LFM3-Omni-2B vs Moondream 3: En gemensam benchmark, två olika uppdrag

Ställ LFM3-Omni-2B och Moondream 3 sida vid sida och databladen ser ut som syskon. Båda är små multimodala modeller avsedda för telefoner, bärbara datorer, kameror och robotar. Båda har en kontext på 32K. Båda sätter ungefär två miljarder parametrar i arbete för varje token. Båda levereras med öppna vikter som du kan ladda ner idag. Söker du efter en direkt jämförelse mellan dem hittar du inget, vilket är precis anledningen till att kombinationen ständigt görs.

Sedan läser du de två modellkorten noggrant och likheten faller samman på ett sätt som är lätt att kontrollera. Det enda benchmark som båda korten rapporterar är DocVQA, där LFM3-Omni-2B får 92,47 och Moondream 3.1 9B A2B får 88,6. Allt annat de mäter är utan överlappning. En modell returnerar talade meningar. Den andra returnerar bounding boxes. De är inte två svar på samma fråga.

En kommentar om namnen, eftersom katalogen är förvirrande. Moondream 3 Preview släpptes den 18 september 2025 och Moondream 3.1 9B A2B den 7 juli 2026; varje Moondream-siffra i den här artikeln kommer från 3.1-kortet, som är den checkpoint du kan ladda ner. LFM3-Omni-2B publicerades den 27 oktober 2026 som en av sex modeller i Liquid AI:s LFM3-familj. Båda är helt nya i den enda betydelse som spelar roll här: ingen av dem har utvärderats av någon utanför företaget som byggde den.

Vad varje modell faktiskt returnerar

Den djupaste skillnaden är inte antalet parametrar. Det är utdatakontraktet.

Moondream 3.1 exponerar fem färdigheter med fasta format: query, caption, detect, point och segment. Detektion returnerar högst 200 boxar, point returnerar högst 64 punkter, segmentering högst 50 COCO-RLE-masker, allt i normaliserade 0–1-koordinater som JSON. Det är ett rumsligt mätinstrument med ett snävt, förutsägbart gränssnitt. Du kan koppla dess utdata direkt till en UI-automatiserare eller en robotplanerare utan ett LLM-parsningslager, eftersom utdata redan är strukturerad.

LFM3-Omni-2B har inget sådant kontrakt. Den tar emot text, bilder, video med eller utan ljudspår samt 16 kHz-ljud, och den genererar text, 24 kHz-tal eller båda sammanflätade. Det finns ingen utdataväg för koordinater. Om du vill få ut en plats ur den får du fråga i löptext och tolka svaret, vilket är en annan tillförlitlighetsklass än ett schema som garanterar en box.

Den där enda skillnaden avgör fler driftsättningar än någon benchmark-rad. Att byta ett modell-ID mot det andra är inte en migrering. Det är en omskrivning av allt som konsumerar svaret.

Specifikationsbladet, sida vid sida

• Parametrar — 2,17 B totalt för LFM3-Omni-2B, där allt är resident och beräknas, jämfört med 9,0 B totalt för Moondream 3.1 med 2,0 B aktiva per token.

• Minne i vila — cirka 4,4 GB i BF16 räknat på 2,17 miljarder parametrar jämfört med ungefär 18 GB i FP16, cirka 6 GB i community-INT4 och ett NVIDIA-golv på 10 GB för det levererade fp8-bygget.

• Indata — text, bilder, video vid 2 fps med eller utan ljud, och 16 kHz tal vs. enbart bilder och text.

• Utdata — text, 24 kHz-tal eller sammanflätad kontra text, JSON, normaliserade koordinater och masker.

• Kontext — 32 768 tokener inklusive indata och utdata jämfört med 32 768 texttoken plus upp till 12 bildrutor, cirka 2 304 visionstoken.

• Synbudget — upp till 2 048 token per bild vid ursprunglig upplösning jämfört med adaptiv brickindelning till 12 beskärningar vid 384–1024 px.

• Licens — LFM Open License v1.0, kommersiell användning licensierad endast under 10 miljoner USD i årlig intäkt vs Moondream Model License 1.0, kommersiell oavsett storlek men ingen allmän hostad tjänst.

