Molmo2-4B vs Moondream 3: Uma Opção Hospedada Encerra em 13 de Novembro

Há uma data atrelada a esta comparação, e ela está a uma semana de distância. O Moondream Cloud — o lado de inferência e Lens do negócio — é desligado em 13 de novembro de 2026, trinta dias depois de a Moondream anunciar que foi adquirida pela Prime Intellect. Os créditos comprados e não utilizados estão sendo reembolsados. Se você construiu sobre o endpoint hospedado do Moondream 3, a pergunta prática deixou de ser "Molmo2-4B ou Moondream 3" e passou a ser "qual conjunto de pesos abertos eu mesmo executo". Ambos os modelos sobrevivem ao desligamento. Apenas um deles chegou a ter uma API hospedada para perder.

Vale a pena ser preciso sobre qual Moondream está sendo comparado, porque o nome é usado de forma frouxa. O Moondream 3 Preview foi disponibilizado no Hugging Face em setembro de 2025. O lançamento atual é o Moondream 3.1, publicado em 7 de julho de 2026 como moondream3.1-9B-A2B, e é esse o checkpoint que este artigo trata como "Moondream 3". O Molmo2-4B é o outro lado: anunciado pelo Allen Institute for AI em 11 de dezembro de 2025, com pesos disponíveis em 14 de dezembro, Apache 2.0 sobre os pesos com um aviso explícito de que os dados de treinamento estão sujeitos a uso apenas para pesquisa acadêmica e não comercial. Ele nunca teve uma API hospedada pela Ai2, e isso acaba sendo importante.

O que é genuinamente recente do lado do Molmo não é um lançamento. Em 9 de outubro de 2026, a arquitetura Molmo2 foi integrada ao Transformers upstream e foi lançada na v5.20.0 em 15 de outubro, então o modelo não exige mais trust_remote_code=True. Em 5 de novembro, a Ai2 publicou o Molmo2-4B-tb, um fine-tune deste checkpoint para um robô de empilhamento de blocos. Nenhum dos dois torna o Molmo2-4B novo, e nenhum dos dois altera sua pegada.

O que sobrevive, e o que não sobrevive

Os pesos não vão a lugar nenhum. A Moondream distribui o moondream3.1-9B-A2B sob a Licença do Modelo Moondream 1.0 e publica o Photon, seu próprio mecanismo de inferência, para implantação local em GPUs NVIDIA Ampere ou mais recentes e Apple Silicon. A licença permite uso comercial, ajuste fino, quantização, redistribuição, implantação em edge e VPCs controladas pelo cliente. O que ela proíbe é uma coisa específica: fornecer um serviço Moondream hospedado de uso geral a terceiros sem uma licença comercial separada.

Essa cláusula é a razão pela qual o encerramento importa mais do que parece à primeira vista. Uma equipe que estava chamando a API do Moondream Cloud não pode simplesmente montar o mesmo endpoint por conta própria para seus clientes. Eles podem executar o Moondream dentro do próprio produto e podem executá-lo em infraestrutura que controlam, mas "Moondream como serviço" é exatamente o que a licença reserva. Se o endpoint era o produto, 13 de novembro é um evento de licenciamento e não apenas uma migração.

O Molmo2-4B não tem uma armadilha equivalente, porque nunca houve uma versão hospedada a perder. A licença dos pesos é Apache 2.0, e a restrição está na declaração de dados: a ficha do Ai2 diz que o modelo "é treinado em conjuntos de dados de terceiros sujeitos a uso apenas para pesquisa acadêmica e não comercial" e orienta você a revisar as fontes. Nenhum dos modelos é um "é só lançar" limpo — um restringe o que você pode oferecer, o outro restringe o que a linhagem de treinamento suporta.

Duas máquinas diferentes por baixo do capô

Parâmetros — o Molmo2-4B é denso, com 4.850.869.200 parâmetros; o Moondream 3.1 tem 9,0B no total, com 2,0B ativos por token, uma mistura de oito especialistas com roteamento top-2 mais um especialista compartilhado.

• Tamanho dos pesos — 19,42 GB de safetensors float32 para o Molmo2-4B, quatro shards; o Moondream 3.1 é distribuído para o Photon e via Hugging Face, com o fornecedor enfatizando uma pequena pegada de execução em vez de um grande download.

• Contexto — 36.864 posições para o Molmo2-4B; 32.768 tokens para o Moondream 3.1.

• Superfície de entrada — Molmo2-4B aceita imagem, múltiplas imagens e vídeo; Moondream 3.1 aceita uma imagem por chamada e não possui caminho nativo para vídeo.

• Contrato de saída — o Molmo2-4B retorna pontos escalonados de 0 a 1000 das dimensões da imagem, com carimbos de data/hora no modo de vídeo e uma regex documentada para análise sintática; o Moondream 3.1 expõe quatro habilidades nomeadas — query, detect, point, caption —, cada uma retornando JSON estruturado.

• Licença — pesos Apache 2.0 com uma ressalva relativa a dados de terceiros para o Molmo2-4B; Licença do Modelo Moondream 1.0 para o Moondream 3.1.

