Moondream 3.1 9B A2B vs UI-Venus 2 9B: Um preço publicado, uma licença pendente

Moondream 3.1 9B A2B e UI-Venus 2 9B têm o mesmo tamanho, estão na mesma modalidade e devolvem a mesma primitiva — uma coordenada. Apenas um deles tem um preço por token publicado, e o preço pertence àquele cujo endpoint hospedado está prestes a ser desligado. O Moondream 3.1 9B A2B é vendido a US$ 0,30 por milhão de tokens de entrada e US$ 1,00 por milhão de tokens de saída no Moondream Cloud. Em 13 de novembro de 2026, daqui a quatro semanas, o Moondream Cloud — a inferência e o produto de ajuste fino Lens, juntos — encerra as atividades, uma linha que chegou em 14 de outubro junto com a notícia de que a empresa Moondream foi adquirida pela Prime Intellect. O UI-Venus 2 9B não tem nenhum endpoint próprio, então também não tem tabela de preços. E a licença que diria se você pode comercializá-lo ainda está, nas palavras da própria ficha do modelo, pendente de confirmação final.

Nenhum desses modelos é novo, e nada aqui é um lançamento. O Moondream 3.1 9B A2B foi disponibilizado em 7 de julho de 2026 sob a Moondream Model License 1.0. O UI-Venus 2 9B foi publicado no Hugging Face em 26 de agosto de 2026 pela inclusionAI, o repositório da Venus Team na Ant Group, com seu relatório técnico vindo na sequência, em 27 de agosto. O que de fato mudou nos últimos sete dias está do lado da Moondream: a aquisição, datada de 14 de outubro no próprio blog da Moondream e um dia antes no da Prime Intellect, e o encerramento gradual de trinta dias do serviço hospedado que veio junto com ela. É por isso que este par vale a pena ler agora, em vez de numa rodada de lançamentos. Um desses dois modelos acabou de ter seu canal de distribuição colocado em contagem regressiva; o outro nunca teve um.

O que você pode chamar hoje, e até quando

O Moondream 3.1 9B A2B está disponível de três formas, e uma delas é por tempo limitado.

A nuvem do fornecedor vende isso por token: US$ 0,30 por milhão de tokens de entrada e US$ 1,00 por milhão de tokens de saída com latência em tempo real, ou US$ 0,15 e US$ 0,50 na API em lote, que mantém um desconto de 50% sobre o preço de tabela. O Lens, o produto de ajuste fino, custa US$ 0,60 por milhão de tokens de treinamento. O acesso é limitado por throttling, em vez de medido por concorrência — a página de limites de taxa do fornecedor documenta 2 solicitações por segundo para qualquer chave de API, subindo para 10 solicitações por segundo quando a conta tiver US$ 10. Depois, o prazo final: em 13 de novembro de 2026, tanto o endpoint de inferência na nuvem quanto o Lens serão encerrados, os créditos comprados não utilizados serão reembolsados, e os clientes serão informados de que receberão ajuda para migrar.

Os pesos, entretanto, não vão a lugar nenhum. A Moondream Model License 1.0 permite auto-hospedagem comercial, ajuste fino, quantização e redistribuição, e o Photon — o motor de inferência do próprio fornecedor — executa o checkpoint localmente em hardware NVIDIA Ampere ou mais recente e Apple Silicon sem custo. Assim, o prazo se divide claramente. Se o seu código envia para o endpoint hospedado do fornecedor, você tem uma migração pela frente e cerca de quatro semanas para fazê-la. Se o seu código carrega um checkpoint que você possui, o anúncio não mudou nada que você precise fazer.

UI-Venus 2 9B nunca foi invocável dessa forma. São pesos de parâmetros completos de um modelo denso de 9B inicializado a partir do Qwen3.5-9B, divididos em quatro shards de safetensors BF16, e o caminho pretendido é um servidor vLLM que você mesmo levanta, iniciado com um comprimento máximo de modelo de 262.144 tokens e o analisador de raciocínio Qwen3. O card é incomumente direto sobre os limites dessa receita: a configuração de serviço "não foi validada por live-canary como parte desta atualização do model card, então fixe e verifique uma versão do vLLM apropriada para o Qwen3.5 antes da implantação."

Coloque esses dois parágrafos lado a lado e a diferença para o comprador é um item de linha, não um benchmark. Um modelo é uma conta por token que você pode colocar numa planilha até meados de novembro. O outro é uma GPU que você precisa encontrar, dimensionar e manter aquecida — e o fornecedor que publicou os pesos nunca validou a configuração do servidor para você.

