Endpoint yang Dihosting Moondream 3 Preview Ditutup pada 13 November

M​oondream 3 Preview dirilis pada 18 September 2025, dan endpoint yang melayaninya berhenti merespons pada 13 November 2026. Itulah dua tanggal yang penting dalam cerita ini, dan hanya tanggal kedua yang mendesak. Modelnya sendiri tidak ditarik — bobotnya tetap ada di Hugging Face dan lisensinya tidak berubah — tetapi jalur hosted yang biasanya dipanggil sebagian besar tim, yang digunakan bersama oleh M​oondream 3 Preview dan penerusnya M​oondream 3.1, akan dimatikan, dan pemberitahuannya menyatakan hal itu dalam satu baris: pada 13 November 2026, 30 hari dari hari ini, M​oondream Cloud akan ditutup, dengan kredit pembelian yang belum terpakai dikembalikan.

Pemberitahuan itu muncul bersamaan dengan alasannya. M​oondream 3 Preview dan penerusnya M​oondream 3.1 kini menjadi bagian dari Prime Intellect, yang pada 13 Oktober 2026 mengumumkan bahwa mereka telah mengakuisisi M​oondream, dengan para pendiri Vik Korrapati dan Jay Allen ikut bergabung untuk memimpin dan memperbesar skala inferensi. Postingan M​oondream sendiri bertanggal 14 Oktober. Ini bukan peluncuran dan tidak seharusnya ditulis sebagai peluncuran. Ini adalah perubahan kepemilikan dengan tenggat migrasi yang ketat, dan jika Anda memiliki panggilan produksi ke api.moondream.ai di mana pun dalam stack Anda, Anda memiliki sekitar empat minggu sejak tanggal postingan itu untuk memutuskan apa yang menggantikannya.

Apa yang sebenarnya dibeli Prime Intellect

Pengumuman itu secara tidak biasa eksplisit tentang dua hal yang berpindah tangan, dan tidak satu pun dari keduanya adalah checkpoint model. Yang pertama adalah tim: Korrapati dan Allen bergabung untuk menjalankan inferensi dan mempercepat pekerjaan multimodal termasuk visi dan penggunaan komputer. Yang kedua adalah Photon, mesin inferensi M​oondream, yang mengompilasi setiap model menjadi satu program GPU menggunakan kernel khusus dan kompilator megakernel di baliknya.

Baca pembingkaiannya dan Anda bisa melihat mengapa. Postingan Prime mengawali dengan penyajian, bukan dengan arsitektur — argumennya untuk kesepakatan itu adalah bahwa "penyajian adalah tempat di mana kegunaan sebuah model ditentukan." Angka-angka yang dikutipnya adalah angka throughput: Moondream 3.1 pada 34 permintaan per detik, digambarkan sekitar 24x lebih cepat daripada model terbuka paling akurat berikutnya; lebih dari 60 inferensi Moondream per detik pada satu H100; jawaban dalam puluhan milidetik. Itu adalah angka Prime dan Prime sekarang menjadi pihak yang menjual inferensi, jadi perlakukan itu sebagai laporan vendor. Yang bukan klaim vendor adalah arah kesepakatan itu: sebuah perusahaan yang produknya adalah model visi membeli mesin inferensi dan menempatkan para penulisnya untuk bertanggung jawab atas inferensi.

Bagi siapa pun yang memiliki integrasi M​oondream, konsekuensi praktisnya adalah bobot terbuka tetap terbuka dan, dalam kata-kata M​oondream, "akan terus berkembang, kini dengan laju yang jauh lebih cepat." Yang hilang adalah lapisan kemudahan — API dan Lens yang dihosting, produk fine-tuning — yang justru merupakan lapisan yang banyak tim kecil gunakan karena mereka tidak ingin menjalankan GPU.

Apa sebenarnya M​oondream 3 Preview

Perlu ditegaskan kembali, karena model yang dirilis pada September 2025 yang kini sedang digantikan di dalam sebuah akuisisi adalah model yang baru dikenal banyak tim melalui pemberitahuan penonaktifannya. Ini adalah sparse mixture-of-experts berbutir halus, total 9B parameter dengan 2B aktif per token, diinisialisasi dari Moondream 2 dense 2B yang lebih lama melalui drop upcycling.

• Arsitektur — 24 lapisan, empat lapisan pertama padat dan sisanya blok feed-forward MoE dengan 64 pakar dan 8 yang diaktifkan per token, GeGLU, dimensi tersembunyi 2048.

• Encoder visi — berbasis SigLIP, dengan penggabungan kanal multi-crop untuk input resolusi tinggi yang efisien secara token. Detail tiling itu akan penting nanti.

