Moondream 3 กับ LFM2.5-VL 3B: ตัวหนึ่งชี้ไปที่คำตอบ อีกตัวเพียงแค่ตอบ

The most useful difference between M​oondream 3 Preview and LFM2.5-VL-3B is not in their benchmark tables. It is that M​oondream 3 Preview reasons about an image by pointing into it — its reasoning traces are grounded, referencing specific regions — while LFM2.5-VL-3B is explicitly a non-reasoning model that answers directly, a choice Liquid AI made to keep latency low for on-device work. Same image in, two entirely different things come out, and which one you want depends on whether a downstream system has to trust the answer or merely consume it.

Everything else follows from that fork. M​oondream 3 Preview is a sparse mixture-of-experts model at 9B total parameters with 2B active, released on 18 September 2025 by M​oondream, which was acquired by Prime Intellect in October 2026. LFM2.5-VL-3B is a dense 3.1B model — a 2.6B language backbone with a 400M SigLIP2 NaFlex vision encoder — released by Liquid AI on 12 August 2026 as a direct successor to LFM2-VL-3B. One is a specialist that was built to detect and point and can also answer questions. The other is a generalist that was built to answer and recently learned to point.

การชนกันของเมตริกที่คุณต้องสังเกตก่อน

วางตัวเลขฐานสองตัวไว้เคียงกัน แล้วการเปรียบเทียบก็ดูเหมือนจะเกือบเสมอกัน แต่มันไม่ใช่ เพราะมันไม่ใช่การวัดเดียวกัน

M​oondream's launch chart lists M​oondream 3 Preview at 91.1 on RefCOCO. Liquid AI reports LFM2.5-VL-3B at RefCOCO precision@1 of 87.9. RefCOCO accuracy and RefCOCO precision@1 are different statistics computed over the same dataset, and a 3.2-point gap between them tells you nothing about which model localises better. Anyone stacking those two figures in a bar chart is comparing a number to a differently-defined number.

• M​oondream 3 Preview grounding — RefCOCO 91.1, on a chart where frontier baselines (GPT-5, Gemini 2.5-Flash, C​laude 4 S​onnet) were queried through a template because they have no native grounding, and where some preview scores came from a 100-question sample rather than the full set. Vendor-reported and, as M​oondream says itself, not a fair fight.

• LFM2.5-VL-3B grounding — ความแม่นยำ RefCOCO precision@1 อยู่ที่ 87.9 เพิ่มขึ้นจาก 57.1 ใน LFM2-VL-3B รุ่นก่อน ซึ่ง Liquid ระบุว่าเป็นผลมาจากการขยายข้อมูล grounding สังเคราะห์ รายงานโดยผู้ขาย เป็นการเปรียบเทียบในฮาร์เนสเดียวกันกับรุ่นก่อนหน้าของตัวเอง ซึ่งเป็นแกนที่มีความหมายมากกว่า

• Detection and pointing — M​oondream 3 Preview: native detect and point skills, structured coordinate output, part of the architecture. LFM2.5-VL-3B: grounding added by training, returned as coordinates the same way, with function calling also new to the VL line (ToolSandbox 26.4 to 59.5, BFCL v4 20.5 to 32.5).

The honest read: Liquid AI has a clean before-and-after on identical harnesses and M​oondream has a cross-model chart with template caveats. Neither gives you a head-to-head. If grounding accuracy is the deciding factor in your evaluation, your own labelled set is the only instrument that will settle it.

การให้เหตุผลบนพื้นฐานข้อเท็จจริงต้องแลกมาด้วยอะไร

M​oondream's query skill runs in reasoning mode by default. The model works through the question and its trace references the regions of the image it is using, which you can inspect in the playground by hovering over the text. For anything where a human has to audit the answer — a defect call on a production line, a security incident, a medical triage flag — that property is worth a lot. It is the difference between a model that says "no" and a model that says "no, here." p>The cost is tokens. Reasoning mode generates a trace before the answer, and M​oondream's own documentation offers the escape hatch: pass reasoning=False for simple questions, because the company knows the mode is not free. That is a real architectural admission — a well-designed model would not need a flag to switch the thought off.

