Moondream 3.1 9B A2B vs UI-Venus 2 9B: Ett publicerat pris, en väntande licens

M​oondream 3.1 9B A2B and UI-Venus 2 9B are the same size, in the same modality, and they hand back the same primitive — a coordinate. Only one of them has a published per-token price, and the price belongs to the one whose hosted endpoint is about to be switched off. M​oondream 3.1 9B A2B is sold at $0.30 per million input tokens and $1.00 per million output tokens on M​oondream Cloud. On 13 November 2026, four weeks from today, M​oondream Cloud — inference and the Lens fine-tuning product together — shuts down, a line that arrived on 14 October alongside the news that M​oondream the company has been acquired by Prime Intellect. UI-Venus 2 9B has no first-party endpoint at all, so it has no price list either. And the licence that would tell you whether you may ship it commercially is still, in the words of its own model card, pending final confirmation.

Neither of these models is new, and nothing here is a launch. M​oondream 3.1 9B A2B shipped on 7 July 2026 under the M​oondream Model License 1.0. UI-Venus 2 9B went up on Hugging Face on 26 August 2026 from inclusionAI, the Venus Team's repository at Ant Group, with its technical report following on 27 August. What actually moved inside the last seven days is on the M​oondream side: the acquisition, dated 14 October on M​oondream's own blog and a day earlier on Prime Intellect's, and the thirty-day wind-down of the hosted service that came attached to it. That is the reason this pairing is worth reading now rather than in a launch round-up. One of these two models just had its distribution channel put on a countdown; the other never had one.

Vad du kan ringa idag, och fram till när

M​oondream 3.1 9B A2B is available three ways, and one of them is on a clock.

Leverantörens moln säljer det per token: $0,30 per miljon indatatoken och $1,00 per miljon utdatatoken vid realtidslatens, eller $0,15 och $0,50 i batch-API:et, vilket ger 50 % rabatt utöver listpriset. Lens, finjusteringsprodukten, kostar $0,60 per miljon träningstokens. Åtkomsten stryps snarare än mäts efter samtidighet – leverantörens sida om hastighetsbegränsningar anger 2 förfrågningar per sekund för alla API-nycklar, vilket stiger till 10 förfrågningar per sekund när kontot har $10. Sedan kommer tidsfristen: den 13 november 2026 stängs både molninferensslutpunkten och Lens, outnyttjade köpta krediter återbetalas och kunderna får besked om att de kommer att få hjälp att flytta.

The weights, meanwhile, do not go anywhere. M​oondream Model License 1.0 permits commercial self-hosting, fine-tuning, quantisation and redistribution, and Photon — the vendor's own inference engine — runs the checkpoint locally on N​VIDIA Ampere-or-newer hardware and Apple Silicon at no charge. So the deadline splits cleanly. If your code posts to the vendor's hosted endpoint, you have a migration in front of you and roughly four weeks to do it. If your code loads a checkpoint you own, the announcement changed nothing you have to act on.

UI-Venus 2 9B gick aldrig att anropa på det sättet. Det är fullparametersvikter för en dense 9B-modell initierad från Qwen3.5-9B, uppdelade över fyra BF16-safetensors-shards, och den avsedda vägen är en vLLM-server som du sätter upp själv, startad med en maximal modellängd på 262 144 token och Qwen3:s reasoning-parser. Modellkortet är ovanligt rakt på sak om begränsningarna i det receptet: serveringskonfigurationen "validerades inte med live-canary som en del av den här modellkortsuppdateringen, så lås och verifiera en vLLM-version som är lämplig för Qwen3.5 före driftsättning."

Ställ de två styckena bredvid varandra, och skillnaden för köparen är en radpost snarare än ett riktmärke. Den ena modellen är en räkning per token som du kan lägga in i ett kalkylblad fram till mitten av november. Den andra är en GPU som du måste hitta, dimensionera och hålla varm – och leverantören som publicerade vikterna har aldrig validerat serverkonfigurationen åt dig.