• Konteks — 32K token yang dapat digunakan, naik dari sekitar 2K pada generasi sebelumnya, dengan menggunakan tokenizer SuperBPE kustom. Tulisan pratinjau tersebut secara terus terang menyatakan bahwa pasca-pelatihan belum sepenuhnya memanfaatkan jendela panjang itu dan bahwa 32K penuh terutama disediakan bagi orang yang melakukan fine-tuning.

• Keterampilan — query, caption, point dan detect, semuanya native dan semuanya mengembalikan output terstruktur. Deteksi dan penunjukan adalah dua hal yang paling diandalkan peluncuran ini.

• Penalaran — hibrida. kueri berjalan dalam mode penalaran secara default dan dapat dipanggil dengan penalaran dinonaktifkan untuk pertanyaan yang murah dan sederhana. Cara Moondream membingkainya adalah bahwa ini adalah penalaran visual dengan grounding: jejak penalaran merujuk ke wilayah tertentu dari gambar.

• Lisensi — Business Source License 1.1 dengan Hibah Penggunaan Tambahan, yang mengizinkan penggunaan komersial dan produksi, fine-tuning, kuantisasi, dan redistribusi, serta melarang penjualan layanan yang dihosting yang mengekspos kemampuan M​oondream serbaguna.

Baris terakhir adalah baris yang diam-diam membentuk ekosistem ini, dan penting untuk menjelaskannya secara tepat karena M​oondream 3.1 beralih sepenuhnya ke instrumen yang berbeda — M​oondream Model License 1.0, berlaku efektif 7 Juli 2026. Aturannya sama secara substansi dan dinyatakan dengan lebih rapi: jika M​oondream merupakan komponen dari produk Anda, Anda diperbolehkan, dan jika akses ke M​oondream itu sendiri adalah produknya, Anda memerlukan lisensi terpisah. Self-hosting, penerapan di edge, VPC yang dikendalikan pelanggan, menjalankannya di GPU cloud sewaan, fine-tuning sebagai bagian dari layanan profesional dan API khusus domain yang tidak mengekspos fungsionalitas serbaguna semuanya secara eksplisit diizinkan. Inferensi serbaguna yang dioperasikan penyedia, fine-tuning serbaguna yang dihosting, dan API bersama yang mengekspos turunan hasil fine-tuning adalah tiga hal yang memerlukan kesepakatan.

Itulah sebabnya pemberitahuan penghentian ada dalam bentuk seperti itu. Moondream tidak bisa begitu saja menyerahkan endpoint yang dihostingnya kepada pihak ketiga — pengecualian dalam lisensi justru tentang hal itu — sehingga endpoint ditutup dan migrasinya beralih ke Prime, yang kini memilikinya.

Dua angka yang patut dicurigai

Pelaporan benchmark Moondream sendiri pantas ditelisik lebih dalam daripada yang biasanya diterima, karena perusahaan ini lebih transparan soal metodenya dibandingkan kebanyakan, dan metode itu memikul banyak beban.

Untuk pratinjau, bagan peluncuran menempatkan Moondream 3 Preview berhadapan dengan GPT-5, Gemini 2.5-Flash, dan Claude 4 Sonnet. Pada kolom deteksi ekspresi rujukan, selisihnya lebar dan tidak masuk akal sebagai artefak: RefCOCO pada 91,1 untuk pratinjau versus 75,8 untuk Gemini 2.5-Flash, 57,2 untuk GPT-5, dan 30,1 untuk Claude 4 Sonnet. Peringatan dari Moondream sendiri adalah bagian yang penting — model-model terdepan tidak mendukung grounding secara bawaan, jadi mereka ditanyai melalui template, dan beberapa skor pratinjau dihitung pada sampel acak 100 pertanyaan, bukan pada tolok ukur penuh. Kueri grounding bertemplate terhadap model tanpa keterampilan grounding mengukur rekayasa prompt sama besarnya dengan mengukur model itu.

Bagi M​oondream 3.1, metodenya bahkan lebih berdampak, dan patut dinyatakan secara gamblang: skor benchmark yang dipublikasikan dihasilkan dengan melakukan fine-tuning pada model di split pelatihan milik masing-masing benchmark menggunakan Lens, produk fine-tuning M​oondream — LoRA per tugas, SFT, dan RL — lalu menyuling kembali apa yang dipelajari LoRA-LoRA tersebut ke dalam bobot dasar sehingga checkpoint yang dapat diunduh mendapat skor bagus tanpa penyetelan sama sekali. Tulisan 3.1 mengatakan ini secara terang-terangan dan bahkan mencatat bahwa basis hasil distilasi berada tepat di belakang LoRA individual. Itu adalah alur kerja yang sah dan menarik, dan itu juga bukan hal yang sama dengan angka cold out-of-the-box, karena tugas-tugas yang dimaksud telah diberi split pelatihannya kepada model. Jika Anda membandingkan 3.1 dengan model yang tidak pernah melihat split tersebut, Anda membandingkan artefak yang telah disetel dengan yang belum disetel.

