WeVisOne-VL-2B so với Moondream 3: Giấy phép và Thời hạn chót

Vào ngày 13 tháng 11 năm 2026, endpoint được lưu trữ phục vụ Moondream 3 Preview sẽ ngừng phản hồi. Chính ngày đó, chứ không phải bất kỳ bài đánh giá chuẩn nào, là điều khiến so sánh này trở nên cấp bách: các nhóm đã xây dựng trên đám mây của Moondream chỉ có khoảng ba tuần kể từ thông báo ngừng hoạt động để quyết định thứ thay thế nó, và các trọng số mà họ sẽ dựa vào mang một giấy phép mà hầu hết trong số họ chưa từng đọc kỹ. WeVisOne-VL-2B là thứ hiển nhiên để đặt bên cạnh nó — một mô hình nhận thức 2B từ nhóm WeChat Vision của Tencent, được công bố vào ngày 22 tháng 10 năm 2026 theo Apache 2.0, thực hiện cùng công việc định vị: khung, điểm, số lượng và mặt nạ.

Hai mô hình là cặp gần nhau nhất trong loạt này. Cả hai đều được xây dựng quanh việc chỉ vào sự vật thay vì mô tả chúng. Cả hai đều xuất ra mặt nạ. Cả hai đều được huấn luyện để nói "không có ở đó" khi mục tiêu vắng mặt. Tuy vậy, gần như không có gì mà một trong hai nhà cung cấp công bố có thể bị trừ khỏi cái kia, bởi vì họ đo những thứ khác nhau trên những harness khác nhau vào những thời điểm khác nhau. Thứ có thể so sánh được là giấy phép, định dạng đầu ra và đường triển khai — và ở ba điểm đó, câu trả lời không hề sát nhau.

Tại sao hai cái này lại nằm trong cùng một cuộc trò chuyện?

Moondream 3 Preview, ra mắt ngày 18 tháng 9 năm 2025, đã cho thấy rằng một mô hình nhỏ có thể tự thân thực hiện nhận thức có căn cứ: phát hiện, chỉ điểm, đếm, phân đoạn và trả lời, tất cả chỉ từ một checkpoint duy nhất, mà không cần điều phối một bộ phát hiện riêng biệt và một mô hình suy luận riêng biệt. Đây là một hỗn hợp chuyên gia thưa với tổng cộng 9 tỷ tham số và 2 tỷ tham số hoạt động — 24 lớp, bốn lớp đầu là dense, phần còn lại mang 64 chuyên gia với 8 chuyên gia được kích hoạt cho mỗi token — ngữ cảnh 32.768 token, một tokenizer SuperBPE tùy chỉnh và một bộ mã hóa thị giác dựa trên SigLIP.

WeVisOne-VL-2B xuất hiện muộn hơn một năm, đưa ra một phiên bản hẹp hơn của cùng lập luận đó. Nó có 2B tham số, được xây dựng trên Qwen3-VL, và chia công việc làm hai: mô hình ngôn ngữ phát ra tọa độ thông qua các token chuyên dụng, còn một bộ giải mã riêng biệt 9,5 triệu tham số biến mỗi thực thể được đánh dấu thành mặt nạ hoặc alpha matte liên tục. Tencent không cố tạo ra một trợ lý tổng quát. Họ cố tạo ra một cỗ máy tri giác, và nói rõ điều đó trong phần hạn chế.

Sự tương đồng trong cùng dòng là có thật, vì vậy những khác biệt càng quan trọng hơn so với giữa những mẫu không cùng dòng.

Các bản đồ năng lực, đặt cạnh nhau

• Tham số — tổng 9B với 2B hoạt động cho Moondream 3 Preview so với khoảng 2B dense cho WeVisOne-VL-2B, cộng thêm một bộ giải mã 9.5M tham số bắt buộc.

• Đầu ra mặt nạ — chuỗi đường dẫn SVG cùng với hộp giới hạn trên Moondream, mà tài liệu của nó mô tả là mặt nạ vector gốc; alpha matte raster ở độ phân giải đầy đủ stride-1 trên WeVisOne, bao gồm độ trong suốt mềm cho tóc và lông.