LFM2.5-VL-3B ไม่มีรุ่นที่เทียบเท่า มันถูกออกแบบให้เป็นโมเดลแบบไม่ใช้การให้เหตุผล และ Liquid AI พูดตรง ๆ เกี่ยวกับข้อแลกเปลี่ยนนี้ การตอบโดยตรงช่วยให้ความหน่วงต่ำสำหรับการใช้งานแบบเรียลไทม์และบนอุปกรณ์ ไม่มีร่องรอยให้ตรวจสอบ และไม่มีโหมดให้ปิด บนแถวคิดเงินที่อ่านบาร์โค้ด หรือบนโทรศัพท์ที่แปลเมนู นั่นคือการตัดสินใจทางวิศวกรรมที่ถูกต้อง และการไม่มีร่องรอยนั้นไม่ใช่ข้อบกพร่อง

So the question is not which is better. It is whether anything downstream of your model reads the reasoning. If a human does, M​oondream's grounded traces are the feature you are buying. If only a program does, you are paying for tokens nobody will read.

จุดที่ 3.1B ชนะจริง ๆ

คำกล่าวอ้างเรื่องขนาดของ LFM2.5-VL-3B ไม่ใช่การตลาดล้วน ๆ มันทำงานโดยใช้หน่วยความจำต่ำกว่า 3.3 GB ที่ความเร็ว 228 โทเคนต่อวินาทีบน Apple M5 Max และ 116 โทเคนต่อวินาทีบน AMD Ryzen AI Max+ 395 พร้อมทั้งมีไฟล์ส่งออกแบบ GGUF, ONNX และ MLX เผยแพร่เคียงข้างเช็กพอยต์เวอร์ชันเนทีฟ นั่นคือโมเดลที่คุณสามารถใส่ไว้ในแล็ปท็อปได้ และ Liquid AI ยังเผยแพร่มันเป็น WebGPU Hugging Face Space ที่ทำงานได้ในแท็บเบราว์เซอร์อีกด้วย

M​oondream 3 Preview has a smaller active parameter count — 2B against 3.1B — but the comparison is not symmetric, because a MoE checkpoint has to be fully resident even though only a fraction of it fires. The 9B of weights need somewhere to live. M​oondream's own answer to that is Photon, its local inference engine, which runs the model on N​VIDIA GPUs from Ampere onward and on Apple Silicon Macs. Different constraint: LFM2.5-VL-3B is small enough to fit anywhere, M​oondream 3 Preview is fast in the compute sense but large in the memory sense.

• Context — both 32K tokens. Genuine convergence, and worth noting given the two-year jump from the 2K windows of the previous M​oondream generation.

• Languages — LFM2.5-VL-3B lists sixteen: English, Arabic, Chinese, French, German, Italian, Japanese, Korean, Portuguese, Spanish, Vietnamese, Thai, Indonesian, Hindi, Russian, Polish, and doubled its vocabulary to 128,000 to support non-Latin scripts. M​oondream 3 Preview's card leads on visual capability rather than a language list; treat multilingual VQA as something to test rather than something promised.

• Document reading — LFM2.5-VL-3B: DocVQA 91.1, ChartQA 81.3, OCRBench v1 84.2, OCRBench v2 English 47.5, MMMU 48.4. M​oondream 3 Preview: DocVQA 88.3, ChartQA 86.6, POPE 89.0. Different harnesses, vendor-reported on both sides.

• สิ่งที่ LFM2.5-VL-3B บอกคุณว่าไม่ควรทำ — การ์ดของ Liquid AI ระบุตรง ๆ ว่าไม่แนะนำสำหรับงานที่ใช้บริบทยาวหรือใช้การให้เหตุผลหนัก ๆ เช่นการออกแบบเว็บเชิงภาพหรือคำถามทางเทคนิคเกี่ยวกับพิมพ์เขียว ประโยคนั้นมีประโยชน์มากกว่าตาราง benchmark ส่วนใหญ่

การปรับใช้ และจุดที่เราเตอร์เข้ามาเกี่ยวข้อง

Neither of these models is served through OrcaRouter, and it is worth saying so directly rather than dancing around it: both are open-weight checkpoints you run yourself, and M​oondream 3 Preview's hosted endpoint — M​oondream Cloud — is being shut down on 13 November 2026 following the Prime Intellect acquisition, with unspent credits refunded.

