LFM3-VL-2B vs UI-Venus 2.9B: De 2.9B die eigenlijk een 9B is

Er bestaat geen model dat UI-Venus 2.9B heet. Het checkpoint op inclusionAI/UI-Venus-2-9B is UI-Venus-2-9B — versie twee van de UI-Venus-agent van Ant Group, met 9 miljard parameters, gebouwd op Qwen3.5-9B. De mapnaam leest als een decimaalgetal en is dat niet. Tegenover LFM3-VL-2B met 1,92 miljard parameters maakt dit een vergelijking van 2B tegen 9B met het label 2B tegen 2B.

De fout is belangrijk omdat hij de vraag verandert. Als beide modellen ongeveer 2B waren, zou je benchmarkrijen vergelijken en het betere kiezen. Bij 9B versus 2B concurreert het kleinere model niet op dezelfde hardware, en het grotere is helemaal geen algemeen visiemodel. UI-Venus-2-9B is een GUI-agent die is getraind om telefoons, browsers en desktops via screenshots te bedienen. LFM3-VL-2B is een algemeen visie-taalmodel dat toevallig een GUI-categorie bevat onder zijn 62 benchmarks. De overlap is beperkter dan de naamgeving doet vermoeden.

Hoe de naam verminkt raakte

De naamgevingsconventie van Ant Group is familie-versie-grootte. UI-Venus-2-9B wordt geparseerd als UI-Venus, generatie 2, 9B parameters. Een catalogus of een radar die op koppeltekens splitst en naar een decimaalteken zoekt, leest "2-9" als "2,9", waardoor een 9B-model naast 2B-modellen wordt ingedeeld. Dezelfde conventie levert UI-Venus-2-27B op, het grotere broertje, en beide werden samen gepubliceerd eind augustus 2026.

Dit is geen cosmetische fout. Het parameteraantal is het eerste filter in elke deploymentbeslissing, en een lezer die een 2,9B-model verwacht aan te treffen, zal verrast worden door een BF16-checkpoint van 18,8 GB dat niet past op het apparaat dat hij voor ogen had. De metadata van de repository zelf zijn ondubbelzinnig: Qwen3.5-9B-architectuur, BF16, beeld-tekst-naar-tekst.

Twee taken, niet twee maten

LFM3-VL-2B accepteert tekst, afbeeldingen en video met 2 fps, genereert tekst, ondersteunt een denkmodus en heeft een contextvenster van 128K over 16 talen. Het is een generalist: documenten, grafieken, grounding, belichaamd redeneren, GUI-begrip en video staan allemaal als categorieën op de kaart vermeld. Liquid AI publiceerde het op 19 oktober 2026 op Hugging Face en kondigde de familie aan op 27 oktober, zonder API-prijs en zonder vermelde inferenceprovider.

UI-Venus-2-9B neemt screenshots en een taakbeschrijving en retourneert de volgende actie in een gesloten lus van waarnemen–redeneren–handelen. De training bestaat uit drie fasen: multimodale mid-training op gesimuleerde trajecten over meer dan 170 mobiele apps en meer dan 4.000 webdomeinen, offline reinforcement learning op stappenniveau voor grounding-, CAPTCHA-, mobiele, web- en computertaken, en daarna multi-teacher on-policy-distillatie tot één policy. Het draait op vLLM met een OpenAI-compatibel endpoint en een Qwen3-reasoningparser. Dat is een agent-runtime, geen captioningmodel.

De praktische consequentie: je kunt ze niet uitwisselen. LFM3-VL-2B beschrijft een screenshot en beantwoordt er vragen over. UI-Venus-2-9B beslist waar er vervolgens getikt moet worden, en verwacht de omringende harness — actieparsers, prompts, voorbeelden — uit de GitHub-repository van het project om iets nuttigs te kunnen doen.

De enige benchmark die klopt

Beide modellen rapporteren ScreenSpot-Pro, wat het zeldzame geval is waarin de vergelijking legitiem is. LFM3-VL-2B scoort 55,5 met denkmodus en 49,3 zonder. UI-Venus-2-9B scoort 73,0. Dat is een verschil van 17,5 punten in het voordeel van het model dat bijna vijf keer groter is, en het is het duidelijkste cijfer in deze onderlinge vergelijking.

Breid dit niet uit naar de rest van het GUI-verhaal. UI-Venus-2-9B rapporteert ook AndroidWorld 80,2, OSWorld-Verified 70,8, WebVoyager 90,8, Online-Mind2Web 74,0 en VenusBench-GD 77,1. LFM3-VL-2B rapporteert een GUI-categoriegemiddelde van 83,1 over een andere set taken, en het middelen van een categorie is niet hetzelfde als het scoren op één enkele benchmark. De categorieën zijn niet vergelijkbaar en mogen niet van elkaar worden afgetrokken.

