Molmo2-4B เทียบกับ Moondream 3: ตัวเลือกแบบโฮสต์ตัวหนึ่งจะปิดให้บริการในวันที่ 13 พฤศจิกายน

การเปรียบเทียบนี้มีวันที่เกี่ยวข้องอยู่ และเหลือเวลาอีกเพียงหนึ่งสัปดาห์ Moondream Cloud — ฝั่งธุรกิจด้าน inference และ Lens — จะปิดให้บริการในวันที่ 13 พฤศจิกายน 2026 ซึ่งเป็นเวลาสามสิบวันหลังจากที่ Moondream ประกาศว่าถูก Prime Intellect เข้าซื้อกิจการ เครดิตที่ซื้อไว้และยังไม่ได้ใช้จะได้รับการคืนเงิน หากคุณสร้างบน endpoint แบบโฮสต์ของ Moondream 3 คำถามในทางปฏิบัติก็ไม่ใช่ "Molmo2-4B หรือ Moondream 3" อีกต่อไป แต่กลายเป็น "ชุดน้ำหนักแบบเปิด (open weights) ชุดไหนที่ฉันควรรันเอง" ทั้งสองโมเดลยังคงอยู่รอดหลังการปิดบริการ มีเพียงหนึ่งในสองเท่านั้นที่เคยมี API แบบโฮสต์ซึ่งตอนนี้ต้องสูญเสียไป

ควรระบุให้ชัดเจนว่า Moondream ตัวใดกำลังถูกนำมาเปรียบเทียบ เพราะชื่อนี้ถูกใช้อย่างหลวม ๆ Moondream 3 Preview เปิดตัวบน Hugging Face ในเดือนกันยายน 2025 เวอร์ชันที่เผยแพร่ในปัจจุบันคือ Moondream 3.1 ซึ่งเผยแพร่เมื่อวันที่ 7 กรกฎาคม 2026 ในชื่อ moondream3.1-9B-A2B และนี่คือเช็กพอยต์ที่บทความนี้ถือว่าเป็น “Moondream 3” ส่วนอีกฝั่งคือ Molmo2-4B: ประกาศโดย Allen Institute for AI เมื่อวันที่ 11 ธันวาคม 2025 น้ำหนักโมเดลเผยแพร่เมื่อวันที่ 14 ธันวาคม ภายใต้ Apache 2.0 สำหรับน้ำหนักโมเดล พร้อมคำเตือนชัดเจนว่าข้อมูลสำหรับการฝึกอบรมจำกัดให้ใช้เพื่อการวิจัยเชิงวิชาการและไม่ใช่เชิงพาณิชย์เท่านั้น และปรากฏว่าเรื่องนี้สำคัญ

สิ่งที่ใหม่จริง ๆ ล่าสุดในฝั่ง Molmo ไม่ใช่การเปิดตัวเวอร์ชันใหม่ เมื่อวันที่ 9 ตุลาคม 2026 สถาปัตยกรรม Molmo2 ถูก merge เข้า upstream Transformers และเปิดตัวใน v5.20.0 เมื่อวันที่ 15 ตุลาคม ดังนั้นโมเดลจึงไม่จำเป็นต้องใช้ trust_remote_code=True อีกต่อไป เมื่อวันที่ 5 พฤศจิกายน Ai2 เผยแพร่ Molmo2-4B-tb ซึ่งเป็นไฟน์จูนของเช็กพอยต์นี้สำหรับหุ่นยนต์เรียงบล็อก ทั้งสองอย่างไม่ได้ทำให้ Molmo2-4B เป็นของใหม่ และไม่ได้เปลี่ยนแปลงฟุตพรินต์ของมัน

สิ่งที่อยู่รอด และสิ่งที่ไม่อยู่รอด

น้ำหนักโมเดลไม่ได้หายไปไหน Moondream เปิดตัว moondream3.1-9B-A2B ภายใต้ Moondream Model License 1.0 และเผยแพร่ Photon ซึ่งเป็นเอนจิน inference ของตนเอง สำหรับการติดตั้งใช้งานในเครื่องบน GPU NVIDIA รุ่น Ampere หรือใหม่กว่า และ Apple Silicon ใบอนุญาตอนุญาตให้ใช้เชิงพาณิชย์ ปรับแต่งละเอียด ควอนไทซ์ แจกจ่ายซ้ำ ติดตั้งใช้งานที่ edge และ VPC ที่ลูกค้าควบคุมเอง สิ่งที่ห้ามคือเรื่องเฉพาะหนึ่งอย่าง: การให้บริการ Moondream แบบโฮสต์สำหรับการใช้งานทั่วไปแก่บุคคลภายนอกโดยไม่มีใบอนุญาตเชิงพาณิชย์แยกต่างหาก