A linha de saída é a diferença mais interessante e a menos discutida. Os pontos do Molmo2-4B são um fluxo de coordenadas brutas que você analisa e pós-processa. As habilidades do Moondream 3.1 são um contrato de API: detect retorna objetos, point retorna pontos, caption retorna uma legenda, e o formato não varia com o prompt. Um é um modelo sobre o qual você constrói; o outro é um serviço que você chama. Essa diferença de design é um preditor melhor de qual deles se encaixa na sua base de código do que qualquer linha de benchmark.

Pontuações que não compartilham nenhum harness

A Moondream publica uma tabela substancial para a 3.1, e vale a pena citá-la com precisão porque a maioria dos resumos arredonda os valores. Dados reportados pelo fornecedor, todos na avaliação própria da Moondream: COCO detection [email protected] 81,46, ODinW-13 93,94, LVIS 67,4, Dense200 74,61, SKU-110K 52,77, CrowdHuman 74,5, RefCOCO-M 87,1, HumanRef 70,39, DOTA-v2 59,63, CountBench 90,35, TallyQA 74,86, PixMo-Count 88,68, ChartQA 86,01 e DocVQA 88,6, para uma média declarada de 77,9. O mesmo post relata 34,2 solicitações por segundo e latência do primeiro token de aproximadamente 20–30 ms no Cloudflare Workers AI, com uma chamada de ponto em torno de 145 ms de ponta a ponta.

O Molmo2-4B reporta um único agregado: média de 62,8 em 15 benchmarks acadêmicos, numa tabela que o coloca atrás do irmão de 8B, com 63,1, e ao lado do Qwen3-VL-4B, com 58,1, do InternVL3.5-4B, com 53,4, e do Eagle2.5-8B, com 60,7, enquanto os modelos fechados na mesma tabela ficam em 70,0 para o Gemini 3 Pro e 70,6 para o GPT-5.

Essas duas médias não podem ser comparadas. Elas abrangem tarefas diferentes, a da Moondream é fortemente ponderada para detecção e contagem, onde ela é mais forte, e nenhum dos fornecedores rodou seu modelo na suíte do outro. Qualquer um que apresente 77,9 contra 62,8 como uma vitória de seis pontos está comparando duas provas diferentes e chamando isso de pontuação.

A contagem que importa para ambos os fornecedores

A contagem é o único ponto em que as alegações dos dois modelos realmente se sobrepõem, e onde a leitura honesta é desconfortável para ambos. O Moondream reporta 90,35 no CountBench e 88,68 no PixMo-Count. O anúncio da Ai2 diz que a família Molmo 2 lidera os modelos de pesos abertos em contagem em vídeo e, em seguida, admite na mesma frase que nenhum modelo em sua avaliação alcança 40% de precisão. Essas afirmações não estão em conflito — uma é contagem de objetos densos em imagens curadas, a outra é contagem em vídeo —, mas significam que "bom em contagem" não é uma alegação que se possa transplantar. Especifique o teste antes de confiar no número.

Se você está decidindo esta semana

Comece pelo local onde a solicitação será executada. Se você estava chamando a API Moondream Cloud, a migração agora é um projeto de auto-hospedagem, e a licença decide se você pode reexpor isso. Execute o Photon localmente, mantenha o Moondream dentro do seu produto e não reconstrua o endpoint para terceiros sem uma licença comercial.

Se vídeo estiver no escopo, o Moondream 3.1 foi lançado. Ele recebe uma imagem por chamada, e nenhuma quantidade de estrutura de habilidades contorna isso. O padrão de 384 quadros a 2 fps do Molmo2-4B é o motivo para aceitar seu download de 19,42 GB em float32 e convertê-lo para uma precisão menor antes de servir.

Se o seu pipeline quer coordenadas, mas não um parágrafo, ambos conseguem fazer isso, e a escolha passa a ser de empacotamento: o fluxo de pontos etiquetados do Molmo2-4B com uma regex sua, ou a habilidade de pontos do Moondream 3.1 retornando JSON. A segunda dá menos trabalho hoje e carrega uma obrigação de licença amanhã.

Para equipes que usavam o Moondream como um de vários modelos de visão hospedados, e não como o produto, a migração é menos dramática do que parece: o OrcaRouter repassa o preço de tabela do próprio provedor sem acréscimo em mais de 200 IDs de modelo, com failover automático quando um endpoint upstream degrada, de modo que substituir uma chamada de visão hospedada por outra não significa um segundo contrato nem um cliente reescrito. Nem o Moondream 3.1 nem o Molmo2-4B estão nesse catálogo — ambos são pesos auto-hospedados —, mas o restante da stack geralmente está.

A coisa mais clara a dizer sobre esta dupla é que nunca foi uma disputa justa e agora é uma disputa menor. O Moondream 3.1 é uma API de visão rápida e bem empacotada, com uma licença que reserva o negócio de serviços para seu proprietário. O Molmo2-4B é um lançamento de pesquisa com saída de pontos nativa de vídeo e nenhum empacotamento. O encerramento não torna um melhor que o outro. Apenas remove a opção de não escolher.