• Suy luận — Moondream 3 có chế độ chuỗi suy luận tùy chọn và suy luận về một hình ảnh bằng cách chỉ vào các vùng trong đó; WeVisOne tạo đầu ra có cấu trúc mà không có chuỗi suy luận nào cả, một lựa chọn mà Tencent đưa ra vì hiệu quả suy luận.

• Bối cảnh — 32.768 token được công bố trên card của Moondream so với việc không có độ dài ngữ cảnh được công bố cho WeVisOne, mà bài báo của nó mô tả huấn luyện ở 4.096 và 8.192 token và suy luận tối đa 1.960 token hình ảnh cho mỗi ảnh.

• Đầu vào — cả hai đều xử lý hình ảnh, nhưng Moondream cung cấp API đám mây có tài liệu với kết quả từng phần dạng truyền trực tuyến; WeVisOne từ chối lưới video trong bộ giải mã điểm ảnh của nó và được thiết kế chỉ cho một lượt.

• Giấy phép — Business Source License 1.1 với Điều khoản cấp quyền sử dụng bổ sung cho Moondream, Apache 2.0 cho WeVisOne.

• Phát hành — 18 tháng 9 năm 2025 so với 22 tháng 10 năm 2026, cách nhau mười ba tháng.

• Lưu trữ máy chủ — Moondream Cloud đến ngày 13 tháng 11 năm 2026, sau đó chỉ tự vận hành; không có điểm cuối dịch vụ được lưu trữ nào cho WeVisOne từ Tencent hay từ bất kỳ nhà cung cấp nào mà chúng tôi có thể xác minh.

Những con số, cùng với các công cụ đi kèm của chúng

Đây là lúc việc so sánh trở thành một bài tập đọc chú thích cuối trang. Mọi con số dưới đây đều do nhà cung cấp tự báo cáo; không mô hình nào có đánh giá độc lập trên Artificial Analysis hay bất kỳ nơi nào khác mà chúng tôi tìm được.

• RefCOCO — biểu đồ ra mắt của Moondream liệt kê 91.1, cùng với 88.6 trên RefCOCOg và 81.8 trên RefCOCO+. Đó là các số liệu độ chính xác kiểu phát hiện, và chính Moondream mô tả biểu đồ này là một cuộc so tài không công bằng: các baseline tiên tiến nhất được truy vấn thông qua template vì chúng không có khả năng grounding nguyên bản, và một số điểm xem trước đến từ các mẫu 100 câu hỏi thay vì bộ đánh giá đầy đủ.

• RefCOCO trên WeVisOne — Tencent không công bố con số phát hiện RefCOCO. Bảng phát hiện theo chỉ dẫn của họ báo cáo RefCOCOg đạt 77.1 mean F1 đối với mô hình 2B, và bảng phân đoạn của họ báo cáo RefCOCO validation đạt 79.7 cIoU. Nhiệm vụ khác, thống kê khác, cách chia tập dữ liệu khác.

• Phân đoạn — bản cập nhật phân đoạn tháng 3 năm 2026 của Moondream báo cáo mIoU là 83,2 trên tập validation RefCOCO, 79,1 trên RefCOCO+ và 80,7 trên RefCOCOg, cùng với 88,2 riêng trên RefCOCO-M có độ trung thực cao. WeVisOne báo cáo 79,7, 73,1 và 74,4 trên cùng ba phân tách — nhưng là cIoU, điều mà bài báo nêu rõ. Mean IoU và cumulative IoU đánh trọng số hình ảnh theo cách khác nhau, nên khoảng cách ở đây mang tính gợi ý hơn là được đo lường.

