LFM3-Omni-2B vs Moondream 3: Um benchmark em comum, dois trabalhos diferentes

Coloque LFM3-Omni-2B e Moondream 3 lado a lado e as fichas técnicas parecem irmãs. Ambos são modelos multimodais pequenos voltados para celulares, laptops, câmeras e robôs. Ambos têm contexto de 32K. Ambos colocam cerca de dois bilhões de parâmetros em ação em cada token. Ambos vêm com pesos abertos que você pode baixar hoje. Pesquise por um confronto direto entre eles e não encontra nada, que é exatamente por isso que a comparação continua sendo feita.

Então você lê as duas fichas dos modelos com atenção e a semelhança se desfaz de um jeito fácil de verificar. O único benchmark que ambas as fichas relatam é o DocVQA, em que o LFM3-Omni-2B obtém 92,47 e o Moondream 3.1 9B A2B obtém 88,6. Todo o resto que eles medem é disjunto. Um modelo retorna frases faladas. O outro retorna caixas delimitadoras. Não são duas respostas para a mesma pergunta.

Uma nota sobre nomes, porque o diretório é confuso. O Moondream 3 Preview foi lançado em 18 de setembro de 2025 e o Moondream 3.1 9B A2B em 7 de julho de 2026; todo número do Moondream neste texto vem do card do 3.1, que é o checkpoint que você pode baixar. O LFM3-Omni-2B foi publicado em 27 de outubro de 2026 como um de seis modelos da família LFM3 da Liquid AI. Ambos são novíssimos no único sentido que importa aqui: nenhum dos dois foi avaliado por alguém de fora da empresa que o construiu.

O que cada modelo realmente retorna

A diferença mais profunda não está na contagem de parâmetros. Está no contrato de saída.

Moondream 3.1 expõe cinco habilidades com formatos fixos: query, caption, detect, point e segment. A detecção retorna no máximo 200 caixas, o point no máximo 64 pontos e a segmentação no máximo 50 máscaras COCO-RLE, todos em coordenadas normalizadas de 0–1 como JSON. É um instrumento de medição espacial com uma interface estreita e previsível. Você pode conectar sua saída diretamente a um automatizador de UI ou a um planejador de robô sem uma camada de parsing de LLM, porque a saída já está estruturada.

O LFM3-Omni-2B não tem esse contrato. Ele aceita texto, imagens, vídeo com ou sem sua trilha sonora, e áudio de 16 kHz, e gera texto, fala de 24 kHz, ou ambos intercalados. Não há caminho de saída de coordenadas. Se você quiser extrair uma localização dele, você pergunta em prosa e interpreta a resposta, o que é uma classe de confiabilidade diferente de um esquema que garante uma caixa.

Essa única diferença decide mais implantações do que qualquer linha de benchmark. Trocar um ID de modelo pelo outro não é uma migração. É uma reescrita de tudo o que consome a resposta.

A ficha técnica, lado a lado

• Parâmetros — 2,17B no total para o LFM3-Omni-2B, todos residentes e em computação, vs 9,0B no total para o Moondream 3.1 com 2,0B ativos por token.

• Memória em repouso — cerca de 4,4 GB em BF16 por cálculo sobre 2,17B de parâmetros, contra aproximadamente 18 GB em FP16, cerca de 6 GB em INT4 da comunidade e um piso de 10 GB da NVIDIA para a build fp8 entregue.

• Entradas — texto, imagens, vídeo a 2 fps com ou sem áudio, e fala de 16 kHz versus apenas imagens e texto.

• Saídas — texto, fala de 24 kHz, ou intercalado vs texto, JSON, coordenadas normalizadas e máscaras.

• Contexto — 32.768 tokens contando entrada e saída vs 32.768 tokens de texto mais até 12 blocos de imagem, cerca de 2.304 tokens de visão.

• Orçamento de visão — até 2.048 tokens por imagem na resolução nativa vs. divisão adaptativa em até 12 recortes de 384–1024 px.

• Licença — LFM Open License v1.0, uso comercial licenciado apenas abaixo de US$ 10 milhões de receita anual, em comparação com a Moondream Model License 1.0, comercial em qualquer porte, mas sem serviço hospedado de uso geral.

• Publicado — 27 de outubro de 2026 vs 7 de julho de 2026, com o ramo 3 Preview datando de 18 de setembro de 2025.