Mesma contagem de parâmetros, faturas de tokens muito diferentes

O rótulo 9B é a coisa menos útil que esses dois têm em comum. O que os separa economicamente são os turnos por tarefa.

O Moondream 3.1 9B A2B não tem um segundo passo. Uma chamada é uma imagem de entrada e uma resposta curta de saída — caixas delimitadoras do detect, coordenadas centrais do point, uma legenda ou uma resposta escrita do query. Há um modo de raciocínio opcional, e a documentação do fornecedor é direta quanto ao seu custo: ativá-lo gera uma análise explícita antes da resposta e pode "aumentar materialmente a latência e os tokens gerados". A saída é deliberadamente pequena, e todo o apelo do modelo é ser pequeno e ainda assim útil.

UI-Venus 2 9B é um loop fechado. Cada passo recebe a tela atual, carrega o histórico de capturas de tela do episódio, emite um traço de raciocínio e então uma ação, e a próxima captura de tela retorna como entrada. As avaliações publicadas mostram o que isso custa em turnos: o cartão do modelo reporta o MobileWorld com um orçamento de 50 passos e novamente com 100, e o OSWorld 2.0 com um orçamento de 150 passos. O contexto, neste design, não é espaço para um documento — é quantos estados de tela o agente ainda consegue se lembrar.

A aritmética é a seguinte, e é nossa, não dos fornecedores. Se uma legenda ou uma resposta de detecção tiver de 50 a 100 tokens de saída, então um milhão de tokens de saída fica entre dez e vinte mil chamadas ao Moondream por um dólar. Você não pode escrever a frase equivalente para o UI-Venus 2 9B, porque não há um preço pelo qual dividir — você paga pelas horas de GPU que o loop ocupa, não pelos tokens que ele produz, e a contagem de tokens por tarefa concluída é função de quantos passos você permite. Mesma contagem de parâmetros, mesmo número de destaque de 9B, e as duas contas não estão na mesma unidade.

Mais uma assimetria que vale a pena conhecer antes que atrapalhe um plano de produção. O Moondream mede seu próprio motor em 34,2 requisições por segundo em uma única H100 SXM5 com tamanho de lote 16 — um número do fornecedor, no hardware do fornecedor, com o Photon servindo. A API hospedada limita uma conta com créditos a 10 requisições por segundo. Isso é uma diferença de três vezes entre o que o modelo pode fazer em hardware que você controla e o que o endpoint permitirá que você faça, e é o tipo de coisa que um pipeline descobre em produção, e não em uma avaliação.

Lado a lado, dimensão por dimensão

• Tarefa — Moondream 3.1 9B A2B: percepção sobre uma única imagem. UI-Venus 2 9B: agência sobre uma tela, em loop.

• Parâmetros — 9B no total, com 2B ativos por token, uma mistura esparsa de especialistas. UI-Venus 2 9B: 9B denso, inicializado a partir do Qwen3.5-9B.

• Saída — caixas delimitadoras, coordenadas do centro, legendas, respostas escritas e caminhos de segmentação. UI-Venus 2 9B: uma ação, uma coordenada de clique e o traço de raciocínio que os produziu.

• Contexto — 32K tokens. UI-Venus 2 9B: máximo de 262.144 embeddings de posição, configurado como memória de episódio em vez de contexto de documento.

• Preço publicado — US$ 0,30 de entrada e US$ 1,00 de saída por milhão de tokens em tempo real, US$ 0,15 e US$ 0,50 em lote, em um endpoint que encerra em 13 de novembro de 2026. UI-Venus 2 9B: nenhum, porque não há endpoint de primeira parte. Ou você o hospeda, ou não o usa.

• Benchmarks publicados — COCO 81,46 F1@0,5, ODinW-13 93,94, RefCOCO-M 87,1, CountBench 90,35, ChartQA 86,01, DocVQA 88,6, e uma média da suíte de 77,9. UI-Venus 2 9B: AndroidWorld 80,2, WebVoyager 90,8, OSWorld-Verified 70,8, ScreenSpot-Pro 73,0, VenusBench-CAPTCHA 78,1, e uma taxa de sucesso de ataque do OSHarm de 11,3% contra 25,3% do seu modelo base. Todos esses números são do próprio fornecedor.

• Licença — Moondream Model License 1.0: pesos abertos, auto-hospedagem comercial permitida, redistribuição permitida, uma restrição. UI-Venus 2 9B: confirmação final pendente, sem ficheiro de licença no repositório.

• Pontuações independentes — nenhuma. Nenhum dos modelos tem entrada em um ranking neutro, e os dois fornecedores não publicam nenhum benchmark em comum, de modo que nada nas duas colunas acima pode ser comparado entre si.