• Đếm — Moondream báo cáo CountBenchQA ở 93,2. WeVisOne báo cáo CountQA ở 47,9 khớp chính xác, PixMo-Count ở 90,9 và 88,1, và CLOC ở 27,5 và 26,9. CountBenchQA và CountQA không phải cùng một bộ dữ liệu, và khớp chính xác trên một bộ đếm khắt khe theo cách mà độ chính xác trên một bộ trắc nghiệm không hề khắt khe như vậy. Độ phân tán ngay trong hàng đếm của chính WeVisOne — 90,9 trên một bộ dữ liệu, 27,5 trên một bộ khác — là lời cảnh báo tốt hơn về các benchmark đếm so với bất kỳ so sánh chéo nhà cung cấp nào.

• Phát hiện — Moondream liệt kê chỉ số phát hiện COCO ở mức 51.2. WeVisOne liệt kê F1 trung bình COCO ở mức 55.2 trên các ngưỡng IoU. Việc đó có phải là cùng một thống kê hay không thì không được nêu ở bên nào, và đó chính là vấn đề.

Điều xuất hiện không phải là một người thắng. Đó là hai mô hình cùng tuyên bố có khả năng tri giác có nền tảng mạnh mẽ, được đo bằng những công cụ chưa từng được hiệu chuẩn với nhau, một trong số đó được công bố trên một biểu đồ mà chính tác giả của nó mô tả là không công bằng.

Giấy phép mới là ngã rẽ thực sự.

Trọng số của Moondream 3 Preview được phát hành theo Business Source License 1.1 cùng với một Additional Use Grant có tên viết tắt là "No Third-Party Service." Khoản cấp quyền này bao gồm các dự án cá nhân, nghiên cứu, đánh giá chuẩn, tinh chỉnh, hợp nhất, lượng tử hóa và các delta trọng số. Điều mà nó không bao gồm là dựng một dịch vụ cho phép bên thứ ba sử dụng mô hình — chính là thứ mà hầu hết các công ty thực sự muốn xây dựng.

Đó là một ràng buộc quan trọng, và đây là chỗ mà sự so sánh có câu trả lời rõ ràng. Thẻ của WeVisOne-VL-2B cấp Apache 2.0 cho mã do Tencent viết, còn các thành phần bên thứ ba giữ nguyên các điều khoản riêng của chúng. Không có ngưỡng doanh thu, không có ngoại lệ theo lĩnh vực sử dụng, không cần trao đổi với luật sư về việc sản phẩm của bạn có được tính là dịch vụ bên thứ ba hay không.

Nếu bạn đang cân nhắc giữa hai lựa chọn này để xây dựng một sản phẩm thương mại, thì giấy phép quyết định kết quả nhiều hơn bất kỳ chỉ số đánh giá nào ở phần trước. Một mô hình mà bạn không thể cung cấp hợp pháp không phải là một lựa chọn rẻ hơn; đó là một sản phẩm khác.

Nếu bạn đang sử dụng Moondream Cloud ngay lúc này

Thông báo ngừng hoạt động được đăng cùng với lý do của nó. Moondream và phiên bản kế nhiệm Moondream 3.1 hiện đã thuộc về Prime Intellect, công ty đã công bố thương vụ mua lại vào ngày 13 tháng 10 năm 2026, với các nhà sáng lập Vik Korrapati và Jay Allen gia nhập để dẫn dắt mảng suy luận. Bài đăng của chính Moondream được ghi ngày 14 tháng 10. Thông báo chỉ có một dòng: vào ngày 13 tháng 11 năm 2026, tức còn ba mươi ngày nữa, Moondream Cloud sẽ ngừng hoạt động, với các khoản tín dụng đã mua nhưng chưa sử dụng sẽ được hoàn lại.

Có hai điều đáng tách bạch. Các mô hình không bị thu hồi — trọng số vẫn ở nguyên chỗ cũ và giấy phép không thay đổi. Thứ đang kết thúc là con đường dịch vụ được lưu trữ, con đường mà hầu hết các nhóm thực sự gọi đến. Photon, engine suy luận của Moondream, là một phần trong thứ Prime Intellect đã mua, và điểm bán của nó là thông lượng: 34 yêu cầu mỗi giây cho Moondream 3.1, hơn 60 suy luận mỗi giây trên một H100. Đó là số liệu của Prime và Prime giờ là bên bán chúng.