A linha de memória é a que as pessoas ignoram e, em um dispositivo de borda, é o argumento inteiro. Os 2B parâmetros ativos do Moondream o tornam tão barato quanto o LFM3-Omni-2B por token, mas seus 9B no total o tornam até quatro vezes maior em memória na mesma precisão. Parâmetros ativos governam a computação. Parâmetros totais governam se a coisa cabe. Um modelo que roda na mesma velocidade, mas precisa de 18 GB, não está competindo pelo mesmo espaço de hardware que um que cabe em 4,4 GB.

O único benchmark que ambos reportam

DocVQA é a tarefa de resposta a perguntas sobre documentos, avaliada por ANLS, e nos dois cartões de modelo consta 92,47 para o LFM3-Omni-2B contra 88,6 para o Moondream 3.1. O modelo omni está à frente em 3,87 pontos no próprio território do especialista em visão.

Esse resultado deve ser lido com três ressalvas, todas elas essenciais. Ambos os números são autorrelatados pelos laboratórios que criaram os modelos. Nenhum dos laboratórios publicou sua estrutura de avaliação, formato de prompt ou seleção de amostras. E uma diferença de 3,87 pontos em um benchmark com tanta variância entre estruturas de avaliação é sugestiva, não decisiva. O que a linha estabelece é mais restrito, mas ainda útil: o LFM3-Omni-2B não desmorona em texto denso de documentos, que é a tarefa em que se esperaria que um modelo any-to-any de 2,17B falhasse.

Não estenda a mesma leitura ao grounding. O LFM3-Omni-2B reporta RefCOCO em 73,55 e o Moondream 3.1 reporta RefCOCO-M em 87,1, e essas não são a mesma medição. O card da Liquid observa que as caixas são lidas no formato de coordenadas nativo de cada modelo; o Moondream reporta F1 em um limiar de IoU de 0,5. Subtrair um do outro produz um número que não significa nada. A afirmação honesta é que o card do Moondream é construído em torno de grounding e o da Liquid o trata como uma linha entre dezessete.

Onde o Moondream 3 não chega perto

Parte disso é uma escolha de relato, e não uma lacuna de capacidade, e vale a pena ser preciso sobre qual é qual. Um modelo omni de 2,17B quase certamente consegue localizar uma região aproximada se você pedir em palavras. O que ele não consegue fazer é retornar 200 caixas em um esquema com uma taxa de erro limitada, porque nada em seu treinamento ou em seu formato de saída foi construído para isso. O produto inteiro da Moondream é a garantia de que as coordenadas voltam em um formato analisável. Essa garantia é o que você está comprando, e nenhuma linha de benchmark de outro laboratório mede isso.

{{1}}A mesma lógica se aplica ao contrário para latência.{{/1}} {{2}}A Moondream oferece o Photon, um mecanismo de inferência que compila o modelo em um único programa de GPU, e o fornecedor afirma cerca de 34 solicitações por segundo com batch 16 em uma H100 com P50 de 59 ms.{{/2}} {{3}}Esses são números do fornecedor, não reproduzidos, mas a engenharia por trás deles é específica para um modelo.{{/3}} {{4}}O LFM3-Omni-2B ainda não tem uma história de serving equivalente.{{/4}}

Onde o LFM3-Omni-2B não está próximo

O Moondream 3.1 não tem caminho de áudio. Não um mais fraco — nenhum. Sua entrada é uma imagem e texto, ponto final. Portanto, cada linha de áudio no card da Liquid é incontestada: taxa de erro de palavra de ASR em inglês de 6,36, ASR multilíngue 6,72, UTMOSv2 de TTS em inglês 3,80, VoiceBench 64,73, MMAR 51,40 e uma avaliação interna de chamada de ferramentas em 52,20.

Os números de vídeo com trilha sonora são os que merecem destaque, porque são a razão pela qual o modelo existe. Daily-Omni 70,09, WorldSense 47,10, AV-SpeakerBench 46,79 — todos medidos em vídeo com sua faixa de áudio, precisão de múltipla escolha, todos autorrelatados. A alegação da Liquid é que estes superam o Qwen2.5-Omni-7B e modelos de até 10,7 bilhões de parâmetros e, em sua própria tabela, de fato superam: o Qwen2.5-Omni-7B obtém 61,32, 45,37 e 43,24 nas mesmas três linhas.