ข้อกำหนดนั้นคือเหตุผลที่การปิดบริการครั้งนี้สำคัญกว่าที่เห็นในตอนแรก ทีมที่เคยเรียกใช้ Moondream Cloud API ไม่สามารถตั้ง endpoint แบบเดียวกันขึ้นมาเองเพื่อให้บริการลูกค้าของตนได้ง่าย ๆ พวกเขารัน Moondream ภายในผลิตภัณฑ์ของตัวเองได้ และรันบนโครงสร้างพื้นฐานที่ตนเองควบคุมได้ แต่ "Moondream as a service" คือสิ่งที่สัญญาอนุญาตสงวนไว้พอดี หาก endpoint คือตัวผลิตภัณฑ์ วันที่ 13 พฤศจิกายนก็ถือเป็นเหตุการณ์ด้านการอนุญาต ไม่ใช่เพียงการย้ายระบบเท่านั้น

Molmo2-4B ไม่มีกับดักที่เทียบเท่ากัน เพราะไม่เคยมีเวอร์ชันที่โฮสต์ให้บริการซึ่งจะสูญเสียไปได้ สัญญาอนุญาตของน้ำหนักคือ Apache 2.0 และข้อจำกัดอยู่ในถ้อยแถลงข้อมูลแทน: การ์ดของ Ai2 ระบุว่าโมเดลนี้ "ได้รับการฝึกบนชุดข้อมูลของบุคคลที่สามซึ่งอยู่ภายใต้การใช้เพื่อการวิจัยเชิงวิชาการและไม่ใช่เชิงพาณิชย์เท่านั้น" และแนะนำให้คุณตรวจสอบแหล่งที่มา ทั้งสองโมเดลไม่ได้เป็นกรณี "ส่งออกไปได้เลย" อย่างสะอาดหมดจด — ตัวหนึ่งจำกัดสิ่งที่คุณสามารถเสนอได้ อีกตัวจำกัดสิ่งที่สายการฝึกอบรมรองรับ

ภายใต้ฝากระโปรงมีเครื่องจักรที่แตกต่างกันสองเครื่อง

• พารามิเตอร์ — Molmo2-4B เป็นแบบ dense ขนาด 4,850,869,200 พารามิเตอร์; Moondream 3.1 มีขนาดรวม 9.0B โดยมี 2.0B ที่ทำงานต่อโทเคน เป็นโมเดลผสมผู้เชี่ยวชาญแปดตัวพร้อมการจัดเส้นทางแบบ top-2 บวกผู้เชี่ยวชาญที่ใช้ร่วมกันหนึ่งตัว

• ขนาดไฟล์น้ำหนัก — 19.42 GB ของ float32 safetensors สำหรับ Molmo2-4B แบ่งเป็นสี่ชาร์ด; Moondream 3.1 เผยแพร่สำหรับ Photon และผ่าน Hugging Face โดยผู้จำหน่ายเน้นเรื่องการใช้ทรัพยากรขณะรันไทม์ที่น้อย มากกว่าการดาวน์โหลดที่มีขนาดใหญ่

• บริบท — 36,864 ตำแหน่งสำหรับ Molmo2-4B; 32,768 โทเค็นสำหรับ Moondream 3.1

• รูปแบบอินพุตที่รองรับ — Molmo2-4B รองรับภาพ หลายภาพ และวิดีโอ; Moondream 3.1 รับหนึ่งภาพต่อการเรียกแต่ละครั้ง และไม่มีเส้นทางวิดีโอแบบเนทีฟ

• สัญญาเอาต์พุต — Molmo2-4B ส่งคืนจุดที่ปรับสเกลเป็น 0–1000 ของขนาดภาพ พร้อมการประทับเวลาในโหมดวิดีโอ และ regex ที่มีเอกสารกำกับสำหรับการแยกวิเคราะห์; Moondream 3.1 เปิดเผยทักษะที่มีชื่อสี่อย่าง — query, detect, point, caption — โดยแต่ละอย่างส่งคืน JSON แบบมีโครงสร้าง

• ใบอนุญาต — น้ำหนัก Apache 2.0 พร้อมข้อแม้เกี่ยวกับข้อมูลของบุคคลที่สามสำหรับ Molmo2-4B; Moondream Model License 1.0 สำหรับ Moondream 3.1