• Publicerad — 27 oktober 2026 vs 7 juli 2026, där 3 Preview-grenen går tillbaka till 18 september 2025.

Minnesraden är den folk hoppar över, och på en edge-enhet är den hela argumentet. Moondreams 2B aktiva parametrar gör den lika billig per token som LFM3-Omni-2B, men dess 9B totalt gör den upp till fyra gånger större i minne vid samma precision. Aktiva parametrar styr beräkningen. Totala parametrar styr huruvida saken får plats. En modell som körs i samma hastighet men behöver 18 GB konkurrerar inte om samma hårdvaruplats som en som får plats i 4,4 GB.

Det enda riktmärket som båda rapporterar

DocVQA är dokumentfrågebesvarande, poängsätts med ANLS och på de två modellkorten står det 92,47 för LFM3-Omni-2B mot 88,6 för Moondream 3.1. Omni-modellen ligger före med 3,87 poäng på visionsspecialistens egen hemmaplan.

Det resultatet bör läsas med tre förbehåll, och alla är avgörande. Båda siffrorna är självrapporterade av labben som byggde modellerna. Inget av labben publicerade sin utvärderingsrigg, sitt promptformat eller sitt urval av prover. Och en skillnad på 3,87 punkter i ett benchmark med så här stor varians mellan riggar är antydande snarare än avgörande. Vad raden faktiskt fastställer är snävare och fortfarande användbart: LFM3-Omni-2B brakar inte samman på tät dokumenttext, vilket är den uppgift man skulle förvänta sig att en any-to-any-modell på 2,17B förlorar.

Utsträck inte samma tolkning till grounding. LFM3-Omni-2B rapporterar RefCOCO på 73,55 och Moondream 3.1 rapporterar RefCOCO-M på 87,1, och det är inte samma mätning. Liquids kort noterar att boxar läses i varje modells inbyggda koordinatformat; Moondream rapporterar F1 vid en IoU-tröskel på 0,5. Att subtrahera det ena från det andra ger ett tal som inte betyder något. Det ärliga påståendet är att Moondreams kort är uppbyggt kring grounding och att Liquids behandlar det som en rad bland sjutton.

Där Moondream 3 inte är nära

En del av det är ett rapporteringsval snarare än en kapacitetsbrist, och det är värt att vara precis om vilket. En 2,17B omnimodell kan nästan säkert lokalisera en grov region om man frågar den i ord. Det den inte kan göra är att returnera 200 boxar i ett schema med en begränsad felkvot, eftersom inget i dess träning eller dess utdataformat byggdes för det. Moondreams hela produkt är garantin att koordinaterna kommer tillbaka i ett tolkningsbart format. Den garantin är det du köper, och ingen benchmark-rad från ett annat labb mäter den.

Samma logik gäller omvänt för latens. Moondream levererar Photon, en inferensmotor som kompilerar modellen till ett enda GPU-program, och leverantören hävdar cirka 34 förfrågningar per sekund vid batch 16 på en H100 med P50 på 59 ms. Det är leverantörens siffror, utan reproduktion, men ingenjörskonsten bakom dem är specifik för en modell. LFM3-Omni-2B har ännu ingen motsvarande serving-historia.

Där LFM3-Omni-2B inte är nära

Moondream 3.1 har ingen ljudväg. Inte en svagare sådan – ingen alls. Dess indata är en bild och text, punkt slut. Så varje ljudrad på Liquid-kortet är oemotsagd: engelsk ASR-ordfelfrekvens 6,36, flerspråkig ASR 6,72, engelsk TTS UTMOSv2 3,80, VoiceBench 64,73, MMAR 51,40 och en intern utvärdering av verktygsanrop på 52,20.

Siffrorna för video med ljudspår är de som är värda att särskilt lyfta fram, eftersom de är anledningen till att modellen finns. Daily-Omni 70,09, WorldSense 47,10, AV-SpeakerBench 46,79 — alla uppmätta på video med dess ljudspår, noggrannhet vid flervalsfrågor, alla självrapporterade. Liquids påstående är att dessa slår Qwen2.5-Omni-7B och modeller med upp till 10,7 miljarder parametrar, och i deras egen tabell gör de det: Qwen2.5-Omni-7B får 61,32, 45,37 och 43,24 på samma tre rader.

