UI-Venus-2-9B vs Qwen2.5-Omni-7B: Dois Descendentes do Qwen, Generalista vs Agente

UI-Venus-2-9B e Qwen2.5-Omni-7B são ambos descendentes de pesos abertos da mesma linhagem, o que torna este confronto um raro experimento controlado. Qwen2.5-Omni-7B, lançado em março de 2025 sob a licença Apache-2.0, é o generalista omni-modal estabelecido do tipo qualquer-para-qualquer: texto, imagem, áudio e vídeo na entrada; texto e áudio falado na saída — um modelo que percebe tudo e responde no modo que você quiser. O UI-Venus-2-9B do Ant Group, lançado discretamente em 26 de agosto de 2026, é inicializado a partir de um Qwen mais recente — Qwen3.5-9B — e foi especializado no oposto: um agente GUI de malha fechada que percebe uma captura de tela e responde com uma ação, em vez de prosa. Mesma família, duas carreiras. A pergunta que o confronto responde não é qual é melhor — eles não competem em um único benchmark compartilhado — mas o que você está de fato comprando ao escolher um generalista sem loop de agente ou um especialista construído para operar um computador.

Uma família, duas carreiras

A linhagem Q​wen é o substrato do qual ambos os modelos são talhados, e esse é o ponto mais claro da comparação. O Qwen2.5-Omni-7B assenta sobre a geração Qwen2.5 e dedicou seu treinamento a se tornar omnimodal: texto e imagem intercalados, compreensão de áudio e vídeo e saída de linguagem falada sobre o mesmo espaço latente. O UI-Venus-2-9B é inicializado a partir do Qwen3.5-9B e dedicou seu treinamento em três estágios — mid-training multimodal, aprendizado por reforço offline e destilação com múltiplos professores — a se tornar um operador: ancorando elementos, resolvendo CAPTCHAs e navegando em ambientes móveis, web e desktop em um loop fechado. A mesma família arquitetural, curvada em duas direções diferentes. Quando dois modelos compartilham um substrato, mas não um propósito, cada diferença em seu design é uma decisão que vale a pena ler.

O generalista: Qwen2.5-Omni-7B

Qwen2.5-Omni-7B é um dos checkpoints omni-modais abertos mais comprovados disponíveis. Ele aceita qualquer combinação de texto, imagem, áudio e vídeo e responde em texto ou em fala natural, com capacidade de raciocínio no estilo Qwen3 por cima. Sua ficha técnica reporta {{1}}OmniBench 0.561{{/1}}, estado da arte no lançamento para um modelo aberto, junto com {{2}}GSM8K 88.7, HumanEval 78.7, MATH 71.5 e MBPP 73.2{{/2}} — números gerais fortes para um 7B. Ele não é explicitamente um agente: sem chamadas de função, sem saída estruturada, e toda a sua superfície de saída é conversacional. O que ele tem em vez disso é uma enorme base instalada — roda em celulares e laptops, tem portes para MLX e quantização, e está em produção há um ano e meio. Para um desenvolvedor que precisa de um modelo que consiga manter uma conversa falada sobre uma imagem, ou entender áudio e vídeo juntos, é a escolha madura, sem glamour e correta.

O especialista: UI-Venus-2-9B

{{1}}UI-Venus-2-9B é o anti-generalista.{{/1}} {{2}}Sua ficha técnica informa uma janela de contexto de 256K e um ciclo fechado de observar–raciocinar–agir–feedback, e sua tabela de benchmarks é inteiramente sobre realizar ações em telas: AndroidWorld 80.2, WebVoyager 90.8, OSWorld-Verified 70.8, ScreenSpot-Pro 73.0, MCA-Bench 75.7 em CAPTCHA, sucesso de ataque OSBlind 18,5%.{{/2}} {{3}}Não alega chat, não alega áudio, não alega compreensão de vídeo além de capturas de tela — emite um rastro de raciocínio e depois uma ação estruturada.{{/3}} {{4}}Toda a sua arquitetura, desde verificação fundamentada em keypoints com votação de múltiplos modelos até supervisão por reflexão destilada de feedback verificado, é construída para uma única coisa: concluir tarefas de longo horizonte em interfaces reais sem ser enganado por progresso parcial.{{/4}} {{5}}Cada número em sua ficha é informado pelo fabricante e nenhum foi reproduzido de forma independente ainda.{{/5}}

O placar em dois universos

Não há uma maneira honesta de colocar esses dois no mesmo ranking, porque eles não reportam nenhum dos mesmos benchmarks. A comparação útil é nas dimensões que definem o papel, não na classificação.

