WeVisOne-VL-2B vs UI-Venus-2-9B: Het grootteverschil dat de naam verbergt

Negen miljard parameters is niet wat de matchup suggereert. Op de manier waarop de meeste mensen het opschrijven — WeVisOne-VL-2B vs UI-Venus 2.9B — leest die combinatie als twee kleine visionmodellen van ruwweg hetzelfde gewicht, een eerlijk gevecht tussen een nieuwe 2B-checkpoint van het WeChat Vision-team van Tencent en ietsje groters van inclusionAI van Ant Group. De tweede helft van die aanname is onjuist. UI-Venus-2-9B is UI-Venus 2 met 9 miljard parameters, geïnitialiseerd vanuit Qwen3.5-9B; de "2" is de generatie, niet de omvang. WeVisOne-VL-2B, op 22 oktober 2026 naar Hugging Face gepusht, heeft 2 miljard parameters op een Qwen3-VL-backbone. De echte vergelijking is dus een model dat vier en een half keer kleiner is, op een oudere generatie backbone, en dat een volstrekt ander soort antwoord geeft.

Het kwam ook zonder lancering. Er is een Hugging Face-repository, een GitHub-repository met één enkele initiële commit, een paper op arXiv en een onderzoeksprojectpagina — en geen aankondiging van de leverancier, geen blogpost en geen prijspagina die ze met elkaar verbindt. Dat bepaalt wat dit artikel eerlijk kan doen. De gewichten, de architectuur, de licentietekst en de tabellen in de paper zijn vandaag controleerbaar. Onafhankelijke evaluatie, doorvoer, latentie en prijs niet, omdat geen daarvan al bestaat. De modelkaart van Tencent publiceert helemaal geen benchmarkcijfers; elke score die hieronder aan WeVisOne-VL-2B wordt toegeschreven, komt uit de zeven taaktabellen van de auteurs zelf en is als zodanig gelabeld. UI-Venus-2-9B is ouder en beter gedocumenteerd, maar de cijfers zijn precies zoals zelf gerapporteerd.

Wat de twee namen eigenlijk beschrijven

WeVisOne-VL-2B is een perceptiemodel. Geef het een afbeelding en een zin, en het retourneert geometrie: een bounding box, een punt, een aantal, een binair masker of een continue alpha matte. De taalzijde zendt coördinaten uit als toegewijde tokens die van <0> tot <1000> lopen, genormaliseerd ten opzichte van de afbeelding, en sluit elke box in dense taken af met een speciaal <OBJ>-token op id 152.678. Die tokens zijn slechts markeringen totdat mask_decoder.pt de verborgen toestand erachter leest — een vereist artefact van 9.511.460 parameters, geleverd als een tweede bestand, dat de kaart omschrijft als "een vereiste kerncomponent, geen optionele toevoeging." Zonder dat artefact krijg je boxen. Met dat artefact krijg je maskers en alpha mattes met stride 1.

UI-Venus-2-9B is een agent. Geef het een schermafbeelding en een taak, en het retourneert een zet: de volgende tik, klik of toetsaanslag, plus de redeneertokens die daartoe leidden, binnen een gesloten lus van waarnemen–redeneren–handelen. Het is getraind op interactie uitsluitend via schermafbeeldingen, op het gebied van grounding, CAPTCHA, mobiel, web en computergebruik, en het gepubliceerde vLLM-recept combineert een maximale modellengte van 262.144 met de Qwen3-redeneerparser, omdat het redeneerspoor vóór elke actie naar voren komt.

Zet de twee naast elkaar en de discrepantie is meteen duidelijk:

• Wat er terugkomt — boxen, punten, aantallen, OCR-spans, maskers en alfa-mattes van {{1}}WeVisOne-VL-2B{{/1}}; één schermactie plus de bijbehorende redeneertrace van {{2}}UI-Venus-2-9B{{/2}}.

• Parameters — 2B voor WeVisOne-VL-2B plus de aparte decoder van 9,5M; 9B dense voor UI-Venus-2-9B, ongeveer 4,5 keer de gewichten.

• Backbone — Qwen3-VL voor WeVisOne-VL-2B, 28 tekstlagen met een verborgen grootte van 2.048; Qwen3.5-9B voor UI-Venus-2-9B. Verschillende generaties, verschillende tekststacks.

