WeVisOne-VL-4B vs LFM2.5-VL-3B: een matting-specialist tegenover een edge-snelheidsduivel

Liquid AI publiceert een snelheidscijfer voor LFM2.5-VL-3B en Tencent publiceert er geen voor WeVisOne-VL-4B. Die asymmetrie, meer dan welke benchmarkregel dan ook, is de confrontatie. LFM2.5-VL-3B is een edge-model met 3,1B parameters, afgestemd om in één pass te antwoorden: 228 tokens per seconde op een Apple M5 Max, 20 tokens per seconde op een Galaxy S26 Ultra, onder 3,3 GB geheugen, zestien talen. WeVisOne-VL-4B is een perceptiemodel met 4,83B parameters dat tot 1.960 visuele tokens en een decoder met 9,6M parameters uitgeeft om je een alpha matte op volledige resolutie te geven. Het ene is gebouwd om snel genoeg te zijn om in een telefoon-UI te passen; het andere is gebouwd om pixels uit te voeren. Ze overlappen op het woord "vision" en vrijwel nergens anders.

Dat maakt dit een vergelijking die zorgvuldig moet worden uitgevoerd, want de voor de hand liggende versie ervan — de benchmarktabellen naast elkaar leggen en een winnaar uitroepen — zou op een specifieke en leerzame manier verkeerd zijn.

De benchmarktabellen communiceren niet met elkaar

Beide modellen publiceren cijfers voor referring expressions en beide cijfers lijken vergelijkbaar. Dat zijn ze niet. LFM2.5-VL-3B rapporteert een RefCOCO-avg P@1 van 87,9. WeVisOne-VL-4B rapporteert een RefCOCOg test F1 mean van 81,8. Een andere dataset-split, een andere metriek, een ander faalmodel: P@1 vraagt of de best gerangschikte box juist is, F1 mean middelt precisie en recall over IoU-drempels van 0,5 tot 0,95. Een model kan het ene winnen en het andere met een ruime marge verliezen zonder dat een van beide resultaten verrassend is.

Dezelfde valkuil zit in elke andere rij. Liquids 80,7 op ScreenSpot-v2 meet UI-element-grounding; Tencent heeft geen ScreenSpot-cijfer. Tencents afwijzingspercentage van 96,4% op WeRef-Bench meet of het model weigert te antwoorden wanneer het object er niet is; Liquid publiceert helemaal geen afwijzingsmaatstaf. Geen van beide leveranciers heeft het model van de ander geëvalueerd, dus geen enkele rij in een van beide tabellen is een rechtstreekse vergelijking.

Wat er eerlijk gezegd kan worden, is richtinggevend. LFM2.5-VL-3B is een sterke generalist voor zijn formaat — 69,4 gemiddeld over 28 visiebenchmarks op basis van Liquids eigen telling, binnen 0,7 punten van Qwen3.5-4B — en zijn sprong op ScreenSpot-v2 van bijna nul in de vorige generatie naar 80,7 is de grootste afzonderlijke verbetering in zijn tabel. WeVisOne-VL-4B concurreert niet op die as. Zijn sterkste claims liggen op het gebied van dichte detectie van kleine objecten, rejectie en output op pixelniveau, waarvan LFM2.5-VL-3B er geen enkele probeert.

Wat elk model fysiek is

• Parameters — WeVisOne-VL-4B 4,83B dense (F32-checkpoint) versus LFM2.5-VL-3B 3,12B dense (BF16)

• Vision-pad — een Qwen3-VL-backbone plus een 9,6M-pixeldecoder versus een LFM2.5-2.6B hybride convolutie-attentie-tekstbasis plus een SigLIP2 NaFlex 400M-encoder

• Geheugen — ongeveer 19 GB op schijf voor het F32 4B-checkpoint versus minder dan 3,3 GB totale voetafdruk voor de 3B

• Context — geen gepubliceerde waarde voor WeVisOne-VL-4B versus 32.768 tokens voor LFM2.5-VL-3B

• Talen — niet opgegeven voor WeVisOne-VL-4B vs 16 voor LFM2.5-VL-3B, met een vocabulaire van 128K dat is gebouwd voor niet-Latijnse schriften

• Uitvoertypen — boxen, punten, masks en alpha mattes versus alleen boxen en tekst

• Licentie — Apache 2.0 voor door Tencent geschreven code versus de LFM Open License v1.0

Snelheid — ongepubliceerd versus 228 tok/s op een M5 Max, 116 tok/s op een Ryzen AI Max+ 395, 20 tok/s op een Galaxy S26 Ultra

De capaciteitskloof die daadwerkelijk de doorslag geeft

LFM2.5-VL-3B kan je vertellen waar een persoon zich in een afbeelding bevindt. WeVisOne-VL-4B kan je vertellen waar een persoon zich bevindt, een binair masker voor die instantie teruggeven en een continue alpha-matte met zachte randen — haar, vacht, doorschijnende stof, bewegingsonscherpte — op volledige resolutie teruggeven. Dat is een categorisch verschil, geen kwaliteitsverschil. Als je product een onderwerp op een nieuwe achtergrond moet compositen, een productfoto moet vrijstellen of de achtergrondvervanging van een videogesprek moet aansturen, heeft LFM2.5-VL-3B je niets te bieden, en geen enkele hoeveelheid prompt engineering verandert dat.

