Molmo2-4B vs UI-Venus-2-9B: Een van die namen is een grootte, en die is verkeerd

Het model heet UI-Venus 2 met 9B. Het is geen 2,9B, en het is geen 9B-versie van een 2,9B-model. De tekenreeks in de bestandsnaam is een generatienummer dat aan een parameteraantal vastzit — inclusionAI/UI-Venus-2-9B — en hij is door genoeg radarfeeds en overzichtspagina's achterstevoren gelezen, zodat een vergelijking met Molmo2-4B nu lijkt op twee kleine modellen in dezelfde gewichtsklasse. Dat is het niet. UI-Venus-2-9B is een 9B-GUI-agent geïnitialiseerd vanuit Qwen3.5-9B, ongeveer twee keer zo groot als de 4,85B van Molmo2-4B, en de twee doen volledig verschillende taken. Als je echt het kleine GUI-model uit die familie wilt, is dat UI-Venus-1.5-2B, waar het 2B-getal thuishoort. Twee gespecialiseerde modellen met verschillende outputcontracten vormen een routeringsprobleem. geen opslag bovenop de lijstprijs van de provider Failover vangt het geval op waarin een van beide een slechte middag heeft.

Beide modellen zijn ouder dan de framing suggereert. Molmo2-4B werd op 11 december 2025 aangekondigd door het Allen Institute for AI en de gewichten verschenen op 14 december. De gewichten van UI-Venus-2-9B verschenen op 26 augustus 2026 samen met een technisch rapport, arXiv 2609.00028. Wat recentelijk aan de Molmo-kant is veranderd, is tooling in plaats van gewichten: native Transformers-ondersteuning werd op 9 oktober 2026 samengevoegd en uitgebracht in v5.20.0 op 15 oktober, en een robotics fine-tune, Molmo2-4B-tb, verscheen op 5 november. Geen van beide is een lancering, en geen van beide maakt van Molmo2-4B een GUI-model.

Wat UI-Venus 2 met 9B eigenlijk is

Het is een interface-agent met een gesloten lus. De invoer is een schermafbeelding; de uitvoer is een beredeneerde actie — hier tikken, dit typen, scrollen — en de lus gaat door tot de taak is voltooid. De training verloopt in drie fasen over vijf taakfamilies (grounding, CAPTCHA, mobiel, web en computer), en eindigt met on-policy distillatie met meerdere leraren die domeinspecialisten samenvoegt tot één beleid. De dekking van de omgevingen vormt de kern van de release: meer dan 170 mobiele apps in het Chinees en Engels, een webpool van meer dan 4.000 domeinen in 19 categorieën, en besturing van desktop-OS'en die vanaf nul is opgebouwd.

De eigen cijfers van de leverancier, allemaal afkomstig uit de modelkaart en het bijbehorende technische rapport:

• GUI-grounding — ScreenSpot-Pro 73,0, VenusBench-GD 77,1, OSWorld-G-R 78,5, UI-Vision 53,2.

• Mobiele agenten — AndroidWorld 80,2, MobileWorld 65,8 bij standaardstappen en 75,2 bij een budget van 100 stappen, MobileGym 52,7, VenusBench-Mobile 46,5, KnowUBench 56,5, MemGUI 62,6.

• Desktop — OSWorld-Verified 70,8, DeskCraft 48,0 en OSWorld 2.0 op 0,0 binaire nauwkeurigheid met een partiële score van 7,5 over 108 taken binnen een budget van 150 stappen. Die nul is het waard om aandachtig te lezen; het is een harde binaire maatstaf, geen typfout.

• Web — WebVoyager 90,8, Online-Mind2Web 74,0, REAL 76,9, Odysseys 77,3 gemiddeld, met 62,0 perfect.

• Veiligheid — aanvalssuccespercentage 11,3% op OSHarm en 48,8% op OSBlind, tegenover 25,3% en 79,4% voor de Qwen3.5-9B-basis.

Er is één onafhankelijke controle. De diagnostische benchmark PointerBench, gepubliceerd in oktober 2026, geeft {{1}}UI-Venus-2-9B{{/1}} scores van {{2}}Sheets{{/2}} {{3}}64.2{{/3}}, {{4}}Text{{/4}} {{5}}25.8{{/5}} en {{6}}Pro{{/6}} {{7}}73.6{{/7}}, een gemiddelde van {{8}}54.5{{/8}}, en beschrijft het als de sterkste native GUI-grounding-specialist, waarbij tekstuele grounding als het zwakste gebied wordt aangemerkt. Dat is een resultaat van een derde partij op een andere taakmix, en het is een nuttige correctie: de headline van {{9}}ScreenSpot-Pro{{/9}} is niet het hele verhaal.

Wat Molmo2-4B eigenlijk is

Een algemeen visie-taalmodel met een puntuitvoer. 4.850.869.200 parameters, een SigLIP 2 so400m-visietoren bovenop Qwen3-4B-Instruct-2507, 36.864 posities, 19,42 GB float32-gewichten verdeeld over vier shards. Het verwerkt afbeeldingen, meerdere afbeeldingen en video, en retourneert coördinaten geschaald naar 0–1000 van de beeldbreedte en -hoogte, met tijdstempels wanneer de invoer een video is. De leveranciersaggregatie is 62,8 over 15 academische benchmarks.

