WeVisOne-VL-4B vs Moondream 3: Um não tem API, o outro está perdendo a sua.

Em 13 de novembro de 2026, o Moondream Cloud deixa de responder. A API hospedada que fazia do Moondream 3 uma integração de uma linha é encerrada, os créditos comprados são reembolsados, e o produto de ajuste fino Lens vai junto. Faltam três semanas para essa data. O WeVisOne-VL-4B, em contrapartida, nunca teve uma API para perder — a Tencent publicou os pesos em 22 de outubro de 2026 sem endpoint, sem preços e sem anúncio. Portanto, a pergunta prática nesta comparação não é mais "qual modelo de visão pequeno é melhor". É "qual conjunto de pesos eu quero operar por conta própria", porque, a partir de hoje, ambos os modelos são decisões de auto-hospedagem, e um deles acabou de se tornar uma involuntariamente.

As duas são máquinas genuinamente diferentes, e a diferença explica por que uma tinha um negócio de nuvem e a outra não.

O que aconteceu com o Moondream 3

Vale a pena detalhar a cronologia porque é fácil de perder e muda o cálculo. O Moondream 3 Preview foi lançado em 18 de setembro de 2025 como um modelo misto de especialistas de 9B parâmetros com 2B parâmetros ativos. O Moondream 3.1 veio em 7 de julho de 2026. Em 13 de outubro de 2026, a Prime Intellect anunciou que havia adquirido a Moondream — incluindo a equipe fundadora e o mecanismo de inferência Photon — e a própria publicação da Moondream veio um dia depois. Um mês depois, a nuvem é desligada.

Nada disso remove os pesos. Eles continuam no Hugging Face sob a Business Source License 1.1 com uma Additional Use Grant, e o Photon permanece gratuito para rodar em GPUs Nvidia recentes e Apple Silicon, com uma API local compatível e sem necessidade de chave para o modelo base. O que desaparece é o caminho hospedado — aquilo que permitia a uma equipe avaliar o Moondream 3 em uma tarde sem ter uma GPU.

Duas arquiteturas, duas razões para existir

O Moondream 3 é um modelo esparso: 9B parâmetros totais, 2B ativos por token, 64 especialistas com 8 ativados, inicializado a partir do Moondream 2 denso de 2B por meio de upcycling. Ele possui contexto de 32K, um codificador visual SigLIP com concatenação de canais multi-crop, e um tokenizador SuperBPE que a empresa diz tornar a geração 20–40% mais rápida. O objetivo de design era raciocínio visual próximo da fronteira com um custo mais próximo de um modelo de 2B — pagar por 2B ativações, obter parte do comportamento de 9B.

O WeVisOne-VL-4B é denso e focado: um backbone Qwen3-VL de 4,83B, tokens de coordenadas de <0> a <1000> para caixas e pontos, e um decodificador de 9,6M de parâmetros acionado por um token especial <OBJ> que transforma uma caixa prevista em uma máscara e depois em um matte alfa de resolução total. Enquanto o Moondream distribui capacidade por muitas tarefas visuais, o WeVisOne se concentra na última milha da localização — incluindo a parte que quase ninguém entrega, a transparência de bordas suaves.

• Total de parâmetros — WeVisOne-VL-4B 4,83B denso vs Moondream 3 9B no total, 2B ativos

• Pegada de pesos — aproximadamente 19 GB em F32 para o 4B, contra cerca de 18 GB em FP16 para o Moondream 3, e cerca de 6 GB em uma quantização INT4 da comunidade

• Contexto — não publicado vs 32.768 tokens

• Saída de pixels — máscaras de instância e mattes alfa contínuos com stride 1 vs. máscaras de segmentação

• Licença — Apache 2.0 para código de autoria da Tencent vs. Business Source License 1.1 com uma Concessão de Uso Adicional

• API hospedada — nenhuma, nunca vs encerramento em 13 de novembro de 2026

• Motor de inferência — vLLM, SGLang padrão ou o pacote do projeto vs Photon, feito sob medida

Os números do benchmark não são o mesmo tipo de número.

A página de modelos do Moondream lista um mAP COCO de 51,2. O README do WeVisOne lista um F1 médio COCO de 57,1, com F1 em IoU 0,5 de 74,0. Esses números não podem ser subtraídos entre si. A precisão média média e o F1 em um limite fixo de IoU recompensam comportamentos diferentes: o mAP pune um modelo que encontra objetos, mas os ordena mal, enquanto o F1 em 0,5 é tolerante com caixas soltas. Qualquer pessoa que diga que o WeVisOne supera o Moondream 3 em seis pontos no COCO comparou duas provas diferentes.

