Qu’est-ce que Molmo2-8B ?
L’Allen Institute for AI (Ai2) a publié Molmo2 le 11 décembre 2025, en versions 4B et 8B fondées sur Qwen3 et en version 7B fondée sur Olmo, le modèle maison d’Ai2. Le 8B utilise Qwen3-8B avec un encodeur visuel SigLIP 2, répond à des questions sur des images, plusieurs images ou de la vidéo, et peut pointer et suivre des objets d’une image à l’autre.
Les poids sont sous Apache 2.0, et Ai2 a publié les neuf nouveaux jeux de données qui le sous-tendent, plus de 9 millions d’exemples, aucun produit par des modèles fermés ; certains sont sous licence de recherche non commerciale uniquement. Le code d’entraînement complet a suivi en mars 2026. Ai2 décrit le modèle comme destiné à la recherche et à l’enseignement. Il reste le modèle le plus récent de la lignée Molmo.
Molmo2-8B vaut-il le coup ?
D’après les tests d’Ai2, Molmo2-8B est le modèle ouvert le plus fort pour ancrer ses réponses dans la vidéo : pointer un objet, le compter et le suivre d’une image à l’autre. Dans l’article d’Ai2, il bat Gemini 3 Pro en pointage vidéo, 38,4 contre 20,0 de F1, et en suivi, 56,2 contre 41,1 de J&F, et devance Qwen3-VL en comptage vidéo, 35,5 contre 29,6. L’article note que même les modèles fermés n’offrent généralement pas ce type d’ancrage.
Il est aussi inhabituellement ouvert. Ai2 a publié les jeux de données, le code et le modèle de base de la variante Olmo de 7B, et l’a entraîné avec moins d’un huitième de la vidéo utilisée par Meta pour PerceptionLM, 9,19 millions de vidéos contre 72,5 millions. Pour une équipe qui doit expliquer d’où viennent les capacités d’un modèle, cela compte autant que les scores.
Les limites portent sur le raisonnement et la durée. Ai2 reconnaît un léger retard sur les benchmarks de raisonnement à poids ouverts, les grands systèmes fermés gardent une nette avance sur les questions portant sur des vidéos longues, et il échantillonne au plus 128 images à 2 images par seconde maximum, si bien qu’un clip de dix minutes est vu comme une suite de photos éparses. Le blog d’Ai2 note qu’aucun modèle, Molmo2 compris, n’atteint 40 % de précision en ancrage vidéo.
Avec environ 8,7 milliards de paramètres, il tient sur un GPU de 24GB en BF16. Il vieillit : le modèle a presque un an et compte 44 427 téléchargements le mois dernier, loin derrière des modèles généralistes plus récents comme Qwen 3.8, qui lisent désormais aussi la vidéo.
Là où il fait la différence
Une start-up d’analyse sportive
Compter et suivre les joueurs ou le ballon dans de courts extraits de retransmission
Demandez-lui de pointer ou de suivre des objets nommés et récupérez les coordonnées par image. Un GPU de 24GB suffit ; les clips de plus de 128 images échantillonnées doivent être découpés avant.
Une équipe de robotique d’entrepôt
Indiquer à un robot où se trouve, dans le flux caméra, l’article cité dans une consigne
La sortie de pointage de Molmo2 donne des coordonnées en pixels exploitables par le contrôleur. Vérifiez les licences des jeux de données avant un déploiement commercial, car certains jeux d’entraînement sont non commerciaux.
Un laboratoire universitaire qui étudie comment les VLM apprennent des données
Réentraîner un modèle vidéo de zéro en modifiant le mélange de données
Les jeux de données publiés, le code et la variante entièrement ouverte Molmo2-O 7B le permettent sans rétro-ingénierie, ce que peu de modèles concurrents autorisent.
Avant de vous engager
- Mise en route
- Installez transformers 4.57.1, torch, decord2 et molmo_utils, puis chargez avec AutoModelForImageTextToText et trust_remote_code ; les exemples d’Ai2 couvrent les questions sur vidéo, le pointage et le suivi.
- Intégrations
- Hugging Face Transformers avec code distant, Ai2 Playground, le code d’entraînement ouvert allenai/molmo2 ; aucune API hébergée payante listée sur OpenRouter.
- Données et confidentialité
- Poids Apache 2.0 ; en auto-hébergement, la vidéo reste en local. Certains jeux d’entraînement sont réservés à la recherche non commerciale, et Ai2 indique que le modèle est destiné à la recherche et à l’enseignement.
- Coût à grande échelle
- Auto-hébergement uniquement : environ 17GB de poids BF16, donc un GPU de 24GB par instance.
- Limites
- Jusqu’à 128 images à 2 fps ou moins par clip ; derrière les grands modèles fermés sur la vidéo longue ; plus faible sur les benchmarks de raisonnement ; aucun Molmo3 annoncé.
Les points forts
- Pointe et suit les objets en vidéo ; 56,2 de J&F en suivi contre 41,1 pour Gemini 3 Pro
- Poids Apache 2.0 avec jeux de données et code d’entraînement publiés
- Tient sur un GPU de 24GB
- Entraîné sans données produites par des modèles fermés
Les points faibles
- En retrait sur les benchmarks de raisonnement et les questions sur vidéos longues
- 128 images au plus par clip
- Certains jeux d’entraînement sont non commerciaux ; Ai2 le présente comme un modèle de recherche
- Pas d’API hébergée payante
Idéal pour
Les chercheurs et les équipes de robotique ou d’analyse vidéo qui ont besoin d’un ancrage vidéo ouvert et explicable, qu’ils peuvent réentraîner.
Alternatives à Molmo2-8B
Molmo2-8B : questions fréquentes
- Molmo2-8B vaut-il le coup ?
- Molmo2-8B est le modèle ouvert à prendre quand il faut savoir où se trouve quelque chose dans une vidéo, pas seulement s’il y apparaît. Nous lui donnons 3.9 sur 5.
- Combien coûte Molmo2-8B ?
- Poids gratuits sous Apache 2.0 ; certains jeux de données d’entraînement sont non commerciaux. Aucune API hébergée payante.
- Quels sont les inconvénients de Molmo2-8B ?
- En retrait sur les benchmarks de raisonnement et les questions sur vidéos longues; 128 images au plus par clip; certains jeux d’entraînement sont non commerciaux ; Ai2 le présente comme un modèle de recherche; pas d’API hébergée payante.
- À qui s’adresse Molmo2-8B ?
- Les chercheurs et les équipes de robotique ou d’analyse vidéo qui ont besoin d’un ancrage vidéo ouvert et explicable, qu’ils peuvent réentraîner.
- Combien coûte Molmo2-8B pour une équipe ou en production ?
- Auto-hébergement uniquement : environ 17GB de poids BF16, donc un GPU de 24GB par instance.
- Molmo2-8B est-il sûr pour les données de l’entreprise ?
- Poids Apache 2.0 ; en auto-hébergement, la vidéo reste en local. Certains jeux d’entraînement sont réservés à la recherche non commerciale, et Ai2 indique que le modèle est destiné à la recherche et à l’enseignement.
- Quelles sont les meilleures alternatives à Molmo2-8B ?
- Les alternatives les plus proches que nous avons testées sont SAM 3 (Segment Anything Model 3), LocateAnything-3B, MiniCPM-V 4.7 (35B-A3B and 1B) et Qwen3.8-27B.
Réponses vérifiées le 7 nov. 2026.