En detalj på det kortet förtjänar mer uppmärksamhet än den fick. Liquid redovisar samma visionsbenchmarks två gånger – en gång med frågan inskriven, en gång med frågan uppläst. RealWorldQA sjunker från 66,54 till 64,68, MMStar från 55,67 till 51,79, POPE från 89,34 till 83,78. Att skicka frågan genom ljudkodaren kostar mellan två och sex poäng beroende på uppgiften. Det är priset för talvägen, sagt rakt ut, och det är ett mer användbart tal än någon enskild rubrikpoäng.

Vad händer med Moondream 3 den 13 november?

Det här är den del av jämförelsen som har en deadline. Prime Intellect meddelade den 13 oktober 2026 att företaget förvärvar Moondream, och Moondream bekräftade det den 14 oktober. Inlägget anger att Moondream Cloud – både den hostade inferensen och finjusteringsprodukten Lens – stängs ned den 13 november 2026, trettio dagar efter meddelandet. Oanvända köpta krediter återbetalas, och kunder hänvisas till förvärvarens egen inferensplattform.

Tre saker följer, och bara den första är bekväm. De öppna vikterna överlever och licensen är oförändrad, så självhosting påverkas inte. Photon körs lokalt utan kostnad från och med version 1.3.0 och senare utan API-nyckel. Det som inte klarar sig oskadd är Lens: finjusterade checkpoints och LoRAs ligger på serversidan, och det finns ingen dokumenterad exportväg. Om din produkt är beroende av en Lens-finjustering är migreringen inte en konfigurationsändring, och sexton dagar är inte mycket tid att upptäcka det.

Det finns en mindre märklighet som är värd att påpeka för alla som kontrollerar källor den här veckan. Moondreams prissida listar fortfarande Cloud-planer, priser per token och en Team-nivå för 350 dollar/månad, och säger inget om nedstängningen. Tillkännagivandet finns på en annan sida. En läsare som bara kontrollerar prissidan den 28 oktober skulle inte veta att tjänsten upphör om sexton dagar.

Vad var och en kostar att driva

Moondream publicerar tokenpriser: $0.30 per miljon inputtokens och $1.00 per miljon output på realtidsnivån, halverat till $0.15 och $0.50 vid batch. LFM3-Omni-2B publicerar ingen hostad taxa alls. Liquid säger att familjen är tillgänglig i deras Playground och API, men lanseringsinlägget innehåller inget pris, och modellkortet innehåller inget pris. Den asymmetrin är kostnadshistorien.

Kör Moondream-kalkylen på ett realistiskt anrop. En enskild bild kostar upp till 2 304 visionstokens vid full tiling; lägg till en prompt på 50 tokens och 100 utdatatokens, och ett anrop är 2 354 indatatokens och 100 utdatatokens, eller ungefär 0,0008 dollar. Vid 10 000 anrop per dag är det ungefär 8 dollar per dag, eller 242 dollar i månaden, och sjunker till omkring 121 dollar i månaden på batch-nivån. Huruvida det är billigt beror helt på vad du annars skulle lägga på hårdvara, och det är jämförelsen som LFM3-Omni-2B tvingar dig att göra eftersom den inte ger dig någon siffra per token att väga mot den.

På din egen hårdvara blir kalkylen den omvända. LFM3-Omni-2B är cirka 4,4 GB vikter i BF16 före aktiveringar, ljudavkodaren och KV-cachen — en beräkning utifrån parameterantalet, inte ett uppmätt minnesavtryck, eftersom kortet inte publicerar någon minnessiffra. Moondream 3.1 kräver ett NVIDIA-kort på 10 GB för sin levererade version, eller cirka 6 GB med en INT4-kvantisering från communityt. Den ena modellen körs på en telefon. Den andra körs på en Jetson Orin eller bättre.

OrcaRouter förtjänar en mening här bara för att den ärliga versionen är snäv: varken LFM3-Omni-2B eller Moondream 3 finns i vår katalog, och inget i den här artikeln påstår att vi tillhandahåller någon av dem. Det vi däremot dirigerar är den hostade visionsnivån – Qwen3-VL-8B till exempel – med leverantörens listpris vidarebefordrat med 0 % påslag och automatisk failover mellan uppströmsleverantörer. Om det är kalkylen för självhosting ovan som får dig att tveka, så är det alternativet det som jämförelsen utelämnar, och det är ett annat köp snarare än ett bättre.