สิ่งที่เรื่องนี้เปลี่ยนแปลงไปคือลักษณะของการตัดสินใจ ทีมที่เลือกใช้ VLM แบบโฮสต์เองเป็นมาตรฐานมักลงเอยด้วยโมเดลที่โฮสต์ให้บริการอีกตัวเป็นตัวที่สอง สำหรับกรณีที่โมเดลในเครื่องจัดการได้ไม่ดี และเมื่อถึงจุดนั้น งานด้านการผสานรวมก็กลายเป็นปัญหา: SDK สองตัว กลไกการยืนยันตัวตนสองแบบ นโยบายการลองใหม่สองชุด และการที่ผู้ให้บริการล่มซึ่งกลายเป็นการล่มของคุณเอง

This is the case OrcaRouter's routing DSL is built for. You compose several models into a single call — the 3.1B local model answers what it can, a hosted model takes the residue — behind one key for more than 200 models, with provider list price passed through at zero markup and automatic failover when an upstream degrades. Since neither M​oondream 3 Preview nor LFM2.5-VL-3B is in that catalogue, the routing layer sits above them rather than replacing them: it is how you keep the cheap local path cheap without making a vendor outage your outage.

ทางแยกด้านการออกใบอนุญาต ซึ่งชัดเจนยิ่งกว่าเกณฑ์มาตรฐาน

ปรัชญาการให้สิทธิ์ใช้งานที่แตกต่างกันสองแบบ และความแตกต่างนี้สำคัญต่อการตัดสินใจด้านผลิตภัณฑ์มากกว่าช่องว่างคะแนน 3 คะแนน

M​oondream 3 Preview ships under the Business Source License 1.1 with an Additional Use Grant (No Third-Party Service). Internal and production use, personal projects, research, benchmarks, fine-tunes, merges, quantisations, weight deltas, and use inside a product that does not substantially overlap M​oondream's paid offerings are all permitted. Selling a hosted API that exposes similar vision capabilities, managed "M​oondream-as-a-service", or embedding the weights in a paid SDK that delivers comparable capabilities requires a separate agreement. M​oondream 3.1 moved to the M​oondream Model License 1.0, which states the same rule more cleanly: component of your product is allowed, access to M​oondream itself as the product is not. Edge devices, customer-controlled VPCs, and running the model on leased cloud or neocloud GPUs are all explicitly on the allowed side.

LFM2.5-VL-3B is under Liquid AI's own LFM Open License v1.0. Read it before you ship, as you would any bespoke licence, but the families are different in kind: M​oondream's restriction targets one specific business — reselling the model — while Liquid's is a broad open licence with its own terms.

If you are a domain-specific builder, both are fine and the licence question is a formality. If your business is anywhere near "we host vision models for other people," M​oondream's licence is the constraint you read first and LFM's is the one you probably clear.

เลือกอันไหนดี

Choose M​oondream 3 Preview if the answer has to be inspectable. If a human reviews the output, if the trace needs to show which part of the image drove the decision, if detection and pointing are the primary product rather than a feature — that grounded reasoning is the whole reason to pay 9B of memory for a 2B-active model. Budget for Photon or a GPU, and plan around the hosted endpoint closing.

เลือก LFM2.5-VL-3B หากโมเดลต้องประจำการอยู่บนอุปกรณ์ หากคุณกำลังส่งไปยังโทรศัพท์ แล็ปท็อป กล่องบนพื้นที่โรงงาน หรือแท็บเบราว์เซอร์ และภาระงานเป็นแบบเทิร์นเดียว ปริมาณงานสูง และความหน่วงต่ำ — อ่านหน้าจอ ถอดความเอกสาร ตรวจจับวัตถุในสตรีม — โมเดลแบบ dense ขนาด 3.1B ที่ตอบโดยไม่ต้องคิดคือสิ่งที่คุณต้องการพอดี และตัวเลข 228 โทเคนต่อวินาทีบน M5 Max คือตัวเลขที่ชี้ขาด

Pick both if you have the budget for it, and route between them: LFM2.5-VL-3B on every frame because it is nearly free to run, M​oondream 3 Preview on the frames where a grounded answer is worth waiting for.

สิ่งที่ตัวเลขบอกคุณไม่ได้คือว่ามีสิ่งใดผิดพลาดไปในการใช้งานจริงหรือไม่: เหตุการณ์ AI และความล้มเหลวของเอเจนต์ที่ได้รับการบันทึกไว้เกี่ยวกับโมเดลในคลาสนี้ถูกรวบรวมไว้ใน OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ความรุนแรง ระดับความเชื่อมั่น และสถานะข้อโต้แย้งของตนเอง