แถวเอาต์พุตคือความแตกต่างที่น่าสนใจที่สุดและถูกพูดถึงน้อยที่สุด จุดของ Molmo2-4B เป็นสตรีมพิกัดดิบที่คุณต้องแยกวิเคราะห์และประมวลผลหลังบ้าน สกิลของ Moondream 3.1 เป็นสัญญา API: detect คืนค่าอ็อบเจกต์, point คืนค่าจุด, caption คืนค่าแคปชัน และรูปแบบจะไม่เปลี่ยนตามพรอมป์ต์ ตัวหนึ่งคือโมเดลที่คุณสร้างต่อยอด อีกตัวคือบริการที่คุณเรียกใช้ ความแตกต่างเชิงการออกแบบนี้เป็นตัวพยากรณ์ได้ดีกว่าว่าตัวไหนจะเข้ากับโค้ดเบสของคุณ มากกว่าแถวในเบนช์มาร์กใด ๆ

คะแนนที่ไม่ได้ใช้ฮาร์เนสร่วมกัน

Moondream เผยแพร่ตารางขนาดใหญ่สำหรับ 3.1 และคุ้มค่าที่จะยกมาอ้างแบบตรงตัว เพราะบทสรุปส่วนใหญ่มักปัดเศษ ข้อมูลที่รายงานโดยผู้จำหน่าย ทั้งหมดอิงจากการประเมินของ Moondream เอง: COCO detection [email protected] 81.46, ODinW-13 93.94, LVIS 67.4, Dense200 74.61, SKU-110K 52.77, CrowdHuman 74.5, RefCOCO-M 87.1, HumanRef 70.39, DOTA-v2 59.63, CountBench 90.35, TallyQA 74.86, PixMo-Count 88.68, ChartQA 86.01 และ DocVQA 88.6 โดยมีค่าเฉลี่ยที่ระบุไว้ที่ 77.9 โพสต์เดียวกันรายงานว่าได้ 34.2 คำขอต่อวินาที และเวลาแฝงของโทเคนแรกประมาณ 20–30 ms บน Cloudflare Workers AI โดยการเรียกแบบ point ใช้เวลาประมาณ 145 ms แบบ end to end

Molmo2-4B รายงานค่าสรุปรวมเพียงค่าเดียว: ค่าเฉลี่ย 62.8 จาก 15 benchmark ทางวิชาการ ในตารางที่จัดให้อยู่ตามหลังรุ่นพี่ 8B ที่ 63.1 และอยู่เคียงข้าง Qwen3-VL-4B ที่ 58.1, InternVL3.5-4B ที่ 53.4 และ Eagle2.5-8B ที่ 60.7 ขณะที่โมเดลแบบปิดในตารางเดียวกันอยู่ที่ 70.0 สำหรับ Gemini 3 Pro และ 70.6 สำหรับ GPT-5

ค่าเฉลี่ยสองค่านั้นเปรียบเทียบกันไม่ได้ เพราะครอบคลุมงานที่ต่างกัน ค่าของ Moondream มีน้ำหนักไปทางงานตรวจจับและนับเป็นหลัก ซึ่งเป็นจุดที่แข็งที่สุดของมัน และไม่มีผู้ขายรายใดรันโมเดลของตนบนชุดทดสอบของอีกฝ่าย ใครก็ตามที่นำเสนอ 77.9 เทียบกับ 62.8 ว่าเป็นชัยชนะหกคะแนน กำลังเปรียบเทียบข้อสอบสองฉบับที่แตกต่างกันแล้วเรียกมันว่าคะแนน

จำนวนที่ผู้ขายทั้งสองรายให้ความสำคัญ

การนับเป็นจุดเดียวที่ข้ออ้างของทั้งสองโมเดลทับซ้อนกันจริง ๆ และเป็นจุดที่การตีความอย่างซื่อตรงทำให้ทั้งสองฝ่ายอึดอัด Moondream รายงาน CountBench 90.35 และ PixMo-Count 88.68 ประกาศของ Ai2 ระบุว่าตระกูล Molmo 2 เป็นผู้นำโมเดล open-weight ด้านการนับในวิดีโอ แล้วก็ยอมรับในประโยคเดียวกันว่าไม่มีโมเดลใดในการประเมินของตนไปถึงความแม่นยำ 40% ข้อความเหล่านี้ไม่ได้ขัดแย้งกัน — อันหนึ่งคือการนับวัตถุหนาแน่นบนภาพที่คัดสรรแล้ว อีกอันคือการนับข้ามวิดีโอ — แต่สิ่งเหล่านี้หมายความว่า "เก่งเรื่องการนับ" ไม่ใช่ข้ออ้างที่ใช้ได้ทั่วไป ระบุการทดสอบให้ชัดเจนก่อนที่คุณจะเชื่อตัวเลขนั้น

