LFM3-VL-2B vs UI-Venus 2.9B: O 2.9B que na verdade é um 9B

Não existe nenhum modelo chamado UI-Venus 2.9B. O checkpoint em inclusionAI/UI-Venus-2-9B é o UI-Venus-2-9B — versão dois do agente UI-Venus do Ant Group, com 9 bilhões de parâmetros, construído sobre o Qwen3.5-9B. O nome do diretório parece um número decimal, mas não é. Em comparação com o LFM3-VL-2B, com 1,92 bilhão de parâmetros, isso faz desta uma comparação de 2B contra 9B usando um rótulo de 2B contra 2B.

O erro importa porque muda a pergunta. Se ambos os modelos tivessem mais ou menos 2B, você compararia linhas de benchmark e escolheria o melhor. Em 9B versus 2B, o modelo menor não está competindo no mesmo hardware, e o maior não é de forma alguma um modelo geral de visão. UI-Venus-2-9B é um agente de GUI treinado para operar celulares, navegadores e desktops a partir de capturas de tela. LFM3-VL-2B é um modelo geral de visão e linguagem que, por acaso, inclui uma categoria de GUI entre seus 62 benchmarks. A sobreposição é mais estreita do que a nomenclatura sugere.

Como o nome foi deturpado

A convenção de nomenclatura do Ant Group é família-versão-tamanho. UI-Venus-2-9B é interpretado como UI-Venus, geração 2, 9B de parâmetros. Um catálogo ou um radar que divide por hífens e procura um ponto decimal lê "2-9" como "2.9", e é assim que um modelo 9B acaba arquivado ao lado de modelos 2B. A mesma convenção produz UI-Venus-2-27B, o irmão maior, e ambos foram publicados juntos no final de agosto de 2026.

Isto não é um erro cosmético. A contagem de parâmetros é o primeiro filtro em toda decisão de implantação, e um leitor que chega esperando um modelo de 2.9B ficará surpreso com um checkpoint BF16 de 18.8 GB que não cabe no dispositivo que tinha em mente. Os metadados do próprio repositório são inequívocos: arquitetura Qwen3.5-9B, BF16, image-text-to-text.

Duas funções, não dois tamanhos

O LFM3-VL-2B recebe texto, imagens e vídeo a 2 fps, produz texto, suporta um modo de pensamento e tem um contexto de 128K em 16 idiomas. É um generalista: documentos, gráficos, grounding, raciocínio incorporado, compreensão de GUI e vídeo aparecem todos como categorias em seu cartão. A Liquid AI publicou-o no Hugging Face em 19 de outubro de 2026 e anunciou a família em 27 de outubro, sem preço de API e sem provedor de inferência listado.

O UI-Venus-2-9B captura capturas de tela e uma descrição de tarefa e retorna a próxima ação em um ciclo fechado de observar–raciocinar–agir. Seu treinamento é em três estágios: treinamento intermediário multimodal em trajetórias simuladas em mais de 170 aplicativos móveis e mais de 4.000 domínios web, aprendizado por reforço offline em nível de passo em tarefas de grounding, CAPTCHA, móveis, web e computador, depois destilação on-policy com múltiplos professores em uma única política. Ele roda em vLLM com um endpoint compatível com OpenAI e um analisador de raciocínio Qwen3. Isso é um runtime de agente, não um modelo de legendagem.

A consequência prática: você não pode trocá-los. O LFM3-VL-2B descreverá uma captura de tela e responderá perguntas sobre ela. O UI-Venus-2-9B decidirá onde tocar em seguida, e espera o arcabouço ao redor — analisadores de ações, prompts, exemplos — do repositório GitHub do projeto para fazer qualquer coisa útil.

O único benchmark que se alinha

Ambos os modelos reportam o ScreenSpot-Pro, que é o caso raro em que a comparação é legítima. O LFM3-VL-2B pontua 55,5 com raciocínio e 49,3 sem. O UI-Venus-2-9B pontua 73,0. Isso é uma diferença de 17,5 pontos a favor do modelo que é quase cinco vezes maior, e é o número mais claro deste confronto.

Não estenda isso ao restante da história da GUI. O UI-Venus-2-9B também reporta AndroidWorld 80,2, OSWorld-Verified 70,8, WebVoyager 90,8, Online-Mind2Web 74,0 e VenusBench-GD 77,1. O LFM3-VL-2B reporta uma média da categoria GUI de 83,1 em um conjunto diferente de tarefas, e calcular a média de uma categoria não é o mesmo que obter pontuação em um único benchmark. As categorias não são comparáveis e não devem ser subtraídas.