Tidak ada dari semua ini yang membuat angkanya salah. Ini membuat pelabelannya memikul beban, yang merupakan standar yang sama yang kami terapkan pada bagan vendor mana pun.

Tiga jalur migrasi Anda

Jika endpoint yang dihosting ada di stack Anda, keputusannya lebih sempit daripada yang terlihat.

• Host mandiri dengan Photon — Photon tetap gratis dan berjalan secara lokal pada GPU NVIDIA mulai dari Ampere dan seterusnya serta pada Mac Apple Silicon, dengan cakupan API yang sama seperti Moondream Cloud. pip install moondream, lalu muat dengan local=True, dan tidak diperlukan kunci API untuk model dasar. Bobot diunduh dari Hugging Face saat pertama kali digunakan. Ini adalah jalur yang mempertahankan kode Anda hampir tanpa perubahan dan memindahkan biaya dari per-token ke per-GPU-jam.

• Migrasi ke Prime — pemberitahuan itu menyatakan Moondream dan Prime akan menghubungi dengan langkah selanjutnya dan mengarahkan ke Prime untuk inferensi, fine-tuning, atau kebutuhan serupa, dengan contact@moondream.ai untuk masalah mendesak. Prime kini menjadi satu-satunya tempat di mana jalur yang dihosting berlanjut, dan itu akan berjalan di stack Prime, bukan di stack Moondream.

• Ganti modelnya — jika M​oondream 3 Preview ada di stack Anda karena model itu adalah detektor gambar berubin yang murah dan cepat, bukan karena ada sesuatu tentangnya yang secara spesifik adalah M​oondream, penghentian ini adalah momen yang wajar untuk menjalankan ulang set evaluasi Anda sendiri daripada secara default melakukan penukaran yang setara.

Hal yang harus dihindari adalah jalur keempat, yaitu tidak melakukan apa pun hingga 12 November. Kredit sedang dikembalikan, jadi tidak ada alasan finansial untuk terus memanggil endpoint yang sebentar lagi akan berhenti merespons, dan migrasi yang dimulai seminggu sebelum batas akhir yang mutlak adalah migrasi tempat Anda mengetahui pada apa prompt grounding Anda sebenarnya bergantung.

Jika model yang Anda jadikan standar ternyata salah satu dari lebih dari 200 model dalam katalog OrcaRouter, satu bagian dari ini menjadi lebih mudah: satu kunci dan satu bentuk permintaan di semuanya, harga daftar penyedia diteruskan tanpa markup, dan failover otomatis saat upstream menurun. M​oondream 3 Preview tidak ada dalam katalog itu dan M​oondream 3.1 juga tidak — keduanya adalah bobot yang Anda host sendiri atau akses melalui Prime — jadi untuk migrasi khusus ini, lapisan perutean membantu untuk apa pun yang Anda rutekan berikutnya, bukan untuk M​oondream itu sendiri. Ada baiknya mengatakannya secara gamblang daripada menyiratkan sebaliknya.

Apa yang perlu ditonton selama empat minggu ke depan

Tiga hal akan memberi tahu Anda lebih banyak daripada siaran pers mana pun. Pertama, apakah Prime menerbitkan pengganti inferensi untuk M​oondream Cloud sebelum 13 November atau sesudahnya; pemberitahuan itu tidak menyebutkan tanggal, dan jeda antara penutupan dan layanan pengganti adalah hasil yang paling merugikan pengguna. Kedua, apakah lisensi unduhan M​oondream 3.1 tetap seperti tertulis di bawah kepemilikan baru — pembatasan layanan terhosting pada Model License 1.0 adalah satu-satunya alasan endpoint lama harus ditutup alih-alih dialihkan, jadi revisi apa pun terhadapnya mengubah apa yang mungkin. Ketiga, apakah "laju peningkatan yang jauh lebih cepat" yang dijanjikan M​oondream menghasilkan checkpoint alih-alih pengumuman; rilis model terakhir di bawah perusahaan lama adalah 3.1 pada 7 Juli 2026, dan rilis setelahnya adalah versi Photon dan model ucapan.

Yang sudah pasti adalah tanggalnya. M​oondream 3 Preview telah tersedia secara umum di endpoint hosted-nya sejak Oktober 2025, telah digantikan oleh M​oondream 3.1 selama tiga bulan, dan pada 13 November 2026 versi hosted dari keduanya akan berhenti. Bobotnya tidak akan ke mana-mana. Kenyamanannya yang akan hilang.

Tidak ada satu pun dari itu yang bersifat hipotetis: kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam Arsip Insiden AI OrcaRouter, di mana setiap entri mencantumkan sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda status sengketa.