Licensen kan avgöra innan benchmarken gör det.

De två licenserna begränsar olika saker, och vilken av dem som får effekt beror på hur ditt företag ser ut.

LFM Open License v1.0 definierar en tröskel på $10,000,000 i årlig omsättning. Under den licensieras kommersiell användning utan förbehåll. Över den anger avsnitt 5 klart och tydligt att kommersiell användning av verket eller ett derivat inte licensieras enligt avtalet över huvud taget. Så en startup kan bygga en produkt på LFM3-Omni-2B gratis, och ett företag över tröskeln kan inte göra det utan en separat överenskommelse – oavsett hur bra modellen är.

Moondream Model License 1.0 har ingen intäktströskel. Den tillåter kommersiell användning oavsett storlek, egen hostning, finjustering, kvantisering och vidaredistribution, och den förbjuder en specifik verksamhet: att tillhandahålla en allmän hostad modelltjänst för modellen eller ett derivat utan en separat skriftlig kommersiell licens. Att bädda in Moondream i en snävare produkt är tillåtet. Att sälja vidare allmän inferens på den är inte tillåtet.

Lästa tillsammans är de två dokumenten nästan komplementära. Liquid begränsar åtkomsten utifrån vem du är; Moondream begränsar åtkomsten utifrån vad du säljer. Ett stort företag som planerar en hostad inferensprodukt blockeras av båda, på olika sätt.

Vem ska välja vilken

Välj Moondream 3.1 om produkten behöver koordinater. Skärmautomation, robotik, granskning av butikshyllor, räkning, allt där svaret är en box, en punkt eller en mask och nästa system konsumerar det programmatiskt. Det totala fotavtrycket på 9B är priset för den garantin, och om du distribuerar på hårdvara i Jetson-klass är det ett pris du kan betala. Planera hostingmigreringen nu i stället för i november.

Välj LFM3-Omni-2B om produkten innefattar en person som talar till en enhet, eller en enhet som måste höra ett rum. En kiosk som svarar med röst, ett fältverktyg där händerna är upptagna, en kamera som måste förstå en video med dess ljudspår, en enda checkpoint som ersätter en ASR-modell plus en VLM plus en TTS-modell. Visionscorena är respektabla snarare än exceptionella, verktygskedjan är en dag gammal, och talvägen är anledningen till att acceptera båda.

Välj ingen av dem ännu, om beslutet är avgörande. Inget här har utvärderats oberoende. Verktygen för LFM3-Omni-2B utvecklas snabbt – en post i Ollama-biblioteket finns på 2,4 GB, och llama.cpp integrerade stöd för det den 27 oktober, samma dag som vikterna dök upp – men Ollama-postningen stämmer för närvarande inte överens med modellkortet på två synliga sätt: den visar en kontext på 125K och "Text, Image" som indata som stöds, mot kortets 32K och fyra modaliteter. Det är en post som inte har hunnit ikapp, inte ett modellfel, och det är sådant som rättas till inom en vecka. Det är inte heller något att sätta i produktion den här veckan.

Vad skulle förändra detta

Två saker. En oberoende utvärdering av LFM3-Omni-2B på de audiovisuella raderna skulle avgöra om 70,09 på Daily-Omni står sig i ett harness som modellen inte själv har valt, och det är det enda numret som hela omni-fallet vilar på. Och en redogörelse för hur talgrenen serveras — {{2}}modellkortet dokumenterar textgenerering i detalj och säger mycket mindre om hur ljudavkodaren serveras i stor skala{{/2}} — skulle berätta för dig om säljargumentet {{1}}"en modell ersätter fyra"{{/1}} överlever kontakten med en produktionsdriftsättning.

Fram till dess har jämförelsen en tydlig form. Moondream 3 mäter världen och ger dig siffror. LFM3-Omni-2B lyssnar på den och svarar. Det enda benchmark de har gemensamt är ett dokumentläsningstest, och omni-modellen vinner det med mindre än fyra poäng. Det är ingen rivalitet. Det är en påminnelse om att "2B multimodal" beskriver en minnesbudget, inte ett jobb.