Há um número no cartão UI-Venus que vale a pena destacar porque contraria a manchete: no OSWorld 2.0, o modelo pontua 0,0 na métrica binária e 7,5 na métrica parcial. Qualquer que seja o problema do harness, um agente de 9B que lidera no OSWorld-Verified e pontua perto de zero no benchmark sucessor é um modelo com um limite, e o cartão relata isso honestamente.

Janelas de contexto que medem coisas diferentes

O UI-Venus-2-9B declara até 256K tokens de contexto, e a parte útil é o que esse contexto contém: um histórico de capturas de tela, para que o agente consiga lembrar como a tela estava quatro etapas atrás. O LFM3-VL-2B declara 128K, e sua ficha não informa o orçamento de tokens de imagem nem um comprimento máximo de vídeo. Nenhum dos dois números diz quantas capturas de tela você pode manter em um loop antes de o modelo perder a primeira. Ambos exigem medição na sua própria resolução e contagem de etapas.

A diferença de natureza ainda importa. Um longo histórico de capturas de tela é um requisito de memória para um agente que funciona por minutos. Um contexto de 128K em um VLM geral é um requisito de documento ou vídeo. Os números parecem comparáveis e respondem a perguntas diferentes.

Implantação: 4 GB contra 19 GB

O LFM3-VL-2B tem 1,92 bilhão de parâmetros, cerca de 3,84 GB de pesos em BF16 pelas contas, com builds GGUF, MLX 4-bit e ONNX já publicados. O UI-Venus-2-9B tem aproximadamente 18,8 GB em BF16 e é servido via vLLM; há um GGUF da comunidade, mas o caminho de serving do fornecedor pressupõe uma GPU com espaço para o checkpoint completo. Eles não competem pelo mesmo slot. Um é candidato para edge; o outro é um agente do lado do servidor.

Essa diferença, e não a lacuna no benchmark, é o que torna o pareamento interessante. Uma equipe que quer compreensão de GUI em um dispositivo tem exatamente uma opção aqui. Uma equipe que quer um agente de GUI com pontuações quase no estado da arte tem a outra, e precisa de uma GPU para executá-lo.

A questão da licença que ninguém respondeu

O LFM3-VL-2B usa a LFM Open License v1.0: o uso comercial só é licenciado enquanto o licenciado permanecer abaixo de US$ 10 milhões em receita anual. Isso é restritivo, mas legível, e o texto está publicado.

O UI-Venus-2-9B é menos claro. O repositório de código do projeto indica Apache 2.0; o cartão do modelo declara que a licença dos pesos está pendente de confirmação final porque declarações upstream entram em conflito. Em 28 de outubro de 2026, isso ainda não foi resolvido. Uma licença pendente não é um bloqueio para pesquisa e é um bloqueio real para uma implantação comercial que precisa conhecer seus termos antes de ser lançada. Qualquer pessoa que planeje construir sobre o UI-Venus-2-9B deve obter a resposta por escrito em vez de inferi-la a partir de uma tag do repositório.

Onde o OrcaRouter se encaixa, se é que se encaixa

O OrcaRouter não serve nenhum dos dois checkpoints, e este texto não afirma que servimos. O que temos é uma DSL de roteamento que pode compor vários modelos em uma única chamada — útil aqui porque a arquitetura natural não é "escolher um". Um VLM geral pequeno pode ler a tela e decidir se a tarefa é uma pergunta sobre um documento ou uma interação; um especialista maior em GUI pode executar as etapas de interação. Roteá-los por tipo de tarefa é uma configuração, não uma segunda integração.

Isso é um uso mais honesto da comparação do que fingir que os dois modelos são alternativas. Eles são duas etapas do mesmo pipeline, com uma diferença de parâmetros de 5× entre eles.

Qual deles você realmente quer

• LFM3-VL-2B se a tarefa é compreender em vez de agir, se você precisa de entrada de vídeo ou documento, ou se o modelo precisa rodar em cerca de 4 GB. Aceite a licença com teto de receita e o fato de que ninguém fora da Liquid o avaliou.

• UI-Venus-2-9B se o trabalho for operar uma interface de ponta a ponta, se puder fornecer 19 GB de memória de GPU e uma pilha de serviço vLLM, e se puder aguardar a confirmação da licença dos pesos. Aceite que é um especialista com um harness, não um assistente generalista.

• Nenhum dos dois se o que você queria era um modelo de 2,9B. Esse modelo não existe, e as duas opções reais são ambas mais especializadas do que o nome sugeria.

A correção é a lição principal. Uma contagem de parâmetros no nome de uma pasta não é uma especificação e, neste caso, ocultou uma diferença de tamanho de cinco vezes e uma tarefa completamente diferente. Leia o campo de arquitetura antes do slug.