Moondream 3 Previewのホスト型エンドポイントが11月13日に終了

M​oondream 3 Previewは2025年9月18日にリリースされ、それを提供するエンドポイントは2026年11月13日に応答を停止します。これがこの話で重要な2つの日付であり、緊急性があるのは2つ目だけです。モデル自体が撤回されるわけではありません——重みはHugging Faceに残り、ライセンスも変わりません——しかし、ほとんどのチームが実際に呼び出すホスト型の経路は、M​oondream 3 Previewとその後継であるM​oondream 3.1で共有されており、無効化されます。そして通知はそれを一行で述べていました。2026年11月13日、今日から30日後に、M​oondream Cloudはシャットダウンし、未使用の購入済みクレジットは返金される、と。

その告知は、その理由とともに掲示された。Moondream 3 Previewとその後継版Moondream 3.1は、現在 Prime Intellect の一部となっている。Prime Intellect は2026年10月13日、Moondream を買収したと発表し、創業者の Vik Korrapati と Jay Allen が参画して推論の統率と拡大を担う。Moondream 自身の投稿は10月14日付だ。これはローンチではないし、ローンチとして書かれるべきものでもない。厳しい移行期限が付いた所有権の変更であり、本番環境でapi.moondream.aiを呼び出している箇所がスタックのどこかにあるなら、その投稿の日付から約4週間のうちに、何に置き換えるかを決める必要がある。

Prime Intellectが実際に買ったもの

発表は、譲渡された2つのものについて異例なほど明確で、そのどちらもモデルのチェックポイントではない。1つ目はチームだ。KorrapatiとAllenが加わり、推論を実行し、ビジョンやコンピュータ利用を含むマルチモーダル作業を加速する。2つ目はPhotonで、M​oondreamの推論エンジンであり、各モデルをカスタムカーネルとその背後にあるメガカーネルコンパイラを使って単一のGPUプログラムにコンパイルする。

この構図を読めば、なぜか分かる。Primeの投稿はアーキテクチャではなくサービングを先頭に置いている。この取引を正当化する主張は「モデルの有用性が決まるのはサービングの場だ」というものだ。そこに挙げられている数字はスループットの数字だ。Moondream 3.1は毎秒34リクエストで、次に精度の高いオープンモデルよりおよそ24倍高速と説明されている。単一のH100で毎秒60回を超えるMoondream推論。回答は数十ミリ秒。これらはPrimeの数字であり、Primeは今や推論を売る側なので、ベンダー報告として扱うべきだ。ベンダーの主張ではないのは取引の方向性だ。製品が視覚モデルだった企業が推論エンジンを買収し、その作者たちを推論の責任者に据えた。

M​oondream統合を導入しているすべての人にとって、実務上の帰結はこうだ。オープンウェイトはオープンのまま残り、M​oondreamの言葉を借りれば「これからも改善を続け、しかも今はるかに速いペースで進む」。なくなるのは利便性のレイヤー、つまりホスト型APIとLens、ファインチューニング製品であり、これはまさに、GPUを動かしたくない多くの小規模チームがその上に構築してきたレイヤーだ。

Moondream 3 Previewとは実際に何なのか

繰り返し述べておく価値がある。2025年9月にリリースされたモデルが、いまや買収のなかで取って代わられつつあるというのは、多くのチームがシャットダウン通知を通じて初めて出会うモデルだということだからだ。これは細粒度のスパースなMixture-of-Expertsであり、総パラメータ数は9B、トークンあたり2Bがアクティブで、古い2BのdenseなMoondream 2からdrop upcyclingによって初期化されている。

• アーキテクチャ — 24層、最初の4層はDense、残りはMoEフィードフォワードブロックで、エキスパート数64、トークンあたり8個が活性化、GeGLU、隠れ次元2048。

• ビジョンエンコーダー — SigLIPベースで、トークン効率の高い高解像度入力に向けたマルチクロップ・チャネル連結を備える。このタイリングの詳細は後で重要になる。

