Molmo2-4B vs LFM2.5-VL-3B: 19 GB aan gewichten tegenover 3 GB op een telefoon

Zet de twee checkpoints naast elkaar op schijf en de vergelijking is bijna voorbij voordat ze begint. Molmo2-4B wordt geleverd als 19,42 GB aan float32-safetensors verspreid over vier shards. De oorspronkelijke repository van LFM2.5-VL-3B omvat in totaal 6,27 GB, en Liquids eigen modelkaart belooft dat het draait in "minder dan 3,3 GB geheugen." Als je het kleinere model quantiseert, is dat ruwweg een verschil van zes tegen één in voetafdruk voor twee modellen die worden besproken alsof het uitwisselbare kleine vision-languagemodellen zijn. Ze zijn niet uitwisselbaar, en de reden is niet kwaliteit. Een van beide is gebouwd om vragen te beantwoorden over een video van 384 frames. De andere is gebouwd om vragen te beantwoorden over een foto op een telefoon met de radio uit. Geen van beide modellen wordt hier gehost, dus de rol van het platform is de omringende stack. Prijsstelling met 0% markup De lijstprijs van de provider wordt ongewijzigd doorgegeven.

Geen van beide modellen is nieuw, wat van belang is als je via een resultatenpagina bent gekomen die anders suggereert. Molmo2-4B werd op 11 december 2025 aangekondigd door het Allen Institute for AI en de gewichten werden op 14 december online gezet. LFM2.5-VL-3B werd op 12 augustus 2026 uitgebracht door Liquid AI. Wat recent is veranderd, is beperkter en nuttiger dan een lancering: Molmo2 werd een eersteklas architectuur in upstream Transformers, met PR #43451 die op 9 oktober 2026 werd samengevoegd en het model dat voor het eerst werd meegeleverd in v5.20.0 op 15 oktober, waarmee een einde kwam aan de periode waarin je trust_remote_code=True moest doorgeven en een apart molmo_utils-pakket moest installeren. Op 5 november publiceerde Ai2 ook Molmo2-4B-tb, een op robotica gerichte fine-tune gebouwd op exact deze checkpoint. Geen van beide gebeurtenissen maakt Molmo2-4B nieuw. Beide maken het nu pas echt praktisch om te draaien.

De geheugenkwestie, in cijfers in plaats van bijvoeglijke naamwoorden

Grootten eerst, want die bepalen de meeste deployments voordat er ook maar één benchmark wordt geraadpleegd.

Parameters — Molmo2-4B telt 4.850.869.200 parameters, verdeeld over een SigLIP 2-visietoren en een Qwen3-4B-Instruct-2507-taalkern; LFM2.5-VL-3B telt 3.123.483.888 parameters, verdeeld over een SigLIP2 NaFlex 400M-encoder en een 2,6B LFM2.5-backbone.

• Geleverd gewichtsformaat — Molmo2-4B wordt gedistribueerd in float32, 19,42 GB op schijf, vier shards; LFM2.5-VL-3B wordt gedistribueerd in bfloat16 met 6,27 GB, met officiële GGUF-, ONNX- en MLX-exports die daarnaast worden gepubliceerd.

• Opgegeven runtime-voetafdruk — Liquid claimt minder dan 3,3 GB voor LFM2.5-VL-3B bij inferentie; AI2 publiceert geen runtime-geheugencijfer voor Molmo2-4B, en de float32-distributie betekent dat je moet casten voordat je serveert.

• Doorvoer — Liquid meldt 228 tokens/s op een Apple M5 Max, 116 tokens/s op een AMD Ryzen AI Max+ 395 en 20 tokens/s op een Galaxy S26 Ultra. Er is geen equivalent openbaar cijfer voor Molmo2-4B, in welke grootte dan ook.

• Context — 32.768 tokens voor LFM2.5-VL-3B; 36.864 posities in de tekstconfiguratie van Molmo2-4B, bereikt via een aparte fine-tuningfase voor lange context bij 384 frames.

Dat laatste paar verdient een voorbehoud in plaats van een vergelijking. De 36.864 van Molmo2-4B is een sequentielengtebudget dat zijn videopijplijn snel verbruikt: de vrijgegeven videopreprocessor gebruikt standaard 384 frames bij 2 fps, geschaald naar 378×378 met 3×3 pooling. Een lange clip kan het hele venster al met frames alleen vullen, waardoor er weinig ruimte overblijft voor de vraag. De 32.768 van LFM2.5-VL-3B wordt besteed aan tekst- en beeldpatches, omdat het helemaal geen videopad heeft.