A licença é onde os dois deixam de se parecer

A licença do Moondream é curta e específica, e o fornecedor a reescreveu para este lançamento porque a anterior era difícil de ler. Uso comercial, auto-hospedagem, ajuste fino, quantização e redistribuição são todos permitidos sem amarras. A única restrição é que você não pode simplesmente oferecer inferência ou ajuste fino do Moondream de uso geral a terceiros como um serviço hospedado; uma aplicação restrita e específica de domínio construída sobre o modelo é explicitamente permitida. Para uma equipe que lança um produto que por acaso lida com imagens, essa é uma licença permissiva com uma cláusula de concorrente, e a cláusula não os afeta.

A posição do UI-Venus 2 9B não é o mesmo tipo de afirmação, e vale a pena citá-la em vez de parafraseá-la. A seção Status de Lançamento do card diz que a licença dos pesos do modelo está "pendente de confirmação final e será adicionada antes do lançamento público", e explica por que a escolha óbvia não foi adotada: "A declaração Apache-2.0 não foi intencionalmente transportada porque os materiais upstream atuais contêm declarações de licença conflitantes." Não há arquivo de licença no repositório. Os pesos foram publicados em 26 de agosto de 2026, e o repositório foi modificado pela última vez em 2 de setembro.

A leitura prática não é que o modelo seja inutilizável. É que uma licença não resolvida é uma decisão de negócio que alguém precisa tomar formalmente, e não um padrão que você herda ao baixar um checkpoint. Pesquisa, avaliação e prototipagem interna não são onde o risco está. Colocá-lo diante de clientes pagantes é, e nenhuma pontuação de benchmark na seção acima muda isso. O card traz uma segunda condição que vale a pena ler antes que alguém construa em cima dela: a capacidade de resolver CAPTCHA "should only be used in authorized environments" — uma restrição ao caso de uso, não uma sugestão sobre ele.

Ambos os fornecedores permitem que você confira o número, em duas direções diferentes.

A maioria dos lançamentos de modelos publica uma tabela e para por aí. Esses dois publicaram as ressalvas, e as ressalvas são tipos diferentes de coisa.

O post de lançamento do Moondream traz um rodapé de metodologia que fixa o hardware e o arcabouço de avaliação: uma única H100 SXM5, tamanho de lote 16, as configurações de maior acurácia e raciocínio para cada modelo, Photon para o próprio Moondream, vLLM para as baselines Qwen3.5 e Gemma 4, Hugging Face Transformers para o SAM 3, e o LocateAnything avaliado em modo lento para maximizar sua acurácia. Ele também revela espontaneamente algo que um fornecedor não tem obrigação de revelar: as pontuações foram alcançadas tratando cada benchmark como uma tarefa de cliente, treinando um LoRA por tarefa através do mesmo produto de fine-tuning que os clientes usam, e depois reincorporando esses LoRAs aos pesos base com destilação on-policy. Leia isso com atenção e isso muda o que a tabela descreve — o checkpoint que você baixa é um estudante destilado de seus próprios especialistas por tarefa, não um modelo que por acaso generalizou tão bem numa tarefa para a qual ninguém o treinou.

O relatório técnico do UI-Venus 2, arXiv 2609.00028, submetido em 27 de agosto de 2026, faz o outro tipo de divulgação. As baselines marcadas com um asterisco foram avaliadas ou reproduzidas pelos autores sob seu próprio protocolo declarado, em vez de serem citadas de outra fonte. Um traço significa não reportado, e os autores mantêm os traços. O MobileWorld é apresentado duas vezes, com um orçamento de 50 etapas e de 100, para que você veja o que as etapas extras acrescentam. O OSWorld-Verified vem com um aviso de que as comparações "podem usar scaffolds de ação específicos do modelo, portanto devem ser interpretadas como referências em nível de benchmark, e não como ablações controladas". O VenusBench-CAPTCHA é uma micro-média sobre 219 exemplos fixos; o valor do MCA-Bench usa 1.000 exemplos amostrados. Há uma frase afirmando que resultados de ambiente ao vivo podem variar conforme a data de avaliação e o estado do ambiente.

Nada disso torna qualquer um dos dois conjuntos de números reproduzível nos seus dados, e nenhum dos fornecedores tem um resultado independente para apontar. O que isso significa é que ambos lhe disseram quanto valem os seus números — o que é mais raro, e mais útil para um comprador, do que uma boa pontuação.