Um detalhe naquele cartão merece mais atenção do que recebeu. A Liquid relata os mesmos benchmarks de visão duas vezes — uma com a pergunta digitada, outra com a pergunta falada. O RealWorldQA cai de 66,54 para 64,68, o MMStar de 55,67 para 51,79, o POPE de 89,34 para 83,78. Passar a pergunta pelo codificador de áudio custa entre dois e seis pontos, dependendo da tarefa. Esse é o preço do caminho da fala, dito sem rodeios, e é um número mais útil do que qualquer pontuação de destaque isolada.

O que acontece com o Moondream 3 em 13 de novembro

Esta é a parte da comparação que tem um prazo. A Prime Intellect anunciou que estava adquirindo a Moondream em 13 de outubro de 2026, e a Moondream confirmou em 14 de outubro. A publicação afirma que, em 13 de novembro de 2026, trinta dias após o anúncio, o Moondream Cloud — tanto a inferência hospedada quanto o produto de ajuste fino Lens — será encerrado. Os créditos comprados e não utilizados estão sendo reembolsados, e os clientes estão sendo direcionados para a plataforma de inferência do próprio adquirente.

Três coisas se seguem, e apenas a primeira é tranquila. Os pesos abertos sobrevivem e a licença permanece inalterada, então a hospedagem própria não é afetada. O Photon funciona localmente sem custo na versão 1.3.0 e posteriores, sem chave de API. O que não sobrevive de forma limpa é o Lens: checkpoints ajustados e LoRAs ficam no lado do servidor, e não há caminho de exportação documentado. Se o seu produto depende de um ajuste fino do Lens, a migração não é uma mudança de configuração, e dezesseis dias não é muito tempo para descobrir isso.

Há uma pequena estranheza que vale a pena destacar para quem estiver verificando fontes esta semana. A página de preços da Moondream ainda lista planos Cloud, tarifas por token e um nível Team de US$ 350/mês, e não diz nada sobre o encerramento. O anúncio está em uma página diferente. Um leitor que consulte apenas a página de preços em 28 de outubro não saberá que o serviço termina em dezesseis dias.

Quanto custa manter cada um

A Moondream publica tarifas por token: US$ 0,30 por milhão de tokens de entrada e US$ 1,00 por milhão de tokens de saída no nível em tempo real, reduzidas pela metade para US$ 0,15 e US$ 0,50 no lote. O LFM3-Omni-2B não publica nenhuma tarifa de hospedagem. A Liquid diz que a família está disponível em seu Playground e API, mas o post de lançamento não traz preço, e a ficha do modelo não traz preço. Essa assimetria é a história dos custos.

Faça o cálculo do Moondream em uma chamada realista. Uma única imagem custa até 2.304 tokens de visão com tiling completo; adicione um prompt de 50 tokens e 100 tokens de saída e uma chamada fica com 2.354 tokens de entrada e 100 tokens de saída, ou cerca de US$ 0,0008. A 10.000 chamadas por dia, isso dá aproximadamente US$ 8 por dia, ou US$ 242 por mês, caindo para cerca de US$ 121 por mês no nível de lote. Se isso é barato depende inteiramente do que você gastaria de outra forma com hardware, e essa é a comparação que o LFM3-Omni-2B força você a fazer, porque ele não oferece nenhum número por token para comparar.

No seu próprio hardware, a conta se inverte. O LFM3-Omni-2B tem cerca de 4,4 GB de pesos em BF16 antes das ativações, do decodificador de áudio e do cache KV — uma aritmética baseada na contagem de parâmetros, não em um footprint medido, já que a placa não publica nenhum número de memória. O Moondream 3.1 exige uma placa NVIDIA de 10 GB para sua build distribuída, ou cerca de 6 GB com uma quantização INT4 da comunidade. Um modelo roda em um celular. O outro roda em um Jetson Orin ou superior.

O OrcaRouter merece uma frase aqui apenas porque a versão honesta é limitada: nem o LFM3-Omni-2B nem o Moondream 3 estão no nosso catálogo, e nada neste artigo afirma que servimos qualquer um deles. O que nós roteamos é a camada de visão hospedada — Qwen3-VL-8B, por exemplo — com preço de tabela do provedor repassado com 0% de margem e failover automático entre upstreams. Se o cálculo de auto-hospedagem acima é o que faz você hesitar, essa é a opção que a comparação deixa de fora, e é uma compra diferente, não uma melhor.