Đối với bất kỳ ai đang chuyển đổi, có ba lựa chọn trung thực. Tự vận hành trọng số Moondream mà bạn đã có và chấp nhận các điều khoản BSL. Chuyển sang một mô hình được lưu trữ trên máy chủ không có nguy cơ biến mất, chấp nhận rằng hầu hết chúng không xuất ra mặt nạ. Hoặc chuyển sang một mô hình trọng số mở Apache-2.0 và tự sở hữu việc triển khai — đó là nơi WeVisOne-VL-2B xuất hiện, kèm theo những lưu ý rằng nó không phải là một giải pháp thay thế dùng ngay được và bằng chứng về nó còn mỏng hơn.

Nó không phải là giải pháp thay thế trực tiếp vì ba lý do cụ thể. Định dạng đầu ra khác nhau: đường dẫn SVG so với matte alpha dạng raster, điều này làm thay đổi mã compositing hạ nguồn của bạn. Không có chế độ chain-of-thought, nên bất kỳ pipeline nào dựa vào các dấu vết suy luận có căn cứ của Moondream sẽ mất chúng. Và không có độ dài ngữ cảnh được công bố, nên một quy trình đã đưa các lời nhắc nhiều hình ảnh dài vào Moondream không có trần được nêu rõ để thiết kế dựa theo.

Đây cũng là lúc một lớp định tuyến chứng minh được giá trị của mình, và cần nói rõ nó có thể và không thể làm gì. OrcaRouter không phục vụ Moondream 3 hay WeVisOne-VL-2B; cả hai đều không có trong danh mục của chúng tôi, và chúng tôi sẽ không giả vờ rằng việc di chuyển chỉ là đổi URL. Điều chúng tôi có thể làm là giữ phần được lưu trữ trong ngăn xếp của bạn có thể di động: một API key dùng chung cho hơn 200 mô hình với giá niêm yết của nhà cung cấp, không phụ phí, tự động chuyển đổi dự phòng khi một nhà cung cấp bị suy giảm, và một DSL định tuyến cho phép bạn chuyển lưu lượng giữa các mô hình được lưu trữ mà không cần chạm vào mã ứng dụng. Nếu bài học ngày 13 tháng 11 là việc phụ thuộc vào một dịch vụ được lưu trữ duy nhất chính là một điểm lỗi đơn lẻ, thì giải pháp là lớp trừu tượng, chứ không phải một phụ thuộc đơn lẻ khác.

Cần quyết định điều gì trước ngày 13 tháng 11

Nếu bạn chỉ đang chạy Moondream 3 Preview qua API đám mây và không làm gì khác, thì quyết định không hẳn là Moondream so với WeVisOne. Mà là bạn có muốn tự đảm nhận phần suy luận hay không. Tự vận hành Moondream giữ nguyên hành vi mà bạn đã tinh chỉnh theo, dưới một giấy phép cho phép dùng nội bộ và nghiên cứu nhưng không cho phép bán lại dưới dạng dịch vụ. Tự vận hành WeVisOne mang lại điều khoản rõ ràng hơn và alpha matte mềm, đổi lại là một mô hình chưa ai độc lập kiểm thử và một bộ giải mã chỉ hoạt động trên ảnh đơn.

Nếu bạn đang bắt đầu lại từ đầu — chưa có pipeline hiện hữu, chưa có prompt nào được tinh chỉnh, chưa có tích hợp nào đã đổ công — thì phép tính đơn giản hơn. WeVisOne-VL-2B dùng Apache 2.0 và có 2B tham số, Moondream 3 Preview là source-available với 9B, trong đó 2B hoạt động, và benchmark duy nhất mà cả hai công bố ở dạng mời gọi so sánh là segmentation, nơi các định nghĩa chỉ số âm thầm khác nhau. Hãy chọn dựa trên giấy phép và định dạng đầu ra, rồi đo trên chính ảnh của bạn, vì không nhà cung cấp nào đưa ra con số mà bạn có thể tin tưởng để bắc qua khoảng cách đó.