Le point de terminaison hébergé de Moondream 3 Preview ferme le 13 novembre

M​oondream 3 Preview a été publié le 18 septembre 2025, et le point de terminaison qui le sert cessera de répondre le 13 novembre 2026. Ce sont les deux dates qui comptent dans cette histoire, et seule la seconde est urgente. Le modèle lui-même n'est pas retiré — les poids restent sur Hugging Face et la licence ne change pas — mais le chemin hébergé que la plupart des équipes appellent réellement, partagé par M​oondream 3 Preview et son successeur M​oondream 3.1, va être désactivé, et l'avis l'a annoncé en une seule ligne : le 13 novembre 2026, 30 jours à compter d'aujourd'hui, le M​oondream Cloud fermera, avec remboursement des crédits achetés non utilisés.

Cet avis a été publié en même temps que sa raison d'être. Moondream 3 Preview et son successeur Moondream 3.1 font désormais partie de Prime Intellect, qui a annoncé le 13 octobre 2026 avoir acquis Moondream, ses fondateurs Vik Korrapati et Jay Allen rejoignant l'entreprise pour diriger et faire passer l'inférence à l'échelle. Le billet de Moondream lui-même est daté du 14 octobre. Il ne s'agit pas d'un lancement et il ne faut pas en parler comme tel. C'est un changement de propriété assorti d'une échéance de migration ferme, et si vous avez un appel de production vers api.moondream.ai quelque part dans votre stack, vous disposez d'environ quatre semaines à compter de la date de ce billet pour décider par quoi le remplacer.

Ce que Prime Intellect a réellement acheté

L’annonce est inhabituellement explicite au sujet des deux éléments qui ont changé de mains, et aucun des deux n’est un checkpoint de modèle. Le premier est l’équipe : Korrapati et Allen rejoignent pour exécuter l’inférence et accélérer le travail multimodal, y compris la vision et l’utilisation de l’ordinateur. Le deuxième est Photon, le moteur d’inférence de M​oondream, qui compile chaque modèle en un seul programme GPU à l’aide de noyaux personnalisés et d’un compilateur de mégakernel derrière eux.

Lisez le cadrage et vous comprendrez pourquoi. Le post de Prime met en avant le serving, pas l'architecture — son argument en faveur de l'opération est que « c'est au serving que se décide l'utilité d'un modèle ». Les chiffres qu'il cite sont des chiffres de débit : Moondream 3.1 à 34 requêtes par seconde, décrit comme environ 24 fois plus rapide que le deuxième modèle ouvert le plus précis ; plus de 60 inférences Moondream par seconde sur un seul H100 ; des réponses en dizaines de millisecondes. Ce sont les chiffres de Prime, et Prime est désormais la partie qui vend l'inférence, donc considérez-les comme déclarés par le fournisseur. Ce qui n'est pas une affirmation de fournisseur, c'est le sens de l'opération : une entreprise dont le produit était un modèle de vision a acheté un moteur d'inférence et a placé ses auteurs à la tête de l'inférence.

Pour quiconque dispose d'une intégration M​oondream, la conséquence pratique est que les poids ouverts restent ouverts et, selon les mots de M​oondream, « continueront de s'améliorer, désormais à un rythme bien plus rapide ». Ce qui disparaît, c'est la couche de commodité — l'API hébergée et Lens, le produit de fine-tuning —, précisément la couche sur laquelle beaucoup de petites équipes se sont appuyées parce qu'elles ne voulaient pas faire tourner des GPU.

Ce qu'est réellement M​oondream 3 Preview

Il convient de le rappeler : un modèle publié en septembre 2025, désormais supplanté dans le cadre d’une acquisition, est un modèle que de nombreuses équipes ne découvrent qu’à travers l’avis d’arrêt. C’est un mélange d’experts parcimonieux à granularité fine, de 9 B de paramètres au total avec 2 B actifs par token, initialisé à partir de l’ancien M​oondream 2 dense de 2 B par drop upcycling.

• Architecture — 24 couches, les quatre premières denses et le reste des blocs feed-forward MoE avec 64 experts et 8 activés par token, GeGLU, dimension cachée 2048.

• Encodeur de vision — basé sur SigLIP, avec concaténation de canaux multi-recadrage pour une entrée haute résolution économe en tokens. Ce détail de tuilage aura son importance plus tard.