• Gewichten op schijf — bfloat16 voor beide, maar ongeveer 4 GB voor de 2B tegenover vier BF16-shards met een totaal van ongeveer 18,8 GB voor de 9B.

• Contextplafond — 262.144 posities per stuk, afgelezen uit de config van WeVisOne-VL-2B en uit het serveercommando van UI-Venus-2-9B. Geen van beide leveranciers laat zien dat ze zoiets gebruiken.

• Gepubliceerd bewijs — zeven taaktabellen in de paper van Tencent en geen op de modelkaart; een lange leveranciersbenchmarklijst op de kaart van inclusionAI en geen tabellen in de paper.

• Licentie — Apache 2.0 voor door Tencent geschreven code; "in afwachting van definitieve bevestiging" voor de UI-Venus-2-9B-gewichten.

De praktische consequentie is dat je het ene niet voor het andere kunt inruilen, en elk artikel dat je een winnaar aanwijst, beantwoordt een vraag die je niet hebt gesteld. Een perceptiemodel dat een perfecte matte oplevert, kan nog steeds geen knop indrukken. Een agent die feilloos door een app navigeert, kan je nog steeds niet de uitsnede geven die je wilde voor een productfoto.

Het pleidooi voor het kleinere model is sterker dan 2B versus 9B doet vermoeden.

Het instinct bij het zien van een 2B naast een 9B is dat de kleine het budgetcompromis is. Voor het werk waarvoor hij is getraind, betoogt de paper van Tencent het tegendeel, en een van de eigen resultaten ervan pleit tegen de eigen grotere release. Alle cijfers hier zijn van de auteurs zelf, door de auteurs uitgevoerd, door niemand gereproduceerd.

• Zero-shot-detectie — gemiddelde F1 van 55,2 op COCO, 53,3 op LVIS, 61,4 op Dense200 en 40,4 op VisDrone. De Qwen3-VL-2B-baseline scoort 45,2, 40,8, 10,0 en 23,1 in dezelfde tabel. Het verschil bij Dense200 valt het meest op: zes keer zo hoog als het basismodel op drukke scènes.

• Tellen — 90,9 en 88,1 exacte match op de twee PixMo-Count-splits, maar 27,5 en 26,9 op CLOC, 29,5 en 32,4 op KubriCount, en 47,9 op CountQA. Tellen is niet één vaardigheid, en de spreiding is het meest eerlijke ding in het paper.

• OCR-lokalisatie — gemiddelde F1 van 30,5 op HierText, 42,6 op ICDAR2015, 42,5 op TotalText en 62,1 op SROIE, bij een IoU-drempel van 0,5. Dit zijn lokalisatiescores met bijbehorende coördinaten, niet transcriptienauwkeurigheid, dus ze zijn niet vergelijkbaar met het OCRBench-getal dat gewoonlijk voor consumenten-VLM's wordt genoemd.

• Referring-segmentatie — 79,7 cumulatieve IoU op RefCOCO-validatie, 73,1 op RefCOCO+, 74,4 op RefCOCOg en 60,9 gIoU op ReasonSeg.

• Promptbare matting — 6,6 gemiddelde absolute afwijking op P3M-500-NP met een boxprompt tegenover 15,4 voor SAM2-Matting; 5,7 tegenover 12,1 op AM-2K; 15,8 tegenover 23,0 voor een Qwen3-VL-8B plus SAM2-Matting-pipeline op de moeilijkere WeRefMat referring-split. Lager is beter in alle gevallen.

Het matting-resultaat is waar het grootte-argument kantelt. Op diezelfde P3M-500-NP box-prompttest scoort de 2B 6,6 en het eigen 4B-zusje van Tencent 7,3. Het kleinere model is van de twee de betere matter, Tencent legt niet uit waarom, en het paper drukt het toch af. Als het jouw taak is om objecten uit afbeeldingen te snijden, is de goedkoopste variant in de familie geen downgrade — het is momenteel de best gemeten keuze.

Wat het paper niet laat zien, is evenzeer de moeite waard om te weten. Er staat nergens in de zeven tabellen een MMMU, MMBench, DocVQA of captioning-benchmark, en in de limitations-sectie wordt toegegeven dat beperkte algemene trainingsdata "de algemene capaciteiten ten opzichte van het basismodel kunnen aantasten." De fine-tuning waardoor dit goed werd in perceptie, kan er een slechtere algemene assistent van hebben gemaakt, en niets in de release test dat. Er is ook geen chain-of-thought-uitvoer, geen multi-turn-geheugen en geen ondersteuning voor video — de pixeldecoder verwerpt videorasters ronduit.

