Gehoste endpoint van Moondream 3 Preview sluit op 13 november

M​oondream 3 Preview werd uitgebracht op 18 september 2025, en het endpoint dat het model aanbiedt, stopt op 13 november 2026 met antwoorden. Dat zijn de twee datums die in dit verhaal van belang zijn, en alleen de tweede is urgent. Het model zelf wordt niet teruggetrokken — de gewichten blijven op Hugging Face staan en de licentie verandert niet — maar het gehoste pad dat de meeste teams daadwerkelijk aanroepen, gedeeld door M​oondream 3 Preview en zijn opvolger M​oondream 3.1, wordt uitgeschakeld, en de aankondiging zei het in één regel: op 13 november 2026, 30 dagen vanaf vandaag, wordt de M​oondream Cloud afgesloten, waarbij niet-bestede gekochte credits worden terugbetaald.

Die kennisgeving verscheen samen met de reden ervoor. M​oondream 3 Preview en zijn opvolger M​oondream 3.1 maken nu deel uit van Prime Intellect, dat op 13 oktober 2026 aankondigde M​oondream te hebben overgenomen, waarbij oprichters Vik Korrapati en Jay Allen zich aansluiten om inferentie te leiden en op te schalen. M​oondreams eigen bericht is gedateerd op 14 oktober. Dit is geen lancering en het moet ook niet als zodanig worden beschreven. Het is een eigendomswijziging met een harde migratiedeadline eraan verbonden, en als je ergens in je stack een productieaanroep naar api.moondream.ai hebt, heb je ongeveer vier weken vanaf de datum van dat bericht om te beslissen wat het vervangt.

Wat Prime Intellect daadwerkelijk heeft gekocht

De aankondiging is ongewoon expliciet over de twee dingen die van eigenaar zijn veranderd, en geen van beide is een model-checkpoint. Het eerste is het team: Korrapati en Allen sluiten zich aan om inferentie te draaien en multimodaal werk te versnellen, waaronder vision en computer use. Het tweede is Photon, de inferentie-engine van M​oondream, die elk model compileert tot één GPU-programma met behulp van aangepaste kernels en een megakernel-compiler daarachter.

Lees de framing en je ziet waarom. De post van Prime begint met serving, niet met architectuur — het pleidooi voor de deal is dat "serving is waar de bruikbaarheid van een model wordt bepaald." De cijfers die erin worden aangehaald, zijn doorvoercijfers: M​oondream 3.1 met 34 verzoeken per seconde, beschreven als ongeveer 24x sneller dan het op een na nauwkeurigste open model; meer dan 60 M​oondream-inferenties per seconde op één H100; antwoorden in tientallen milliseconden. Dat zijn de cijfers van Prime, en Prime is nu de partij die de inferentie verkoopt, dus behandel ze als door de leverancier gerapporteerd. Wat geen leveranciersclaim is, is de richting van de deal: een bedrijf waarvan het product een visiemodel was, kocht een inferentie-engine en zette de auteurs ervan aan het roer van de inferentie.

Voor iedereen die een M​oondream-integratie heeft, is de praktische consequentie dat de open gewichten open blijven en, in de woorden van M​oondream, "zullen blijven verbeteren, nu in een veel hoger tempo." Wat verdwijnt, is de gemakslaag — de gehoste API en Lens, het fine-tuningproduct — precies de laag waarop veel kleine teams voortbouwden omdat ze geen GPU's wilden draaien.

Wat Moondream 3 Preview eigenlijk is

Het is de moeite waard om te herhalen, want een model dat in september 2025 is uitgebracht en nu tijdens een overname wordt opgevolgd, is een model dat veel teams alleen via het stopzettingsbericht leren kennen. Het is een fijnkorrelige sparse mixture-of-experts, 9B totale parameters met 2B actief per token, geïnitialiseerd vanuit de oudere 2B dense Moondream 2 via drop upcycling.

• Architectuur — 24 lagen, de eerste vier dense en de rest MoE feed-forwardblokken met 64 experts en 8 geactiveerd per token, GeGLU, verborgen dimensie 2048.

• Visie-encoder — op SigLIP gebaseerd, met kanaalconcatenatie via meerdere crops voor token-efficiënte invoer met hoge resolutie. Dat tegelingsdetail is later van belang.