Samma parameterantal, väldigt olika tokenkostnader

9B-etiketten är det minst användbara dessa två har gemensamt. Det som skiljer dem åt ekonomiskt är turer per uppgift.

M​oondream 3.1 9B A2B has no second step. One call is one image in and a short answer out — bounding boxes from detect, centre coordinates from point, a caption, or a written answer from query. There is an optional reasoning mode, and the vendor's documentation is blunt about its cost: enabling it generates an explicit analysis before the answer and can "materially increase latency and generated tokens." The output is deliberately small, and the model's whole pitch is that it is small while remaining useful.

UI-Venus 2 9B är en sluten slinga. Varje steg tar den aktuella skärmen, bär med sig avsnittets skärmbildshistorik, avger ett resonemangsspår och därefter en åtgärd, och nästa skärmbild kommer tillbaka som indata. De publicerade utvärderingarna visar vad det kostar i turer: modellkortet rapporterar MobileWorld vid en budget på 50 steg och igen vid 100, och OSWorld 2.0 vid en budget på 150 steg. Kontext är, i den här designen, inte utrymme för ett dokument – det är hur många skärmtillstånd agenten fortfarande kan minnas.

The arithmetic follows, and it is ours rather than the vendors'. If a caption or a detection answer is 50 to 100 output tokens, then a million output tokens is somewhere between ten and twenty thousand M​oondream calls for a dollar. You cannot write the equivalent sentence for UI-Venus 2 9B, because there is no price to divide by — you pay for the GPU hours the loop occupies, not for the tokens it produces, and the token count per completed task is a function of how many steps you allow. Same parameter count, same 9B headline, and the two bills are not in the same unit.

One more asymmetry worth knowing before it bites a production plan. M​oondream measures its own engine at 34.2 requests per second on a single H100 SXM5 at batch size 16 — a vendor figure, on the vendor's hardware, with Photon serving. The hosted API caps a funded account at 10 requests per second. That is a three-fold gap between what the model can do on hardware you control and what the endpoint will let you do, and it is the sort of thing a pipeline discovers in production rather than in an evaluation.

Sida vid sida, dimension för dimension

• Task — M​oondream 3.1 9B A2B: perception over a single image. UI-Venus 2 9B: agency over a screen, in a loop.

• Parametrar — 9B totalt med 2B aktiva per token, en gles blandning av experter. UI-Venus 2 9B: 9B dense, initierad från Qwen3.5-9B.

• Utdata — avgränsningsrutor, mittkoordinater, bildtexter, skriftliga svar och segmenteringsvägar. UI-Venus 2 9B: en åtgärd, en klickkoordinat och resonemangsspåret som producerade dem.

• Kontext — 32K tokens. UI-Venus 2 9B: 262 144 maximala positionsinbäddningar, konfigurerade som episodminne snarare än dokumentkontext.

• Publicerat pris — 0,30 USD in och 1,00 USD ut per miljon tokens i realtid, 0,15 USD och 0,50 USD för batch, på en endpoint som stängs 13 november 2026. UI-Venus 2 9B: inget, eftersom det inte finns någon förstaparts-endpoint. Antingen hostar du den själv eller så använder du den inte.

• Publicerade benchmarks — COCO 81,46 F1@0,5, ODinW-13 93,94, RefCOCO-M 87,1, CountBench 90,35, ChartQA 86,01, DocVQA 88,6 och ett genomsnitt för sviten på 77,9. UI-Venus 2 9B: AndroidWorld 80,2, WebVoyager 90,8, OSWorld-Verified 70,8, ScreenSpot-Pro 73,0, VenusBench-CAPTCHA 78,1 och en framgångsgrad för OSHarm-attacker på 11,3 % mot basmodellens 25,3 %. Alla dessa siffror är leverantörens egna.

• Licence — M​oondream Model License 1.0: open weights, commercial self-hosting permitted, redistribution permitted, one restriction. UI-Venus 2 9B: pending final confirmation, with no licence file in the repository.

• Oberoende poäng – inga. Ingen av modellerna finns med på någon neutral resultattavla, och de två leverantörerna publicerar ingen gemensam benchmark, så inget i de två kolumnerna ovan kan jämföras mellan dem.