De enige benchmark die dit zou beslechten, bestaat niet.

Zet de twee evaluatiesuites naast elkaar en de onvergelijkbaarheid houdt op een technisch detail te zijn. De hoofresultaten van UI-Venus-2-9B zijn succespercentages op de eindtoestand in een omgeving: AndroidWorld 80,2, OSWorld-Verified 70,8, WebVoyager 90,8, Online-Mind2Web 74,0, MobileWorld 65,8 bij het standaard stappenbudget van de kaart en 75,2 bij 100 stappen. Die meten of een taak werd voltooid, waarbij perceptie, planning, geheugen en foutherstel in één getal worden samengevat.

Het dichtst bij een gemeenschappelijke as ligt GUI-grounding — het lokaliseren van een klein interface-element in een schermafbeelding met hoge resolutie. UI-Venus-2-9B scoort 73,0 op ScreenSpot-Pro. WeVisOne-VL-2B rapporteert geen ScreenSpot-Pro-resultaat, geen ScreenSpot-V2-resultaat en geen enkele GUI-benchmark, op zijn kaart, in zijn paper of op zijn projectpagina. In de andere richting rapporteert WeVisOne-VL-2B OCR-lokalisatie en dense pointing, en UI-Venus-2-9B rapporteert geen van beide.

Er is een complicatie die de combinatie in de kop nog vreemder laat lijken. inclusionAI levert al een 2B-model op basis van Qwen3-VL — UI-Venus-1.5-2B — en de kaart ervan meldt 57,7 op ScreenSpot-Pro, tegenover 68,4 voor zijn 8B-zustermodel en 69,6 voor de 30B-A3B. Dat is de echte qua grootte overeenkomende tegenhanger van WeVisOne-VL-2B, binnen dezelfde backbone-familie, gemeten op de ene benchmark die beide reeksen belangrijk vinden. Het is alleen simpelweg niet het model dat in deze vergelijking wordt genoemd.

{{1}}De eerlijke positie is dus beperkt.{{/1}} {{2}}Geen enkel gepubliceerd getal vergelijkt WeVisOne-VL-2B met UI-Venus-2-9B op welke taak dan ook,{{/2}} {{3}}en niemand heeft het 2B-perceptiemodel op een GUI-groundingset gedraaid.{{/3}} {{4}}WeVisOne-VL-2B op ScreenSpot-Pro laten draaien is de meest nuttige ontbrekende meting in deze vergelijking:{{/4}} {{5}}het zou je vertellen of een 2B-perceptiespecialist interface-elementen beter of slechter vindt dan een 9B-agent,{{/5}} {{6}}en totdat iemand het draait, doet iedereen die deze twee rangschikt op het vinden van dingen, een extrapolatie op basis van de architectuur.{{/6}}

Wat elk ervan doet wanneer het object er niet is

Gedrag bij afwezige objecten is waar perceptiemodellen stilletjes falen. Vraag naar de brandblusser in een ruimte waar er geen is, en een model dat altijd antwoordt, zal met vertrouwen de radiator omkaderen — en in een geautomatiseerde pijplijn wordt dat een gehallucineerd object in een assetbibliotheek, of een verkeerd gerichte tik in een agent-loop.

WeVisOne-VL-2B antwoordt in plaats daarvan None, en het artikel rapporteert afwijzing als een eigen metriek naast nauwkeurigheid. Op RefCOCOg rapporteert het een afwijzingspercentage van 50,2 voor query's naar afwezige objecten, tegenover 0,5 voor Rex-Omni-3B en 0,6 voor LocateAnything-3B in dezelfde tabel. Dat is een ander ontwerpdoel dan het maximaliseren van recall, en het is het getal dat een klein model bruikbaar maakt als component: een geometriecomponent die "niet aanwezig" zegt, is veilig als invoer voor een planner, terwijl een die een box verzint die stilletjes corrumpeert.