• Contexte — 32 000 tokens utilisables, contre environ 2 000 dans la génération précédente, grâce à un tokenizer SuperBPE personnalisé. Le billet de présentation reconnaît franchement que le post-entraînement n'exploite pas encore pleinement la fenêtre longue et que les 32 000 tokens complets sont surtout là pour ceux qui font du fine-tuning.

• Compétences — query, caption, point et detect, toutes natives et toutes renvoyant une sortie structurée. La détection et le pointage sont les deux sur lesquelles le lancement s'est le plus appuyé.

• Raisonnement — hybride. query fonctionne en mode raisonnement par défaut et peut être appelé avec le raisonnement désactivé pour des questions simples et peu coûteuses. Pour Moondream, il s'agit de raisonnement visuel avec ancrage : la trace de raisonnement référence des régions spécifiques de l'image.

• Licence — la Business Source License 1.1 avec une Additional Use Grant, qui autorise l’utilisation commerciale et en production, le fine-tuning, la quantification et la redistribution, et interdit la vente d’un service hébergé qui expose les capacités à usage général de M​oondream.

La dernière ligne est celle qui a discrètement façonné l'écosystème, et il vaut la peine d'être précis à ce sujet, car Moondream 3.1est passé à un instrument entièrement différent — la Moondream Model License 1.0, entrée en vigueur le 7 juillet 2026. La règle est identique sur le fond et formulée plus clairement : si Moondream est un composant de votre produit, vous y êtes autorisé, et si l'accès à Moondream lui-même constitue le produit, vous avez besoin d'une licence distincte. L'auto-hébergement, le déploiement en périphérie, les VPC contrôlés par le client, l'exécution sur des GPU cloud loués, l'affinage dans le cadre de services professionnels et d'API spécifiques à un domaine qui n'exposent pas de fonctionnalités généralistes sont tous explicitement autorisés. L'inférence généraliste exploitée par un fournisseur, l'affinage généraliste hébergé et les API partagées exposant un dérivé affiné sont les trois cas qui nécessitent un accord.

C'est pourquoi l'avis de fermeture se présente sous cette forme. M​oondream ne pouvait pas simplement confier son point de terminaison hébergé à un tiers — l'exception prévue par la licence porte précisément sur cela —, de sorte que le point de terminaison est fermé et que la migration revient à Prime, qui en est désormais propriétaire.

Les deux chiffres dont il faut se méfier

Les propres rapports de benchmark de Moondream méritent un examen plus attentif qu’ils n’en reçoivent habituellement, car l’entreprise est plus transparente sur sa méthode que la plupart, et cette méthode joue un rôle déterminant.

Pour l'aperçu, le graphique de lancement plaçait Moondream 3 Preview face à GPT-5, Gemini 2.5-Flash et Claude 4 Sonnet. Dans les colonnes de détection d'expressions référentielles, l'écart est large et ne peut raisonnablement pas être un artefact : RefCOCO à 91,1 pour l'aperçu, contre 75,8 pour Gemini 2.5-Flash, 57,2 pour GPT-5 et 30,1 pour Claude 4 Sonnet. La mise en garde de Moondream elle-même en est l'élément important — les modèles de pointe ne prennent pas en charge le grounding nativement, ils ont donc été interrogés via un template, et certains scores de l'aperçu ont été calculés sur un échantillon aléatoire de 100 questions plutôt que sur l'intégralité du benchmark. Une requête de grounding basée sur un template adressée à un modèle dépourvu de compétence en grounding mesure l'ingénierie de prompt autant que le modèle.

Pour Moondream 3.1, la méthode est encore plus lourde de conséquences, et elle mérite d’être exposée clairement : les scores de benchmark publiés ont été produits en affinant le modèle sur le split d’entraînement propre à chaque benchmark à l’aide de Lens, le produit d’affinage de Moondream — des LoRA par tâche, du SFT et du RL — puis en distillant ce que ces LoRA avaient appris dans les poids de base, afin que le checkpoint téléchargeable obtienne de bons scores sans aucun réglage. L’article sur la 3.1 le dit sans détour et note même que la base distillée arrive juste derrière les LoRA individuels. C’est un flux de travail légitime et intéressant, et ce n’est pas non plus la même chose qu’un chiffre obtenu à froid, directement sorti de la boîte, car les splits d’entraînement des tâches en question ont été fournis au modèle. Si vous comparez 3.1 à un modèle qui n’a jamais vu ces splits, vous comparez un artefact affiné à un artefact non affiné.