• コンテキスト — 使用可能トークン数は32Kで、前世代のおよそ2Kから増加しており、カスタムのSuperBPEトークナイザーを使用している。プレビュー投稿は、ポストトレーニングがまだ長いウィンドウを完全には活用しておらず、32K全体は主にファインチューニングする人向けに用意されていると率直に述べている。

• スキル — query、caption、point、detect。すべてネイティブで、すべて構造化出力を返します。検出とポインティングは、今回のローンチが最も重視した2つです。

• 推論 — ハイブリッド。queryはデフォルトで推論モードで実行され、低コストで単純な質問に対しては推論を無効にして呼び出すことができます。Moondreamの位置づけでは、これは視覚的なグラウンディングを伴う推論です。推論トレースは画像の特定の領域を参照します。

• ライセンス — Additional Use Grant 付きの Business Source License 1.1。商用利用および本番利用、ファインチューニング、量子化、再配布を許可し、汎用 M​oondream 機能を公開するホスト型サービスの販売を禁じています。

最後の一行こそが、このエコシステムを静かに形作ってきたものであり、それについて正確を期す価値がある。というのも、M​oondream 3.1はまったく別の法的文書、すなわち2026年7月7日発効のM​oondream Model License 1.0へと移行したからだ。規則は実質的に同じであり、より明快に述べられている。すなわち、M​oondreamがあなたの製品の構成要素であるなら許容され、M​oondream自体へのアクセスが製品であるなら別途ライセンスが必要となる。セルフホスティング、エッジ展開、顧客が管理するVPC、リースしたクラウドGPU上での実行、プロフェッショナルサービスの一環としてのファインチューニング、および汎用機能を公開しないドメイン特化型APIは、いずれも明示的に許可されている。プロバイダーが運用する汎用推論、ホスト型の汎用ファインチューニング、そしてファインチューニング済みの派生モデルを公開する共有API ——この3つが契約を必要とするものである。

だからこそ、シャットダウン通知はあの形で存在している。M​oondream は自社のホスト型エンドポイントを単純に第三者へ引き渡すことはできなかった——ライセンスの除外規定はまさにそのためのものだ——そのためエンドポイントは閉鎖され、移行先は今それを所有している Prime となる。

疑う価値のある2つの数字

Moondream自身によるベンチマーク報告は、通常よりもっと厳しく検証されるべきだ。というのも、この企業はほとんどの企業よりも自社の手法について透明性が高く、その手法が大きな役割を果たしているからだ。

プレビューでは、ローンチチャートはMoondream 3 PreviewをGPT-5、Gemini 2.5-Flash、Claude 4 Sonnetと比較した。参照表現検出の列では、差は大きく、偶発的なものとは考えにくい：RefCOCOはプレビューが91.1に対し、Gemini 2.5-Flashが75.8、GPT-5が57.2、Claude 4 Sonnetが30.1。Moondream自身の注意書きが重要な点だ — フロンティアモデルはグラウンディングをネイティブにサポートしていないため、テンプレートを通じてクエリされ、一部のプレビュースコアは完全なベンチマークではなく100問のランダムサンプルで計算された。グラウンディングスキルを持たないモデルに対するテンプレート化されたグラウンディングクエリは、モデルを測定するのと同じくらいプロンプトエンジニアリングを測定する。

M​oondream 3.1 の場合、この手法はさらに重大であり、率直に述べる価値がある。公開されたベンチマークスコアは、Lens——M​oondream のファインチューニング製品——を使い、各ベンチマーク自身の学習分割でモデルをファインチューニングし（タスクごとの LoRA、SFT、RL）、その後、それらの LoRA が学んだ内容をベース重みに蒸留し戻すことで、ダウンロード可能なチェックポイントが一切チューニングなしでも高いスコアを出すようにして生成された。3.1 の投稿はこれを明言しており、蒸留されたベースは個々の LoRA のすぐ後ろに位置するとさえ述べている。それは正当で興味深いワークフローだが、コールドなすぐ使える数値と同じものではない。なぜなら、問題のタスクでは学習分割がモデルに与えられていたからだ。3.1 を、それらの分割を一度も見たことのないモデルと比較しているなら、チューニング済みの成果物と未チューニングのものとを比較していることになる。