UI-Venus-2-9B benadert hetzelfde probleem vanuit de actiekant en erft de weigeringsbewuste grounding van de UI-Venus-lijn — het is getraind om te weigeren wanneer het gevraagde element niet op het scherm staat, in plaats van een plausibele coördinaat te raden. Uit de veiligheidstabel blijkt het effect dat het claimt: een aanvalsuccespercentage van 11,3% op OSHarm tegenover 25,3% voor de Qwen3.5-9B-basis, en 48,8% op OSBlind tegenover 79,4%. De modelkaart vermeldt ook expliciet dat dit het risico op schadelijke acties niet wegneemt en adviseert menselijke bevestiging plus beveiligingsmaatregelen op applicatieniveau. Beide teams kozen voor onthouding boven dekking; voor geen van beide is die keuze onafhankelijk gemeten.

Een 2B naast een 9B draaien

De eerlijke relatie tussen deze twee modellen is geen rivaliteit maar opeenvolging. Het ene levert geometrie, het andere handelt ernaar. Als je een schermautomatiseringssysteem bouwt, zet een plausibele architectuur WeVisOne-VL-2B vooraan als het onderdeel dat rapporteert wat waar is — boxes, OCR-spans, masks — en UI-Venus-2-9B erachter als het onderdeel dat beslist wat er moet gebeuren. Dat is compositie, geen competitie, en het is de enige framing waarin de combinatie operationeel zin heeft.

Geheugen maakt die samenstelling goedkoop op één machine. Bij bfloat16 is de 2B-backbone ongeveer 4GB aan gewichten vóór de decoder, en de 9B is ongeveer 18,8GB verdeeld over vier shards. Beide passen op één 24GB-kaart met nog ruimte voor context; de 2B alleen past op een 8GB-kaart, wat het interessantere feit is. Contextplafonds komen overeen op 262.144 posities, maar ze betekenen verschillende dingen: de agent gebruikt lange context als episodisch geheugen en houdt een geschiedenis van screenshots bij, terwijl de gepubliceerde evaluaties van het perceptiemodel op ongeveer 1.960 visuele tokens per afbeelding draaien. Een venster van 256K op een model met één beurt en alleen afbeeldingen is een plafond, geen aangetoonde capaciteit.

De kosten zijn waar de vormen uiteenlopen. Geen van beide leveranciers publiceert een prijs per token, dus voor beide zijn de werkelijke kosten GPU-uren op hardware die je huurt of bezit. Een agent betaalt bij elke stap voor een forward-pass van 9B plus reasoning-tokens, en een episode bestaat uit vele stappen — een getal dat je niet van de specificatiekaart kunt voorspellen. Een perceptiemodel betaalt per afbeelding voor een pass van 2B plus een decoder-forward, en één afbeelding is één aanroep. Honderdduizend productfoto's is voorspelbare rekenkunde per afbeelding; een browsertaak niet.

Dit is ook waar een routeringslaag haar bestaansrecht verdient in plaats van een slogan te zijn. Geen van beide modellen staat vandaag op OrcaRouter — gecontroleerd aan de hand van de livecatalogus van 209 modellen, en de kaart van WeVisOne-VL-2B vermeldt dat het helemaal niet door een inferentieprovider wordt aangeboden. Voor de modellen die we wel aanbieden, zijn de nuttige eigenschappen één OpenAI-compatibel endpoint, 0% markup waarbij de lijstprijs van de provider ongewijzigd wordt doorgegeven, een routerings-DSL die meerdere modelaanroepen achter één interface combineert, en automatische failover. Voor een architectuur met twee benen zoals hierboven, is de DSL de plek waar de compositie leeft en waar elk van beide benen kan worden vervangen zonder de aanroeper te herschrijven. Op de dag dat een van deze twee bij een provider terechtkomt, is dat de goedkoopste manier om erachter te komen of het in je stack thuishoort.

Licentie, prijs en wat niemand heeft bevestigd

De kaart van WeVisOne-VL-2B verleent Apache 2.0 voor "Tencent-authored code in this repository", het permissieve antwoord dat de meeste teams willen. Eén detail maakt het ingewikkelder: de GitHub-API meldt de licentie van de repository als "Other" zonder SPDX-identificatie. Die uitspraken zijn niet per se in tegenspraak — componenten van derden behouden hun eigen voorwaarden — maar het betekent wel dat het de moeite waard is het licentiebestand te lezen voordat dit bij een product terechtkomt, in plaats van de badge klakkeloos te vertrouwen.