Wat het niet heeft, is een gepubliceerd GUI-cijfer. Molmo2-4B komt niet voor in de tabellen van het technische rapport van UI-Venus, in de PointerBench-evaluatie, of met een ScreenSpot-Pro-resultaat op zijn eigen kaart. Het dichtstbijzijnde GUI-cijfer uit de Molmo-familie hoort bij een ander model: MolmoPoint-GUI-8B, een 8B GUI-gespecialiseerde fine-tune uit de MolmoPoint-lijn van maart 2026, rapporteert 61.1 op ScreenSpot-Pro. Dat als een Molmo2-4B-resultaat citeren zou een categoriefout zijn, en het is de meest waarschijnlijke fout die een lezer maakt bij het vergelijken van deze twee.

De overlap is kleiner dan de naamgeving doet vermoeden.

• Grootte — 4,85B dense voor Molmo2-4B vergeleken met een 9B dense model geïnitialiseerd vanuit Qwen3.5-9B.

• Invoer — afbeelding, meerdere afbeeldingen en video voor Molmo2-4B; een schermafbeelding voor UI-Venus-2-9B, in een lus, met terugkoppeling van de vorige actie.

• Uitvoer — schaarse punten in genormaliseerde coördinaten voor Molmo2-4B; een gestructureerde actie voor UI-Venus-2-9B, geparseerd door een harness die vervolgens het apparaat aanstuurt.

• Sterkte — grounding op natuurlijke afbeeldingen en video, tellen en volgen voor Molmo2-4B; elementlokalisatie en meertrapsnavigatie op interfaces met hoge resolutie voor UI-Venus-2-9B.

• Gepubliceerde GUI-grounding — geen voor Molmo2-4B; ScreenSpot-Pro 73,0 voor UI-Venus-2-9B.

• Licentie — Apache 2.0-gewichten met een voorbehoud rond data van derden voor Molmo2-4B; de modelkaart van UI-Venus-2-9B vermeldt helemaal geen licentieveld, wat een leemte is die vóór enige commerciële inzet moet worden opgelost.

Die laatste rij is geen detail. Een 9B-model dat is afgeleid van Qwen3.5-9B en geen licentieveld op zijn modelkaart heeft, is niet iets waarop een juridische review kan aftekenen op basis van een README. De metadata van de kaart zelf helpt ook niet: de Safetensors-badge vermeldt "1.47M params", wat geen plausibele grootte is voor een checkpoint van deze omvang en eruitziet als een artefact in de shard-metadata. Vraag de maintainers naar beide punten voordat je hierop voortbouwt.

Als je GUI-grounding van de Molmo-lijn wilt

De eerlijke route is niet Molmo2-4B. Ai2's eigen GUI-werk zit in de MolmoPoint-familie, waar MolmoPoint-GUI-8B 61,1 rapporteert op ScreenSpot-Pro tegenover 73,0 voor UI-Venus-2-9B, en die twee cijfers komen ten minste uit dezelfde benchmark. Zelfs dan is de vergelijking cross-harness: verschillende actiescaffolds, verschillende screenshotvoorbewerking, en in het geval van UI-Venus een gedocumenteerde aanname dat redenering is uitgeschakeld en de temperatuur op nul is gezet voor directe puntlocalisatie. Een gat van 12 punten op een benchmark die zo gevoelig is voor harness-keuzes is een signaal, geen eindoordeel.

Waar Molmo2-4B in een agent-stack echt goed voor is, is de perceptiestap die geen knop is. Het object vinden dat een gebruiker in een camerabeeld heeft beschreven, er in een video naar wijzen, exemplaren tellen, iets door de tijd heen volgen — dat zijn de outputs waarvoor het model is getraind, en geen daarvan is een UI-element op een 4K-screenshot. Teams draaien vaak beide soorten modellen: een specialist voor de interface, een generalist voor de scène.

Dit is meer een routeringsprobleem dan een modelleringsprobleem. De twee modellen hebben onverenigbare outputcontracten en verschillende hardwareprofielen, en als je ze achter één sleutel voor beide draait — met failover wanneer een endpoint degradeert en zonder opslag bovenop de lijstprijs van de provider — haalt dat het deel van de stack weg dat niets met computer vision te maken heeft. Het is ook goed om ronduit te zeggen dat geen van deze modellen in de OrcaRouter-catalogus staat; beide zijn gewichten die je zelf host, en de routeringslaag zit eromheen in plaats van eronder.

De korte versie

Als de taak is "deze app bedienen", is UI-Venus-2-9B de specialist en heeft Molmo2-4B niets te bieden op die benchmark. Als de taak is "wijs het ding aan in deze foto of deze video", heeft UI-Venus-2-9B niets te bieden en is Molmo2-4B de reden dat de vergelijking bestaat. En als wat je eigenlijk wilde een klein GUI-model was om goedkoop te draaien, dan was de juiste vergelijking nooit deze — het is UI-Venus-1.5-2B op 2B, tegen welke compacte generalist je er ook maar naast kunt passen.