As linhas de segmentação estão mais próximas de serem comparáveis e mais interessantes. O Moondream reporta segmentação no RefCOCO val com 83,2 mIoU; o WeVisOne reporta RefCOCO val com 81,4 cIoU. Ambos são interseção sobre união contra expressões referenciais na mesma partição do conjunto de dados, mas mIoU e cIoU agregam de forma diferente entre as imagens, então uma diferença de 1,8 ponto está bem dentro do ruído da escolha da métrica. Considere-os como aproximadamente equivalentes.

Onde as duas tabelas realmente divergem é naquilo que elas escolheram relatar. O Moondream publica ScreenSpot 80,4, OCRBench 61,2, TextVQA 76,3, POPE 89,0 e CountBenchQA na casa dos noventa baixos, dependendo de qual das suas próprias páginas você consulta — o post de lançamento e a página de modelos discordam entre si em várias linhas, o que vale saber antes de citar qualquer um dos dois. O WeVisOne publica taxas de rejeição (96,4% no WeRef-Bench), detecção densa no Dense200 e no VisDrone, e erro de matting no P3M-500-NP e no AM-2K. Os autores de nenhum dos modelos avaliaram o outro.

O licenciamento decidirá mais negócios do que os benchmarks

O WeVisOne-VL-4B usa a Apache 2.0 para o código de autoria da Tencent. O Moondream 3 está sob a Business Source License 1.1 com uma Additional Use Grant, que permite uso pessoal, de pesquisa e a maior parte do uso comercial, mas exige um acordo com a M87 Labs para hospedagem ou rehospedagem do modelo por terceiros. Se você está criando uma ferramenta interna, ambos são adequados. Se você está criando um produto cujo valor é servir esse modelo a outras pessoas, apenas um deles é simples.

A aquisição acrescenta um risco de segunda ordem que nada tem a ver com o texto da licença: a gestão responsável. Um modelo cuja controladora comercial acaba de mudar de mãos e cujo produto hospedado está sendo encerrado é um modelo cujo roadmap você não consegue prever. Isso não é motivo para evitá-lo — os pesos são baixados, não alugados —, mas é motivo para testá-lo em vez de padronizar o seu uso neste trimestre.

Quanto vale realmente a capacidade de matting

Moondream 3 retornará uma máscara de segmentação para "a pessoa". WeVisOne-VL-4B retornará uma máscara e um alpha matte com transparência parcial ao longo de cabelo, pelos e bordas suaves, refinado em stride 1. Para um pipeline de composição, essa é a diferença entre um recorte com halo duro e um que você pode colocar sobre um novo fundo sem uma etapa de limpeza.

Os números da Tencent para isso são impressionantes e não verificados: uma diferença absoluta média de 7,3 no P3M-500-NP, contra 15,4 do baseline mais forte listado pelos autores, e de 9,8 no matting de expressões referenciais no WeRefMat, contra 22,4. Esses números vêm do artigo, foram produzidos pelos autores do modelo e não foram reproduzidos. Eles também são a única evidência pública de que essa abordagem funciona, porque nenhum laboratório independente a executou até agora.

Operar um modelo quando o endpoint desaparece

O desligamento do Moondream é um lembrete útil de que um endpoint hospedado é uma dependência com um ciclo de vida controlado por outra pessoa. Nem o Moondream 3 nem o WeVisOne-VL-4B estão no catálogo do OrcaRouter hoje, então isto não é um argumento de venda para uma rota que existe — é o motivo pelo qual a camada de roteamento existe.

Quando um provedor descontinua um modelo, a diferença entre uma indisponibilidade e uma mudança de configuração está em se a sua aplicação endereça um nome de modelo ou uma URL de endpoint. A OrcaRouter mantém mais de 200 modelos por trás de uma única chave, com 0% de markup sobre o preço de tabela do provedor, e o failover automático encaminha a requisição para um provedor saudável em vez de retornar um erro. Para um pipeline construído sobre um modelo que pode ser adquirido, essa abstração é a parte que você não consegue implementar depois em três semanas.

A recomendação, com três semanas de antecedência

Se você está executando o Moondream 3 Preview ou o 3.1 por meio da API hospedada, a decisão é agora e não se trata de qualidade: migre para a auto-hospedagem do Photon ou escolha um modelo diferente antes de 13 de novembro. Não espere surgir um serviço substituto.

Se você está escolhendo algo novo e seu trabalho termina em máscaras ou mattes, o WeVisOne-VL-4B é a aposta mais interessante e a menos comprovada — Apache 2.0, uma ideia arquitetônica de verdade e dois dias de histórico público. Se você precisa de um raciocinador visual amplo, com um motor de inferência maduro e um histórico comprovado em muitas tarefas, o Moondream 3 continua sendo o modelo mais seguro para auto-hospedar, com ou sem aquisição.

E se o que você realmente precisa não for nenhum dos dois, mas sim um modelo de visão genérico por trás de uma API que você não precisa operar, essa é uma pergunta diferente com uma resposta muito mais curta. Não é nenhum desses modelos.