A licença pode decidir antes de o benchmark decidir.

As duas licenças restringem coisas diferentes, e qual delas vai lhe afetar depende de como é a sua empresa.

A LFM Open License v1.0 define um limite de $10,000,000 em receita anual. Abaixo dele, o uso comercial é licenciado sem restrições. Acima dele, a seção 5 afirma claramente que o uso comercial da obra ou de um derivado não é licenciado pelo acordo de forma alguma. Assim, uma startup pode criar um produto com o LFM3-Omni-2B gratuitamente, e uma empresa acima do limite não pode sem um acordo separado — independentemente de quão bom seja o modelo.

A Licença do Modelo Moondream 1.0 não tem limiar de receita. Ela permite uso comercial em qualquer escala, auto-hospedagem, ajuste fino, quantização e redistribuição, e proíbe um negócio específico: fornecer um serviço de modelo hospedado de propósito geral para o modelo ou um derivado sem uma licença comercial escrita separada. Incorporar o Moondream dentro de um produto mais restrito é permitido. Revender inferência de propósito geral sobre ele não é.

Lidos em conjunto, os dois documentos são quase complementares. A Liquid controla o acesso com base em quem você é; a Moondream controla com base no que você vende. Uma grande empresa que planeja um produto de inferência hospedada é bloqueada por ambas, de maneiras diferentes.

Quem deve escolher qual?

Escolha o Moondream 3.1 se o produto precisar de coordenadas. Automação de telas, robótica, auditorias de gôndolas no varejo, contagem, qualquer coisa em que a resposta seja uma caixa, um ponto ou uma máscara e o próximo sistema a consuma programaticamente. O footprint total de 9B é o preço dessa garantia, e se você está implantando em hardware da classe Jetson, é um preço que você pode pagar. Planeje a migração da hospedagem agora, e não em novembro.

Escolha o LFM3-Omni-2B se o produto envolver uma pessoa conversando com um dispositivo, ou um dispositivo que precise ouvir um ambiente. Um quiosque que responde em voz alta, uma ferramenta de campo em que as mãos estão ocupadas, uma câmera que precisa entender um vídeo junto com sua trilha sonora, um único checkpoint substituindo um modelo ASR mais um VLM mais um modelo TTS. As pontuações de visão são respeitáveis, e não excepcionais, o conjunto de ferramentas tem apenas um dia de vida, e o caminho da fala é o motivo para aceitar ambos.

Não escolha nenhum dos dois, por enquanto, se a decisão for crítica. Nada aqui foi avaliado de forma independente. As ferramentas do LFM3-Omni-2B estão avançando rápido — há uma entrada na biblioteca do Ollama com 2,4 GB, e o llama.cpp integrou suporte a ele em 27 de outubro, no mesmo dia em que os pesos apareceram —, mas a listagem do Ollama atualmente discorda do card do modelo de duas formas visíveis, mostrando um contexto de 125K e "Text, Image" como entradas compatíveis, contra os 32K e as quatro modalidades do card. Isso é uma listagem que ainda não foi atualizada, não um defeito do modelo, e é o tipo de coisa que se corrige em uma semana. Também não é algo para colocar em produção esta semana.

O que mudaria isso

Duas coisas. Uma avaliação independente do LFM3-Omni-2B nas linhas audiovisuais resolveria se o 70.09 no Daily-Omni sobrevive a um harness que ele não escolheu, e esse é o único número no qual todo o argumento omni se baseia. E uma história de serving para o ramo de fala — o card do modelo documenta a geração de texto em detalhes e diz muito menos sobre como o decodificador de áudio é servido em escala — diria se o argumento de "um modelo substitui quatro" sobrevive ao contato com uma implantação em produção.

Até então, a comparação tem uma forma clara. O Moondream 3 mede o mundo e entrega números a você. O LFM3-Omni-2B escuta e responde. O único benchmark que eles compartilham é um teste de leitura de documentos, e o modelo omni vence por menos de quatro pontos. Isso não é uma rivalidade. É um lembrete de que "2B multimodal" descreve um orçamento de memória, não uma função.