• Função — UI-Venus-2-9B: agente de GUI, converte capturas de tela em ações. Qwen2.5-Omni-7B: chat e fala omni-modais, qualquer modalidade em texto ou voz.

• Base — UI-Venus-2-9B: Qwen3.5-9B. Qwen2.5-Omni-7B: Qwen2.5-generation, ~7B.

• Entrada — UI-Venus-2-9B: capturas de tela, histórico de contexto de 256K. Qwen2.5-Omni-7B: texto, imagem, áudio e vídeo intercalados.

• Saída — UI-Venus-2-9B: ações estruturadas após tokens de raciocínio. Qwen2.5-Omni-7B: texto ou fala natural; sem chamada de função, sem saída estruturada.

• Loop do agente — UI-Venus-2-9B: fechado observar–raciocinar–agir–feedback. Qwen2.5-Omni-7B: nenhum.

• Números de referência — UI-Venus-2-9B: AndroidWorld 80.2, WebVoyager 90.8 (relatado pelo fornecedor). Qwen2.5-Omni-7B: OmniBench 0.561, GSM8K 88.7, HumanEval 78.7 (relatado pelo fornecedor).

O loop do agente é a diferença.

Removendo as diferenças de modalidade, a divisão real é se a saída termina em palavras ou em ações. Qwen2.5-Omni-7B é um endpoint conversacional: você envia um prompt multimodal e ele responde; o loop que transforma a resposta em trabalho vive no seu código. UI-Venus-2-9B é um endpoint de tarefas: ele é treinado para receber um objetivo, observar uma tela, raciocinar, agir, observar o resultado e agir novamente — o loop está dentro do modelo, e sua maquinaria de verificação é projetada para manter o loop honesto. É por isso que "o generalista consegue fazer o trabalho do agente" tem uma resposta clara (não — ele não tem espaço de ação nem loop), e "o agente consegue fazer o trabalho do generalista" tem uma igualmente clara (não — ele não tem saída de fala nem compreensão de vídeo). Eles são complementos, não substitutos, e por acaso compartilham um nome de família.

Escolha por carga de trabalho

Escolha o Qwen2.5-Omni-7B para qualquer coisa que termine em uma resposta: assistentes de voz, chat multimodal, compreensão de áudio e vídeo, IA conversacional no dispositivo — um ano e meio de endurecimento em produção é um verdadeiro ativo. Escolha o UI-Venus-2-9B para qualquer coisa que termine em uma tarefa concluída: preenchimento de formulários, automação web, operação de aplicativos, uso de computador desktop — exatamente aquilo para o que ele foi treinado para concluir. Para equipes que realmente precisam de ambos, a linhagem da família é a parte conveniente: a linha Q​wen é uma das mais profundas do OrcaRouter, com mais de duas dúzias de modelos pelo preço de lista do provedor e margem de 0%, então alternar entre um generalista Q​wen e um especialista derivado de Q​wen, ou compô-los — um generalista para decompor a tarefa, um agente para executá-la — é uma única mudança de API, não uma reintegração. Nem o UI-Venus-2-9B nem o Qwen2.5-Omni-7B são servidos pelo OrcaRouter hoje; ambos são projetos de auto-hospedagem de pesos abertos, e ambos apareceriam ao custo do provedor com preço de repasse no dia em que um provedor roteado os adicionasse.

O veredito

Isto não é um confronto frente a frente com um vencedor; é uma bifurcação entre duas formas que um modelo Q​wen pode assumir. Se a sua aplicação é conversacional, o Qwen2.5-Omni-7B é o generalista comprovado e o padrão seguro. Se a sua aplicação é operacional — software que precisa usar outro software — o UI-Venus-2-9B é a ferramenta especializada, nova e não comprovada, mas apontada precisamente para a tarefa. E se você está construindo software que conversa com um usuário e depois executa ações para ele, a resposta são ambos, com a camada de roteamento entre eles.