Eén getal op de UI-Venus-kaart is het vermelden waard, omdat het tegen de kop indruist: op OSWorld 2.0 scoort het model 0,0 op de binaire metriek en 7,5 op de partiële metriek. Wat het probleem met de harness ook is, een 9B-agent die vooroploopt op OSWorld-Verified en bijna nul scoort op de opvolgerbenchmark is een model met een grens, en de kaart meldt dat eerlijk.

Contextvensters die verschillende dingen meten

UI-Venus-2-9B rapporteert tot 256K tokens context, en het nuttige deel is wat die context bevat: een geschiedenis van schermafbeeldingen, zodat de agent zich kan herinneren hoe het scherm er vier stappen geleden uitzag. LFM3-VL-2B rapporteert 128K, en op de modelkaart staat niet het budget voor afbeeldings-tokens of een maximale videolengte. Geen van beide getallen vertelt je hoeveel schermafbeeldingen je in een lus kunt bewaren voordat het model de eerste verliest. Beide vereisen meting op je eigen resolutie en aantal stappen.

Het verschil in aard blijft belangrijk. Een lange geschiedenis van schermafbeeldingen is een geheugenvereiste voor een agent die minutenlang draait. Een context van 128K op een algemene VLM is een document- of videovereiste. De getallen lijken vergelijkbaar en beantwoorden verschillende vragen.

Implementatie: 4 GB tegenover 19 GB

LFM3-VL-2B heeft 1,92 miljard parameters, rekenkundig ongeveer 3,84 GB aan gewichten in BF16, en er zijn al GGUF-, MLX 4-bit- en ONNX-builds gepubliceerd. UI-Venus-2-9B is ongeveer 18,8 GB in BF16 en wordt geserveerd via vLLM; er is een community-GGUF, maar het serveerpad van de leverancier gaat uit van een GPU met ruimte voor het volledige checkpoint. Deze concurreren niet om dezelfde plek. De ene is een edge-kandidaat; de andere is een agent aan serverzijde.

Dat verschil, niet de kloof in de benchmark, is waarom de combinatie interessant is. Een team dat GUI-begrip op een apparaat wil, heeft hier precies één optie. Een team dat een GUI-agent wil met scores die bijna state-of-the-art zijn, heeft de andere, en heeft een GPU nodig om die te draaien.

De licentiekwestie die niemand heeft beantwoord

LFM3-VL-2B gebruikt de LFM Open License v1.0: commercieel gebruik is alleen gelicentieerd zolang de licentiehouder onder de $10 miljoen jaarlijkse omzet blijft. Dat is beperkend maar duidelijk, en de tekst is gepubliceerd.

UI-Venus-2-9B is minder duidelijk. De coderepository van het project vermeldt Apache 2.0; de modelkaart stelt dat de licentie voor de gewichten wacht op definitieve bevestiging omdat uitspraken van upstream partijen tegenstrijdig zijn. Op 28 oktober 2026 is dat nog niet opgelost. Een licentie die nog in behandeling is, vormt geen blokkade voor onderzoek en is een echte blokkade voor een commerciële deployment die de voorwaarden moet kennen voordat deze wordt uitgebracht. Iedereen die van plan is op UI-Venus-2-9B voort te bouwen, moet het antwoord schriftelijk krijgen in plaats van het af te leiden uit een repository-tag.

Waar OrcaRouter past, als het al ergens past

OrcaRouter levert geen van beide checkpoints, en dit stuk beweert niet dat wij dat doen. Wat we wel hebben, is een routing-DSL waarmee meerdere modellen in één aanroep kunnen worden samengesteld — hier nuttig, omdat de natuurlijke architectuur niet is "kies er één". Een kleine algemene VLM kan het scherm lezen en beslissen of de taak een documentvraag of een interactie is; een grotere GUI-specialist kan de interactiestappen uitvoeren. Routeren tussen hen op basis van taaktype is een configuratie, geen tweede integratie.

Dat is een eerlijker gebruik van de vergelijking dan te doen alsof de twee modellen alternatieven voor elkaar zijn. Het zijn twee fasen van dezelfde pijplijn, met een onderling verschil van 5× in parameters.

Welke je eigenlijk wilt

• LFM3-VL-2B als de taak begrip is in plaats van handelen, als je video- of documentinvoer nodig hebt, of als het model in ongeveer 4 GB moet draaien. Accepteer de licentie met omzetplafond en het feit dat niemand buiten Liquid het heeft geëvalueerd.

• UI-Venus-2-9B als de taak erin bestaat een interface end-to-end te bedienen, als je 19 GB GPU-geheugen en een vLLM-servingstack kunt leveren, en als je kunt wachten tot de licentie voor de gewichten is bevestigd. Accepteer dat het een specialist met een harnas is, geen algemene assistent.

• Geen van beide als wat je wilde een 2,9B-model was. Dat model bestaat niet, en de twee echte opties zijn beide gespecialiseerder dan de naam deed vermoeden.

De correctie is de belangrijkste les. Een parameteraantal in een mapnaam is geen specificatie, en in dit geval verborg het een vijfvoudig grootteverschil en een volstrekt andere taak. Lees het architectuurveld vóór de slug.