หากคุณกำลังตัดสินใจในสัปดาห์นี้

เริ่มจากจุดที่คำขอจะทำงาน หากคุณเคยเรียกใช้ Moondream Cloud API การย้ายระบบตอนนี้กลายเป็นโปรเจกต์โฮสต์ด้วยตนเอง และสัญญาอนุญาตเป็นตัวกำหนดว่าคุณจะเปิดให้เข้าถึงมันอีกครั้งได้หรือไม่ ให้รัน Photon ภายในเครื่อง เก็บ Moondream ไว้ในผลิตภัณฑ์ของคุณ และอย่าสร้าง endpoint ขึ้นใหม่สำหรับบุคคลภายนอกโดยไม่มีสัญญาอนุญาตเชิงพาณิชย์

หากวิดีโออยู่ในขอบเขต Moondream 3.1 ออกแล้ว มันรับหนึ่งภาพต่อการเรียก และไม่ว่าโครงสร้างทักษะจะมากแค่ไหนก็หลีกเลี่ยงข้อจำกัดนี้ไม่ได้ ค่าเริ่มต้น 384 เฟรมที่ 2 fps ของ Molmo2-4B คือเหตุผลที่ควรยอมรับการดาวน์โหลด float32 ขนาด 19.42 GB และแปลงให้ต่ำลงก่อนให้บริการ

ถ้าไปป์ไลน์ของคุณต้องการพิกัดแต่ไม่ต้องการย่อหน้า ทั้งสองตัวทำได้ และทางเลือกจะกลายเป็นเรื่องการจัดรูปแบบ: สตรีมจุดแบบมีแท็กของ Molmo2-4B พร้อม regex ที่คุณดูแลเอง หรือสกิลจุดของ Moondream 3.1 ที่คืนค่าเป็น JSON อย่างหลังทำงานน้อยกว่าในวันนี้ แต่มีภาระผูกพันด้านสัญญาอนุญาตในวันหน้า

สำหรับทีมที่ใช้ Moondream เป็นหนึ่งในโมเดลวิชันแบบโฮสต์หลายตัวมากกว่าจะใช้เป็นตัวผลิตภัณฑ์ การย้ายครั้งนี้จึงไม่หวือหวาอย่างที่ชื่อฟังดู: OrcaRouter ส่งต่อราคาตามรายการของผู้ให้บริการเองโดยไม่บวกเพิ่มครอบคลุมไอดีโมเดลกว่าสองร้อยรายการ พร้อมการสลับไปใช้ระบบสำรองอัตโนมัติเมื่อปลายทางต้นน้ำเริ่มทำงานเสื่อมลง ดังนั้นการแทนที่การเรียกใช้โมเดลวิชันแบบโฮสต์ตัวหนึ่งด้วยอีกตัวหนึ่งจึงไม่ได้หมายถึงสัญญาอีกฉบับหรือการเขียนไคลเอนต์ใหม่ ทั้ง Moondream 3.1 และ Molmo2-4B ต่างไม่อยู่ในแคตตาล็อกนั้น — ทั้งคู่เป็นเวตที่โฮสต์เอง — แต่ส่วนอื่นของสแตกมักจะอยู่ในนั้น

สิ่งที่ชัดเจนที่สุดที่จะพูดเกี่ยวกับการจับคู่นี้คือ มันไม่เคยเป็นการแข่งขันที่ยุติธรรม และตอนนี้ก็เป็นการแข่งขันที่เล็กลงกว่าเดิม Moondream 3.1 เป็น API ด้านวิชันที่รวดเร็วและแพ็กเกจมาอย่างดี พร้อมสัญญาอนุญาตที่สงวนธุรกิจบริการไว้ให้เจ้าของ Molmo2-4B เป็นงานเผยแพร่เพื่อการวิจัยที่มีเอาต์พุตแบบจุดที่รองรับวิดีโอโดยกำเนิดและไม่มีแพ็กเกจใด ๆ เลย การปิดบริการไม่ได้ทำให้ตัวหนึ่งดีกว่าอีกตัว มันเพียงตัดทางเลือกที่จะไม่เลือกออกไป