Voer de vergelijking andersom uit en hetzelfde gebeurt. Als je product binnen 40 milliseconden een knop op een telefoonscherm moet vinden, is WeVisOne-VL-4B volledig de verkeerde vorm: het is een model van 4,83B zonder gepubliceerd latentiecijfer, zonder gekwantiseerde edge-builds en met een decoder die uitgaat van één afbeelding per beurt. Liquid levert GGUF-, MLX-, ONNX- en native builds, plus een context van 32K en benchmarks voor tool-calling. Tencent levert een inferencepakket voor onderzoek en vLLM/SGLang-serving.

Afwijzing is de onderschatte column

Eén capaciteit in de tabel van Tencent verdient aandacht, zelfs als je nooit met matting te maken hebt. Op WeRef-Bench wijst WeVisOne-VL-4B 96,4% van de query's naar objecten die niet in de afbeelding staan correct af, tegenover 73,0% voor de beste baseline die de auteurs noemen; op PR-Bench is het afwijzingspercentage 52,6% tegenover 10,8% voor Qwen3-VL-4B. Het model retourneert None in plaats van een box te verzinnen. Een detector die hallucineert is erger dan geen detector, omdat de fout stil is en downstreamcode erop vertrouwt.

De documentatie van LFM2.5-VL-3B vermeldt geen afwijzingscijfer, dus er is niets om mee te vergelijken — en dat is nu juist het punt. Het ontbreken van bewijs is geen falen, maar als je een agent bouwt die beslist of er ergens op geklikt moet worden, is de aanwezigheid van een gemeten afwijzingspercentage een echte reden om eerst naar het Tencent-model te kijken.

Licensing is de stille onderscheider

Hier lopen de twee uiteen op een manier die van belang is voor iedereen die commercieel uitbrengt. De gewichten van WeVisOne-VL-4B vallen onder Apache 2.0 voor door Tencent geschreven code, terwijl componenten van derden hun eigen voorwaarden behouden. LFM2.5-VL-3B wordt uitgebracht onder de LFM Open License v1.0, die gratis is voor commercieel gebruik onder een omzetdrempel en daarboven een commerciële overeenkomst vereist. Als je een klein team bent, is het verschil academisch. Zo niet, dan is het ene een juridische beoordeling en het andere een regel in een afhankelijkheidsbestand.

Geen van beide licenties verleent u een gehoste dienst. WeVisOne-VL-4B heeft helemaal geen API; LFM2.5-VL-3B is een release van gewichten, en hosting door derden is een afzonderlijke regeling. Dat onomwonden zeggen is belangrijker dan vroeger, omdat een model zonder endpoint een verbintenis is om de inferentiestack zelf te bezitten.

Waar OrcaRouter past, en waar niet

Geen van beide modellen staat vandaag in de catalogus van OrcaRouter, dus niets hier is een route om ze aan te roepen. Wat het platform wel biedt, is de beslissing eromheen. De meeste teams die een 3B-edge-VLM evalueren, vervangen niet het ene model door het andere — ze voegen een tweede toe naast het general-purpose model dat al in productie is, en de operationele kosten van een tweede leverancierscontract, een tweede sleutel en een tweede faalmodus maken meestal een einde aan het experiment voordat het model dat doet.

Beide intenties via één endpoint routeren, met meer dan 200 modellen achter één sleutel tegen 0% opslag bovenop de lijstprijs van de provider, betekent dat het perceptiemodel een routingbeslissing kan zijn in plaats van een integratieproject. Als het edge-model niet beschikbaar is, stuurt automatische failover het verzoek elders naartoe in plaats van een 503 te retourneren. Dat is het deel dat OrcaRouter hier daadwerkelijk oplost; de gewichten en de GPU blijven van jou.

Welke moet je kiezen?

Kies LFM2.5-VL-3B als de taak latentiegebonden en tekstgericht is: schermbegrip, UI-agenten, document-OCR met lay-out, vertaling op het apparaat, tool calling. Het is sneller dan bijna alles in zijn klasse, het past binnen het geheugenbudget van een telefoon, en Liquid heeft genoeg cijfers gepubliceerd om de beweringen te toetsen aan je eigen workload.

Kies WeVisOne-VL-4B als de taak in pixels eindigt. Segmentatie, matting, dichte detectie van kleine objecten, of elke pipeline waarin "het model zei nee" een betrouwbaar antwoord moet zijn. Accepteer dat je een early adopter bent: er bestaat geen onafhankelijke benchmarkrun, er bestaat geen gehost endpoint, de fine-tuningcode staat nog op de TODO-lijst, en de paper is twee dagen oud.

Het enige wat je niet moet doen, is tussen hen kiezen op basis van één enkele benchmarkscore. Ze zijn door niemand tegen elkaar gemeten, op dezelfde data.