これのどれも数値を誤りにはしない。これはラベリングが支えを担うということであり、それはどのベンダーのチャートにも当てはめているのと同じ基準だ。

あなたの3つの移行パス

ホスト型エンドポイントがあなたのスタックにあるなら、その判断は見た目ほど広くない。

• Photon によるセルフホスト — Photon は無料のままで、Ampere 以降の N​VIDIA GPU および Apple Silicon Mac 上でローカルに動作し、M​oondream Cloud と同じ API サーフェスを備えています。pip install moondream で読み込み、local=True を指定します。ベースモデルに API キーは不要です。重みは初回使用時に Hugging Face からダウンロードされます。これはコードをほぼ変更せずに済み、コストをトークン単位から GPU 時間単位へと移行する方法です。

• Prime への移行 — 通知によると、M​oondream と Prime が次のステップについて連絡を取る予定で、推論、ファインチューニング、または同様のニーズには Prime を案内しており、緊急の問題については contact@moondream.ai へ連絡するようになっています。ホスト型の経路が継続する唯一の場所は現在 Prime であり、M​oondream のスタックではなく Prime のスタック上で稼働します。

• モデルを置き換える — M{{1}}oondream 3 Preview{{/1}} があなたのスタックにあったのが、M{{1}}oondream{{/1}} に固有の何かがあったからではなく、安価で高速なタイル画像検出器だったからであるなら、今回のシャットダウンは、同等品への置き換えを既定とするのではなく、独自の評価セットを再実行するのに合理的なタイミングです。

避けるべきは第4の道、つまり11月12日まで何もしないことだ。クレジットは返金されているので、まもなく応答を停止するエンドポイントを呼び続ける金銭的な理由はない。そして、厳しい締め切りの1週間前に始めるマイグレーションは、自分のグラウンディングプロンプトが実際に何に依存していたかを思い知ることになるマイグレーションだ。

標準化先のモデルがOrcaRouterのカタログにある200以上の中の一つになったなら、この一部は楽になります。それら全体で単一のキーと単一のリクエスト形式、プロバイダーの定価をマークアップなしでそのまま反映、そして上流が劣化したときの自動フェイルオーバーです。M​oondream 3 Preview はそのカタログにはなく、M​oondream 3.1 も同様です — どちらも自分でホストするか Prime 経由で到達する重みであり、したがってこの特定の移行では、ルーティング層が役立つのは次にルーティングするものに対してであって、M​oondream 自体に対してではありません。そうではないかのようにほのめかすのではなく、これははっきりと言っておく価値があります。

今後4週間の注目ポイント

3つのことが、どんなプレスリリースよりも多くを語る。第一に、Primeが11月13日より前に、それとも後に、M​oondream Cloud向けの推論代替サービスを公開するかどうか。通知には日付がなく、サービス終了と代替サービスとの間の空白こそ、ユーザーにとって最も大きな負担を強いる結果だ。第二に、M​oondream 3.1のダウンロードライセンスが、新しい所有者のもとでも記載どおりのまま維持されるかどうか——Model License 1.0のホステッドサービス制限こそ、旧エンドポイントが移管ではなく閉鎖されなければならない理由そのものなので、それが改訂されれば可能なことも変わる。第三に、M​oondreamが約束した「はるかに速い改善速度」が、発表ではなくチェックポイントを生み出すかどうか。旧会社での最後のモデルリリースは2026年7月7日の3.1で、それ以降のリリースはPhotonのバージョンと音声モデルだった。

すでに確定しているのは日付だ。Moondream 3 Previewは2025年10月からホスト型エンドポイントで一般提供されており、Moondream 3.1に取って代わられてから3か月が経つ。そして2026年11月13日、両方のホスト版が終了する。重みはなくならない。なくなるのは利便性だ。

そうした話は決して仮定ではありません。このようなリリースの背景にある、文書化されたAIの障害やエージェントのインシデントは、OrcaRouter AIインシデントアーカイブに集められており、各エントリには独自の出典、重大度、信頼度グレード、係争中フラグが付されています。