Licensen är punkten där de två slutar likna varandra.

M​oondream's licence is short and specific, and the vendor rewrote it for this release because the previous one was hard to read. Commercial use, self-hosting, fine-tuning, quantisation and redistribution are all permitted without strings. The single restriction is that you may not turn around and offer general-purpose M​oondream inference or fine-tuning to others as a hosted service; a narrow, domain-specific application built on the model is explicitly fine. For a team shipping a product that happens to see images, that is a permissive licence with a competitor clause, and the clause does not touch them.

UI-Venus 2 9B:s position är inte samma typ av uttalande, och det är värt att citera snarare än att parafrasera. Kortets avsnitt Release Status säger att licensen för modellvikterna är "i väntan på slutlig bekräftelse och kommer att läggas till före offentliggörandet," och förklarar varför det uppenbara valet inte gjordes: "Apache-2.0-deklarationen har avsiktligt inte förts över eftersom de nuvarande uppströmsmaterialen innehåller motstridiga licensuttalanden." Det finns ingen licensfil i arkivet. Vikterna publicerades den 26 augusti 2026, och arkivet ändrades senast den 2 september.

Den praktiska tolkningen är inte att modellen är oanvändbar. Den är att en oklar licens är ett affärsbeslut som någon måste fatta officiellt, inte ett förval som man ärver genom att ladda ner en checkpoint. Forskning, utvärdering och intern prototypframställning är inte där risken ligger. Att sätta den framför betalande kunder är det, och ingen benchmarkpoäng i avsnittet ovan ändrar på det. Kortet har ett andra villkor som är värt att läsa innan någon bygger kring det: CAPTCHA-lösningsförmåga "bör endast användas i auktoriserade miljöer" – en begränsning av användningsfallet, inte ett förslag om det.

Båda leverantörerna låter dig kontrollera numret, i två olika riktningar

De flesta modellsläpp publicerar en tabell och nöjer sig med det. Dessa två publicerade båda förbehållen, och förbehållen är av olika slag.

M​oondream's release post carries a methodology footer that pins the hardware and the harness: a single H100 SXM5, batch size 16, the highest accuracy and reasoning settings for each model, Photon for M​oondream itself, vLLM for the Qwen3.5 and Gemma 4 baselines, Hugging Face Transformers for SAM 3, and LocateAnything evaluated in slow mode to maximise its accuracy. It also volunteers something a vendor has no obligation to volunteer: the scores were reached by treating each benchmark as a customer task, training a per-task LoRA through the same fine-tuning product customers use, and then folding those LoRAs back into the base weights with on-policy distillation. Read that carefully and it changes what the table describes — the checkpoint you download is a distilled student of its own task specialists, not a model that happened to generalise that well on a task nobody trained it for.

Den tekniska rapporten för UI-Venus 2, arXiv 2609.00028, inlämnad den 27 augusti 2026, gör den andra sortens redovisning. Baslinjer markerade med en asterisk utvärderades eller reproducerades av författarna enligt deras eget angivna protokoll i stället för att citeras från någon annanstans. Ett streck betyder ej rapporterat, och författarna låter strecken stå kvar. MobileWorld förekommer två gånger, vid en budget på 50 steg och vid 100, så att man kan se vad de extra stegen ger. OSWorld-Verified kommer med en varning om att jämförelser "kan använda modellspecifika aktionsscaffolds, så de bör tolkas som referenser på benchmarknivå snarare än kontrollerade ablationer." VenusBench-CAPTCHA är ett mikrogenomsnitt över 219 fasta exempel; siffran för MCA-Bench använder 1 000 sampade exempel. Det finns en mening som anger att resultat i livemiljö kan variera med utvärderingsdatum och miljöns tillstånd.

Inget av detta gör någon av sifferuppsättningarna reproducerbar på dina data, och ingen av leverantörerna har något oberoende resultat att peka på. Vad det däremot innebär är att båda har berättat för dig vad deras siffror är värda — vilket är mer sällsynt, och mer användbart för en köpare, än en bra poäng.