• Context — 32K bruikbare tokens, tegenover ongeveer 2K in de vorige generatie, met een aangepaste SuperBPE-tokenizer. De previewpost is openhartig dat post-training het lange venster nog niet volledig benut en dat de volledige 32K er vooral is voor mensen die fine-tuning doen.

• Vaardigheden — query, caption, point en detect, allemaal native en allemaal met gestructureerde output. Detectie en aanwijzen zijn de twee waarop de lancering het meest leunde.

• Redeneren — hybride. query wordt standaard in de redeneermodus uitgevoerd en kan met redeneren uitgeschakeld worden aangeroepen voor goedkope, eenvoudige vragen. De framing van M​oondream is dat dit visueel redeneren met grounding is: het redeneringsspoor verwijst naar specifieke regio's van de afbeelding.

• Licentie — de Business Source License 1.1 met een Additional Use Grant, die commercieel gebruik en productiegebruik, fine-tuning, kwantisatie en redistributie toestaat, en het verkopen van een gehoste dienst die algemene M​oondream-mogelijkheden aanbiedt verbiedt.

De laatste regel is degene die het ecosysteem geruisloos heeft gevormd, en het loont de moeite daar precies over te zijn, omdat M​oondream 3.1 is overgestapt naar een heel ander instrument — de M​oondream Model License 1.0, met ingang van 7 juli 2026. De regel is in wezen dezelfde en helderder geformuleerd: als M​oondream een onderdeel van je product is, is het toegestaan, en als toegang tot M​oondream zelf het product is, heb je een aparte licentie nodig. Zelfhosting, edge-implementatie, door klanten beheerde VPC's, het draaien ervan op gehuurde cloud-GPU's, het fine-tunen ervan als onderdeel van professionele diensten en domeinspecifieke API's die geen algemene functionaliteit blootstellen, zijn allemaal expliciet toegestaan. Door providers beheerde algemene inferentie, gehoste algemene fine-tuning en gedeelde API's die een fine-tuned derivaat blootstellen, zijn de drie die een overeenkomst vereisen.

Daarom bestaat de shutdownmelding in de vorm die ze heeft. M​oondream kon zijn gehoste endpoint niet zomaar aan een derde partij overdragen — de uitzondering in de licentie gaat precies daarover — dus het endpoint sluit en de migratie gaat naar Prime, dat het nu bezit.

De twee getallen die wantrouwen verdienen

De eigen benchmarkrapportage van Moondream verdient meer kritische toetsing dan ze gewoonlijk krijgt, omdat het bedrijf transparanter is over zijn methode dan de meeste bedrijven en de methode doet veel werk.

Voor de preview zette de lanceeringsgrafiek M​oondream 3 Preview tegenover GPT-5, Gemini 2.5-Flash en C​laude 4 S​onnet. Op de kolommen voor het detecteren van verwijzende uitdrukkingen is de kloof groot en niet plausibel een artefact: RefCOCO op 91,1 voor de preview tegenover 75,8 voor Gemini 2.5-Flash, 57,2 voor GPT-5 en 30,1 voor C​laude 4 S​onnet. M​oondreams eigen voorbehoud is het belangrijkste deel — de frontiermodellen ondersteunen grounding niet native, dus werden ze via een template bevraagd, en sommige previewscores werden berekend op een willekeurige steekproef van 100 vragen in plaats van op de volledige benchmark. Een getemplateerde groundingquery tegen een model zonder groundingvaardigheid meet evenzeer prompt engineering als dat die het model meet.

Voor M​oondream 3.1 is de methode nog ingrijpender, en ze verdient het om ronduit te worden benoemd: de gepubliceerde benchmarkscores zijn tot stand gekomen door het model fijn te tunen op de eigen trainingssplit van elke benchmark met Lens, M​oondreams product voor fijntuning — LoRA's per taak, SFT en RL — en vervolgens te distilleren wat die LoRA's hadden geleerd terug in de basisgewichten, zodat het downloadbare checkpoint goed scoort zonder enige tuning. In het 3.1-bericht staat dit onomwonden, en er wordt zelfs opgemerkt dat de gedistilleerde basis net achter de afzonderlijke LoRA's blijft. Dat is een legitieme en interessante workflow, en het is tegelijk niet hetzelfde als een koud getal out-of-the-box, omdat de trainingssplits van de betrokken taken aan het model zijn gevoed. Als je 3.1 vergelijkt met een model dat die splits nooit heeft gezien, vergelijk je een getuned artefact met een ongetuned artefact.