Video is de scheidslijn, niet de benchmarktabel

LFM2.5-VL-3B verwerkt tekst en afbeeldingen. Dat is het volledige invoeroppervlak. Het is zeer goed in waarvoor het is gebouwd — volledige-pagina-OCR met lay-outannotatie, objectdetectie op basis van natuurlijketaalvragen, schermlezen en bijna-realtime werk op het apparaat — maar een video behoort niet tot zijn invoer, en geen enkele hoeveelheid prompt engineering verandert dat.

Molmo2-4B is andersom gebouwd. De modelkaart van Ai2 noemt negen trainingssets, en vijf daarvan zijn video of meerdere afbeeldingen: video-captioning-QA, video-ondertitel-QA, video-pointing, video-tracking, multi-image-QA, multi-image-pointing. De pointing-uitvoer is het ongewone deel. Coördinaten komen terug geschaald naar 0–1000 van de beeldbreedte en -hoogte, in een getagd formaat waarvoor de kaart een regex meelevert, zodat een antwoord op "waar is de boot" een numeriek punt is in plaats van een zin. Hetzelfde formaat bevat in videomodus een tijdstempel, en dat is wat tracking op frameniveau überhaupt mogelijk maakt.

Als je taak een screenshot is, een gescande pagina, een foto van een schap of een menu, dan maakt dat allemaal niets uit, en het 3 GB-model is simpelweg de betere technische keuze. Als je taak is "het moment vinden waarop de krat van de pallet valt", kan LFM2.5-VL-3B niet meedoen aan de vergelijking.

Twee leveranciersgemiddelden die niet van elkaar mogen worden afgetrokken

Hier gaat het bij de meeste vergelijkingspagina's mis. Liquid rapporteert een gemiddelde van 69,4 voor LFM2.5-VL-3B over een visiontabel met 28 benchmarks. AI2 rapporteert een gemiddelde van 62,8 voor Molmo2-4B over 15 academische benchmarks. Zet die twee getallen naast elkaar en LFM2.5-VL-3B lijkt 6,6 punten beter. Dat is geen geldige vergelijking: verschillende benchmarksets, verschillende promptformaten, verschillende decodinginstellingen en, in het geval van Liquid, een suite die de eigen auteurs hebben geselecteerd.

Wat elke leverancier daadwerkelijk rapporteert, met de herkomst erbij:

• LFM2.5-VL-3B, door de leverancier gerapporteerd — DocVQA 91,1, RefCOCO-avg 87,9, CountBenchQA 87,3, OCRBench v1 84,2, TextVQA 84,3, MMBench 81,0, SEED-Bench image 77,7, ScreenSpot-v2 Web 82,2, MMStar 63,3, MMMU 48,4, MMMU-Pro 30,5, MathVista mini 68,5.

• Molmo2-4B, volgens de leverancier — een gemiddelde van 62,8 over 15 academische benchmarks, tegenover 63,1 voor het 8B-zustermodel, 58,1 voor Qwen3-VL-4B, 53,4 voor InternVL3.5-4B, 59,6 voor Claude Sonnet 4.5, 70,0 voor Gemini 3 Pro en 70,6 voor GPT-5 in dezelfde tabel.

• Door geen van beide leveranciers ergens gerapporteerd — een gedeelde harness. Geen van beide bedrijven heeft resultaten voor Molmo2-4B gepubliceerd op de 28-benchmarksuite van Liquid, noch resultaten voor LFM2.5-VL-3B op de 15-benchmarktabel van AI2.

De enige echt vergelijkbare as is modelgrootte, en daar verslaat het 4,85B-model het 3,12B-model op AI2's eigen gemiddelde, terwijl het zwaar verliest op deployment-footprint. Dat is de afweging, simpel gezegd.

Licenties: geen van beide is de Apache-2.0 die het lijkt te zijn.

Beide kaarten dragen een permissief klinkend label, en beide hebben een addertje onder het gras dat een inkoopbeoordelaar zal vinden.

• Molmo2-4B — gewichten onder Apache 2.0, maar de modelkaart voegt toe dat het model "{{1}}is getraind op datasets van derden die uitsluitend voor academisch en niet-commercieel onderzoek mogen worden gebruikt,{{/1}}" en adviseert je de bronnen te bekijken voordat je besluit of het model bij je past. De gewichten zijn open; de herkomst van de data is niet schoon voor commercieel gebruik, en Ai2 zegt dat op de kaart in plaats van in een voetnoot.

