoe de audicodecoder op schaal wordt geserveerd — zou je vertellen of de pitch "één model vervangt vier" contact met een productie-implementatie overleeft.

Tot dan heeft de vergelijking een duidelijke vorm. Moondream 3 meet de wereld en geeft je getallen. LFM3-Omni-2B luistert ernaar en praat terug. De enige benchmark die ze delen is een documentleestest, en het omni-model wint die met minder dan vier punten. Dat is geen rivaliteit. Het is een herinnering eraan dat "2B multimodaal" een geheugenbudget beschrijft, geen taak.