Vilken, genom begränsning

• You need boxes, centre points or counts over images, at a price you can forecast — M​oondream 3.1 9B A2B, with the caveat that the forecast only holds if you self-host after 13 November or move the endpoint. A per-token bill with a shutdown date is a forecast with an expiry, not a cost model.

• Du behöver något som läser av en skärm och agerar utifrån den – UI-Venus 2 9B, och licensfrågan hamnar före benchmarktabellen. Sätt det i intern automation först och återkom till det när licensen är på plats, i stället för att upptäcka problemet under upphandlingen.

• You are deploying to hardware you already own — M​oondream 3.1 9B A2B. Photon is free, runs on Ampere-or-newer N​VIDIA parts and Apple Silicon, and gives you the same model in development and production instead of two different endpoints that behave differently under load.

• You want the longer context on the spec sheet — UI-Venus 2 9B's 262,144 tokens is real in configuration, but the intended consumer is a screenshot history, not a PDF. M​oondream's 32K is a quarter of the size and its vendor has never claimed it needs to hold an agent's episode, so neither number is a straight win.

• CAPTCHA-hantering står på din lista — läs kortets begränsning först. Förmågan finns där och licensen är det som står i vägen för den.

Om det ärliga svaret är båda, för olika uppgifter – perception på ingest-vägen och en agent på handlingsvägen – är det den vanliga formen, och det är ett tvåkontraktsproblem innan det är ett modellproblem.

Modellen bakom modellen, och vem som dirigerar den

Ingen av dessa checkpoints serveras via OrcaRouter, så inget här är en pitch för att anropa dem via oss. Lagret som verkligen behöver routning är det som ligger bakom dem.

Ett detektionsresultat måste triageras, en agents föreslagna åtgärd måste bedömas och posten måste skrivas. Det är textjobb, de är den dyrare halvan per token, och det är där en enda OpenAI-kompatibel nyckel över 200+ modeller — med leverantörernas listpriser vidarebefordrade med 0 % påslag och automatisk redundansväxling mellan leverantörer — tar bort ett kontrakt och en kodväg ur pipelinen. Där du redan vet hur resonemanget du vill ha ser ut, komponerar routing-DSL:en flera modeller till ett anrop, och modellfusion kör en panel av dem tillsammans på samma indata. Båda är sätt att variera lagret bakom en fast visionsmodell utan att röra koden som pratar med kameran.

Prismekanismen spelar större roll än vanligt i just den här jämförelsen. Eftersom listpriser förs vidare i stället för att beläggas med påslag, blir en leverantörsprisändring aktiv hos oss samma dag. För en modell vars hostade pris har ett nedstängningsdatum inskrivet i sig, är det den enda typen av prisupplägg som är värd att bygga en prognos på.

Vad skulle ändra det här svaret?

Tre saker, och alla tre är kontrollerbara.

The first is UI-Venus 2 9B's licence resolving. If it lands permissive, the calculus for anyone who wanted the agent but could not justify the legal exposure shifts immediately, and the recommendation above about keeping it internal becomes stale the week it happens. The second is a first-party endpoint for M​oondream 3.1 9B A2B reappearing after the cloud shutdown, which would restore the price comparison this article could only half make. The third, and the one worth the most, is somebody running both models on the same images. Neither vendor has an independent result and the two benchmark sets do not intersect, so the first person to score these two on their own data produces the only comparison that will settle the grounding question — and it is an afternoon of work, not a research project.

Fram till dess är den försvarbara sammanfattningen medvetet snäv. Det här är två 9B-visionmodeller som delar ett parameterantal, en modalitetstagg och en vana att returnera koordinater, och de är överens om nästan ingenting som avgör en driftsättning: vad ett anrop kostar, huruvida ett anrop ens är rätt enhet, och huruvida du får leverera utdata.

Inget av detta är hypotetiskt: de dokumenterade AI-felen och agentincidenterna bakom släpp som detta samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, tillförlitlighetsgrad och omtvistad flagga.