• LFM2.5-VL-3B — de LFM Open License v1.0, die geen OSI-licentie is. Commercieel gebruik wordt voorwaardelijk toegestaan: artikel 5 maakt commerciële rechten afhankelijk van het feit dat uw juridische entiteit onder een gedefinieerde drempel blijft, en de licentie definieert die drempel als een jaaromzet van 10 miljoen Amerikaanse dollar of meer.

Geen van beide beperkingen is ongebruikelijk voor een release die aan onderzoek raakt. Beide betekenen dat de vraag "kunnen we dit uitbrengen" een ander antwoord heeft voor een prototype van twee personen en een gefinancierd bedrijf, en de twee antwoorden wijzen in tegengestelde richtingen, afhankelijk van welk model je hebt gekozen.

Vandaag een van beide draaien

De modelkaart van Molmo2-4B zelf loopt nu achter op de bibliotheek. Er staat nog steeds in dat je transformers==4.57.1 moet installeren, trust_remote_code=True moet doorgeven en molmo_utils en decord2 moet installeren. Dat recept werkt. Het is ook niet langer het enige: sinds v5.20.0 bevat de standaard Transformers een klasse Molmo2ForConditionalGeneration met een eigen configuratie, afbeeldingsprocessor, videoprocessor en processor, dus het remote-code-pad is optioneel in plaats van verplicht. vLLM ondersteunt Molmo2 sinds kort na de lancering via een eigen modelklasse; de platformdocumentatie van AI2 verwijst nog steeds naar de nightly wheels in plaats van naar een stabiele release, wat goed is om te weten voordat je een versie in productie vastpint.

LFM2.5-VL-3B heeft van de twee het meest volwassen implementatieverhaal, en dat is niet eens close: native gewichten plus GGUF-, ONNX- en MLX-exports, met llama.cpp, vLLM en SGLang allemaal vermeld als ondersteund, en gepubliceerde doorvoer op drie verschillende stukken consumentenhardware. Als je doel een laptop, een telefoon of een singleboardcomputer is, dan is dat ecosysteem het product.

Een praktische opmerking voor iedereen die van plan is tussen beide te routeren: geen van beide modellen staat in de OrcaRouter-catalogus, en het zou verkeerd zijn om een vergelijking als deze te lezen als een beschikbaarheidsclaim. Wat het platform wel biedt, is één API voor meer dan 200 modellen naast een zelfgehoste deployment zoals deze twee, met automatische failover en de eigen lijstprijs van de provider doorgegeven zonder extra marge. Het gebruikelijke patroon is om het kleine visionmodel lokaal te houden voor het latentiekritieke pad en de moeilijkere, zeldzamere verzoeken uit te routeren — en die splitsing met echt verkeer te bewijzen voordat je je aan een van beide vastlegt.

Welke moet je kiezen?

Kies LFM2.5-VL-3B als het implementatiedoel een telefoon, een laptop of een edge-box is, als je invoer screenshots, documenten of afzonderlijke foto's betreft, als je subseconde latentie voor de eerste token nodig hebt, of als je een van de reeds bestaande gequantiseerde formaten ervoor nodig hebt. De dekking van 16 talen en de ScreenSpot-v2-cijfers maken het een verdedigbare keuze, specifiek voor schermbegrip op het apparaat.

Kies Molmo2-4B als video binnen scope valt, als je coördinaten nodig hebt in plaats van proza, als je moet redeneren over meerdere afbeeldingen binnen een set frames, of als de taak het tellen van objecten in een scène is — AI2's eigen vergelijking plaatst de Molmo2-familie bovenaan het open-weightveld op het gebied van videotellen, terwijl men toegeeft dat geen enkel model in hun evaluatie 40% nauwkeurigheid haalt. Reken op de footprint: 19,42 GB float32-gewichten, een cast naar bfloat16 vóór het serveren, en een GPU in plaats van een telefoon.

Wat het pas echt zou beslechten, is een gezamenlijke evaluatie op één harness, bij gelijke kwantisatie, met de latency gemeten op hetzelfde apparaat. Geen van beide leveranciers heeft er een gepubliceerd, en totdat iemand dat doet, is het eerlijke antwoord dat deze twee modellen voor verschillende taken zijn ontworpen en dat de benchmarks nooit bedoeld waren om met elkaar te worden vergeleken.