De kaart van UI-Venus-2-9B is degene die nog niet is opgelost. Er staat op dat de licentie voor de modelgewichten in afwachting is van definitieve bevestiging en vóór de openbare release wordt toegevoegd, en dat de eerdere Apache-2.0-verklaring bewust niet is overgenomen omdat de upstream-materialen tegenstrijdige licentieverklaringen bevatten. Die zin staat sinds augustus op de kaart en is niet veranderd. Het blokkeert evaluatie of de meeste interne toepassingen niet, maar een extern product dat op die gewichten is gebouwd, is gebouwd op een open vraag, en geen enkele benchmarkscore lost die vraag op.

Geen van beide modellen heeft een door de leverancier vastgestelde prijs. WeVisOne-VL-2B heeft geen inferenceprovider en geen tariefkaart. UI-Venus-2-9B heeft geen first-party endpoint en geen door inclusionAI gepubliceerde prijzen, dus wat een externe host rekent, is het tarief van die host, niet dat van het team.

Welke moet je kiezen?

De beslissing is een functiebeschrijving, geen ranglijst.

• Kies WeVisOne-VL-2B als het antwoord dat je nodig hebt geometrie is — boxes voor een annotatiepijplijn, masks voor een bewerkingstool, alpha mattes voor productbeeldmateriaal, aantallen in een druk frame, of OCR met bijbehorende coördinaten — en vooral als je het op kleine hardware nodig hebt. Het is het enige model hier dat een matte retourneert op basis van een tekstprompt, het verslaat zijn eigen grotere broer bij matting, en de licentie is de uitgeklaarde.

• Kies UI-Venus-2-9B als het antwoord dat je nodig hebt een voltooide taak is: een formulier dat is ingevuld, een app waarin is genavigeerd, een CAPTCHA die is opgelost, een desktopworkflow die is uitgevoerd. Je koopt een agent-loop, en je moet er met de wetenschap ingaan dat de licentie onopgelost is en dat langdurig desktopwerk op deze schaal niet is opgelost — de eigen OSWorld 2.0-cijfers op de kaart zijn 7,5 gedeeltelijk en 0,0 binair.

• Kies in plaats daarvan UI-Venus-1.5-2B als je eigenlijk een kleine GUI-grounder wilde. Het is het 2B-model op basis van Qwen3-VL in de reeks van inclusionAI, het rapporteert 57.7 op ScreenSpot-Pro, en het is de qua grootte overeenkomende vergelijker die de naam van deze matchup suggereert maar niet noemt.

• Voer beide opeenvolgend uit als je schermautomatisering bouwt die nauwkeurig moet kunnen zien en vervolgens moet handelen — eerst het geometrie-gedeelte, daarna het agent-gedeelte, op één GPU.

• Wacht, als een GUI-groundinggetal voor WeVisOne-VL-2B het punt is waar je beslissing van afhangt. Dat bestaat nog niet, en het gokken ervan op basis van parameteraantallen is geen methode.

Wat zou dit antwoord veranderen?

Vier dingen, in volgorde van nut. Een ScreenSpot-Pro- of ScreenSpot-V2-run van WeVisOne-VL-2B zou het centrale gat in dit stuk omzetten in een vergelijking, en aangezien het model één dag oud is en Apache 2.0, is dat een weekend werk voor iedereen met een GPU en de evaluatieharness. Een licentiekwestie oplossen rond UI-Venus-2-9B zou de enige blokkade wegnemen waar geen enkel nauwkeurigheidscijfer tegenin kan gaan. Een vermelding door een inferentieprovider van een van beide modellen zou GPU-uur-rekenwerk vervangen door een daadwerkelijke prijs. En een 4B-naar-2B-vergelijking die uitlegt waarom het kleinere model beter presteert, zou kopers vertellen of de naamgeving van de familie überhaupt iets betekent.

Tot dan is de nuttige manier om deze twee te zien niet als rivalen op een ranglijst, maar als verschillende instrumenten: een die het beeld meet en een die op het scherm handelt. De naam van deze confrontatie suggereert dat je kiest tussen bijna gelijkwaardige kleine modellen. Je kiest tussen een 2B-specialist en een 9B-agent, en het enige dat ze echt gemeen hebben, is de gewoonte om nee te zeggen.