Qual deles, por restrição

• Você precisa de caixas, pontos centrais ou contagens sobre imagens, a um preço que consegue prever — Moondream 3.1 9B A2B, com a ressalva de que a previsão só se mantém se você fizer auto-hospedagem após 13 de novembro ou mudar o endpoint. Uma fatura por token com data de encerramento é uma previsão com prazo de validade, não um modelo de custos.

• Você precisa de algo que leia uma tela e aja sobre ela — UI-Venus 2 9B, e a questão da licença passa à frente da tabela de benchmarks. Coloque-o em automação interna primeiro e reavalie quando a licença chegar, em vez de descobrir o problema durante a aquisição.

• Você está fazendo o deploy em hardware que já possui — Moondream 3.1 9B A2B. O Photon é gratuito, roda em GPUs NVIDIA Ampere ou mais recentes e em Apple Silicon, e oferece a você o mesmo modelo em desenvolvimento e produção, em vez de dois endpoints diferentes que se comportam de forma diferente sob carga.

• Você quer o contexto mais longo na ficha técnica — os 262.144 tokens do UI-Venus 2 9B são reais na configuração, mas o consumidor pretendido é um histórico de capturas de tela, não um PDF. Os 32K do Moondream são um quarto do tamanho, e seu fornecedor nunca afirmou que ele precisa comportar o episódio de um agente, então nenhum dos dois números é uma vitória clara.

O tratamento de CAPTCHA está na sua lista — leia primeiro a restrição do cartão. A capacidade está lá, e a licença é o que está à frente dela.

Se a resposta honesta for ambos, para funções diferentes — percepção no caminho de ingestão e um agente no caminho de ação —, essa é a forma comum, e é um problema de dois contratos antes de ser um problema de modelo.

O modelo por trás do modelo, e quem o roteia

Nenhum desses checkpoints é servido através do OrcaRouter, então nada aqui é um pitch para chamá-los por meio de nós. A camada que realmente precisa de roteamento é a que está por trás deles.

Um resultado de detecção precisa ser triado, a ação proposta de um agente precisa ser julgada e o registro precisa ser escrito. Esses são trabalhos de texto, são a metade mais cara por token, e é aí que uma única chave compatível com a OpenAI em mais de 200 modelos — com os preços de tabela dos provedores repassados com 0% de margem, e failover automático entre provedores — remove um contrato e um caminho de código do pipeline. Onde você já sabe o formato do raciocínio que deseja, a DSL de roteamento compõe vários modelos em uma única chamada, e a fusão de modelos executa um painel deles em conjunto sobre a mesma entrada. Ambas são formas de variar a camada por trás de um modelo de visão fixo sem tocar no código que se comunica com a câmera.

O mecanismo de preços importa mais do que o habitual nesta comparação específica. Porque os preços de tabela são repassados em vez de serem majorados, uma alteração de preço do fornecedor fica ativa do nosso lado no mesmo dia. Para um modelo cujo preço hospedado tem uma data de encerramento gravada nele, esse é o único tipo de acordo de preços sobre o qual vale a pena construir uma previsão.

O que mudaria esta resposta

Três coisas, e todas as três são verificáveis.

A primeira é a resolução da licença do UI-Venus 2 9B. Se ela sair permissiva, o cálculo para qualquer pessoa que quisesse o agente mas não pudesse justificar a exposição legal muda imediatamente, e a recomendação acima de mantê-lo interno fica obsoleta na semana em que isso acontecer. A segunda é um endpoint próprio para o Moondream 3.1 9B A2B reaparecendo após o desligamento da nuvem, o que restauraria a comparação de preços que este artigo só conseguiu fazer pela metade. A terceira, e a que vale mais, é alguém rodando os dois modelos nas mesmas imagens. Nenhum dos fornecedores tem um resultado independente e os dois conjuntos de benchmarks não se cruzam, então a primeira pessoa a avaliar esses dois com seus próprios dados produz a única comparação que vai resolver a questão do grounding — e é uma tarde de trabalho, não um projeto de pesquisa.

Até então, o resumo defensável é deliberadamente estreito. Estes são dois modelos de visão 9B que compartilham uma contagem de parâmetros, uma tag de modalidade e o hábito de retornar coordenadas, e não concordam em quase nada que decide uma implantação: quanto custa uma chamada, se uma chamada é sequer a unidade certa e se você tem permissão para entregar a saída.

Nada disso é hipotético: as falhas de IA documentadas e os incidentes com agentes por trás de lançamentos como este estão reunidos no Arquivo de Incidentes de IA da OrcaRouter, onde cada entrada traz as suas próprias fontes, gravidade, grau de confiança e sinalização de contestação.