Rien de tout cela ne rend les chiffres faux. Cela fait de l’étiquetage un élément porteur, ce qui est le même standard que nous appliquons à tout graphique de fournisseur.

Vos trois parcours de migration

Si l'endpoint hébergé fait partie de votre stack, la décision est plus restreinte qu'il n'y paraît.

• Auto-hébergez avec Photon — Photon reste gratuit et s'exécute localement sur les GPU NVIDIA à partir d'Ampere et sur les Mac Apple Silicon, avec la même surface d'API que Moondream Cloud. pip install moondream, chargez avec local=True, et aucune clé API n'est requise pour le modèle de base. Les poids sont téléchargés depuis Hugging Face lors de la première utilisation. C'est la voie qui préserve votre code presque sans modification et fait passer le coût d'une facturation par jeton à une facturation par heure de GPU.

• Migrer vers Prime — l’avis indique que M​oondream et Prime vous contacteront pour les prochaines étapes et renvoie vers Prime pour l’inférence, le fine-tuning ou des besoins similaires, avec contact@moondream.ai pour les problèmes urgents. Prime est désormais le seul endroit où le parcours hébergé se poursuit, et il fonctionnera sur la pile de Prime plutôt que sur celle de M​oondream.

• Remplacer le modèle — si M​oondream 3 Preview figurait dans votre stack parce qu’il s’agissait d’un détecteur d’images en tuiles bon marché et rapide, et non parce que quelque chose en lui était spécifiquement propre à M​oondream, l’arrêt est un moment raisonnable pour relancer votre propre jeu d’évaluation plutôt que de vous rabattre par défaut sur un remplacement à l’identique.

Ce qu’il faut éviter, c’est la quatrième voie, celle qui consiste à ne rien faire jusqu’au 12 novembre. Les crédits sont en cours de remboursement, donc il n’y a aucune raison financière de continuer à appeler un point de terminaison qui est sur le point de cesser de répondre, et une migration qui commence la semaine précédant une échéance stricte est une migration où l’on découvre de quoi vos prompts d’ancrage dépendaient réellement.

Si le modèle sur lequel vous finissez par vous standardiser se trouve parmi les plus de 200 du catalogue OrcaRouter, une partie de l'équation s'en trouve simplifiée : une seule clé et une seule forme de requête pour l'ensemble, le prix catalogue du fournisseur répercuté sans marge, et un basculement automatique en cas de dégradation d'un fournisseur en amont. M​oondream 3 Preview ne figure pas dans ce catalogue, et M​oondream 3.1 non plus — ce sont des poids que vous hébergez vous-même ou auxquels vous accédez via Prime — donc, pour cette migration en particulier, la couche de routage vous aide pour ce que vous routez ensuite, pas pour M​oondream lui-même. Il vaut la peine de le dire clairement plutôt que de laisser entendre le contraire.

Que regarder au cours des quatre prochaines semaines

Trois choses vous en apprendront plus que n'importe quel communiqué de presse. Premièrement, si Prime publie un remplacement d'inférence pour Moondream Cloud avant le 13 novembre ou après ; l'avis ne donne aucune date, et un délai entre l'arrêt et un service de remplacement est l'issue qui coûte le plus cher aux utilisateurs. Deuxièmement, si la licence de téléchargement de Moondream 3.1 reste telle qu'écrite sous la nouvelle propriété — la restriction relative aux services hébergés de la Model License 1.0 est l'unique raison pour laquelle l'ancien point de terminaison doit fermer plutôt que d'être transféré, donc toute révision de celle-ci change ce qui est possible. Troisièmement, si le « rythme bien plus rapide » d'amélioration promis par Moondream produit un checkpoint plutôt qu'une annonce ; la dernière version de modèle publiée sous l'ancienne société était la 3.1, le 7 juillet 2026, et les versions publiées depuis ont été des versions de Photon et des modèles vocaux.

Ce qui est déjà acté, c'est la date. M​oondream 3 Preview est disponible en accès général sur son endpoint hébergé depuis octobre 2025, il a été remplacé par M​oondream 3.1 depuis trois mois, et le 13 novembre 2026, la version hébergée des deux s'arrête. Les poids ne vont nulle part. Le confort, si.

Rien de tout cela n'est hypothétique : les défaillances documentées de l'IA et les incidents d'agents qui sous-tendent des versions comme celle-ci sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée est accompagnée de ses propres sources, de son niveau de gravité, de son degré de confiance et de son indicateur de contestation.