概述
一张电路板照片，一个浏览器标签，没有 API 密钥
打开 Ai2 Playground，扔进去一张杂乱的电路板照片，输入指令：「标出你能识别的每一个元件。」几秒钟后，Molmo AI 返回一份清单：电阻 R12、电容 C4、中央的德州仪器控制器。每个都附上简短的功能说明。无需注册，无需信用卡，无需 API 密钥。Molmo AI 免费在线视觉模型（molmo ai 免费 在线 视觉模型）的体验就是这样：即时，零门槛，研究级质量。对于任何不想绑定付费 API 就想评估视觉语言模型的人来说，这是测试开源多模态 AI 实际能力的最快途径。
这个场景概括了 Molmo 的定位：一个研究级多模态模型，免费在浏览器运行，背后的非营利机构把权重、代码和训练数据全部公开。
Molmo AI 是艾伦人工智能研究所（Ai2）推出的开源视觉语言模型系列。Ai2 位于西雅图，由已故的保罗·艾伦创办，是一家非营利研究机构。Molmo 初代于 2024 年 9 月发布，2025 年 12 月升级为 Molmo 2，新增视频理解和像素级指向能力。对所有寻找免费在线视觉模型的开发者和研究者而言，这是一个来自顶级 AI 实验室的可信选择。
谁做的，为什么值得关注
Ai2 不是创业公司。这家非营利实验室已按 Apache 2.0 许可发布了一系列开放模型：语言模型 Olmo、后训练框架 Tülu 3。Molmo AI 把这条路延伸到了视觉领域。
该机构的赌注是：开放、可审计的模型可以在不依赖谷歌、OpenAI 或 Meta 级算力预算和专有数据集的前提下，匹敌闭源系统。根据 Ai2 的技术报告，Molmo 72B 在学术视觉推理基准上接近 GPT-4V 水平，而 7B 版本在某些任务上超越了十倍参数量的模型。
Molmo 2 在 2026 年 1 月的 arXiv 论文中详细阐述，新增了视频理解、多图推理和像素级指向能力。VentureBeat 指出，这些能力此前「主要由更大的闭源模型主导」。GeekWire 将此次发布描述为 Ai2 在开放视频分析领域「与谷歌、Meta 和 OpenAI 竞争」。
对于不愿被闭源 API 锁定的研究者和开发者，Molmo AI 免费在线视觉模型提供了一种结构性的替代方案：模型、代码、数据全部开放。
实际能做什么
Molmo AI 不是聊天机器人。它不写文章、不生成图片、不上网搜索。它只做一件事：给定一张图片或视频和一段文本指令，输出基于视觉内容的文本响应。
四种初代型号，均在 Hugging Face 可获取：
- Molmo 72B：旗舰型号，据 Ai2 基准测试在视觉推理上可比肩 GPT-4V。自部署需企业级 GPU。
- Molmo 7B-D：76 亿参数密集模型，单张高端消费级 GPU 即可运行。
- Molmo 7B-O：基于 Ai2 自研 Olmo 语言底座，从基础模型到视觉编码器完全开放。
- MolmoE-1B：混合专家架构，在普通硬件上实现快速推理。
Molmo 2 新增 8B 版本（基于 Qwen-3，Ai2 称其为视频定位和问答的最佳综合模型）、4B 高效版本，以及基于 Olmo 的 7B-O 版本。
所有型号均按 Apache 2.0 开放权重。训练数据集 PixMo 包含不到一百万张真实世界图像，据 Ai2 文档不含合成数据。
与从文本生成图像的通用 AI 图像生成器不同，Molmo 的方向正好相反：它读取图像并输出文字。它也不同于侧重 UI 反馈收集的视觉工具。Molmo 是一个面向程序化视觉语言任务的原始模型。
实际应用场景
Ai2 文档列出以下目标应用：
- 无障碍：为屏幕阅读器生成替代文本和视觉描述。
- 电商：产品分类、描述生成、对客户上传图片的视觉问答。
- 文档处理：从图表、表格和扫描表单中提取结构化数据。
- 内容审核：自动化图片和视频政策合规筛查。
- 机器人：具身 AI 系统的场景理解和物体识别。
目前实际采用规模较小。AIPure 估算截至 2025 年中，Molmo 相关站点月访问量约 200 次，显示该工具目前仍以研究资产为主，而非主流消费产品。这与 Ai2 的定位一致：它做的是研究产出，不是 SaaS 产品。
开源意味着什么
大多数接近 GPT-4V 水平的视觉语言模型都是闭源的，按 token 计费，无法审查。GPT-4V、Gemini 1.5、Claude 的视觉能力均遵循这一模式。Molmo AI 这款免费在线视觉模型在三个方面反转了这一点：权重可下载，代码在 GitHub 开源，PixMo 训练数据公开记录。
这有具体的实际意义。开发者可以在不将数据发送给第三方 API 的前提下，用自有产品图片微调 Molmo。研究者可以审计训练数据的偏差。创业公司可以在本地部署，零每次查询成本，只付基建费用。
Ai2 提供托管 playground 用于即时测试，免费、无需账号、运行最新 Molmo 2 8B 模型。自部署定价很简单：免费，核查日期截至 2026 年 7 月。你只需承担自己的算力成本。
局限与注意事项
Molmo AI 的优势领域很窄。它擅长视觉问答、指向定位和 Molmo 2 中的视频定位，但不生成图片、不写长文、不作为通用助手使用。在高度专业领域如医学影像或卫星分析中，未经微调的准确度会明显下降。1B 和 4B 版本可在消费级硬件运行，但 72B 模型需要企业级 GPU。
指向精度虽在开放模型中表现突出，但并非像素级完美。在 Ai2 自己的示例中，Molmo 能正确识别照片中的一只狗，但边界框可能略微偏离中心。产品演示够用，手术机器人不够。
Molmo AI 是一个研究机构做出来的研究模型。它不是一个有定价页面和销售团队的成熟产品。这既是它的优势，也是它的局限。对于看重开放权重和零查询成本的团队，molmo ai 免费 在线 视觉模型在同类工具中独树一帜。模型权重在 Hugging Face，代码在 GitHub，playground 在 playground.allenai.org。全部 Apache 2.0 许可。没有使用上限，没有积分系统，没有过期 token。