Niets hiervan maakt de cijfers onjuist. Het maakt de etikettering dragend, en dat is dezelfde maatstaf die we op elke leveranciersgrafiek toepassen.

Je drie migratiepaden

Als het gehoste endpoint deel uitmaakt van je stack, is de beslissing beperkter dan het lijkt.

• Zelf hosten met Photon — Photon blijft gratis en draait lokaal op N​VIDIA-GPU's vanaf Ampere en op Apple Silicon-Macs, met hetzelfde API-oppervlak als M​oondream Cloud. pip install moondream, laad met local=True, en er is geen API-sleutel nodig voor het basismodel. De gewichten worden bij het eerste gebruik van Hugging Face gedownload. Dit is de route die je code vrijwel ongewijzigd houdt en de kosten verplaatst van per-token naar per-GPU-uur.

• Migreer naar Prime — de kennisgeving zegt dat M​oondream en Prime contact met je zullen opnemen over de vervolgstappen en verwijst voor inferentie, fine-tuning of vergelijkbare behoeften naar Prime, met contact@moondream.ai voor dringende problemen. Prime is nu de enige plek waar het gehoste traject doorgaat, en het zal draaien op de stack van Prime in plaats van die van M​oondream.

• Vervang het model — als M​oondream 3 Preview in je stack zat omdat het een goedkope, snelle detector voor getegelde afbeeldingen was en niet omdat er iets specifiek M​oondream aan was, dan is de stopzetting een redelijk moment om je eigen evaluatieset opnieuw te draaien in plaats van standaard een één-op-één vervanging te doen.

Wat vermeden moet worden, is het vierde pad: niets doen tot 12 november. Credits worden terugbetaald, dus er is geen financiële reden om een endpoint te blijven aanroepen dat op het punt staat te stoppen met antwoorden, en een migratie die een week voor een harde afsluitdatum begint, is een migratie waarbij je erachter komt waar je grounding prompts eigenlijk van afhingen.

Als het model waarop je standaardiseert uiteindelijk een van de ruim 200 in de OrcaRouter-catalogus is, wordt één onderdeel hiervan makkelijker: één sleutel en één requestvorm voor allemaal, de lijstprijs van de provider doorgegeven zonder markup, en automatische failover wanneer een upstream verslechtert. M​oondream 3 Preview staat niet in die catalogus en M​oondream 3.1 ook niet — beide zijn gewichten die je zelf host of via Prime bereikt — dus voor deze specifieke migratie helpt de routeringslaag met wat je hierna routeert, niet met M​oondream zelf. Het is de moeite waard om dat ronduit te zeggen in plaats van iets anders te suggereren.

Wat kun je de komende vier weken bekijken

Drie dingen zullen je meer vertellen dan welk persbericht dan ook. Ten eerste of Prime vóór 13 november of erna een vervangende inferentiedienst voor M​oondream Cloud publiceert; de kennisgeving vermeldt geen datum, en een gat tussen de stopzetting en een vervangende dienst is de uitkomst die gebruikers het meest kost. Ten tweede of de downloadlicentie van M​oondream 3.1 onder nieuwe eigenaren blijft zoals opgeschreven — de hosted-servicebeperking van de Model License 1.0 is de hele reden dat het oude endpoint moet sluiten in plaats van te worden overgedragen, dus elke herziening ervan verandert wat mogelijk is. Ten derde of het "veel snellere tempo" van verbetering dat M​oondream beloofde een checkpoint oplevert in plaats van een aankondiging; de laatste modelrelease onder het oude bedrijf was 3.1 op 7 juli 2026, en de releases sindsdien zijn Photon-versies en spraakmodellen geweest.

Wat al vaststaat, is de datum. Moondream 3 Preview is sinds oktober 2025 algemeen beschikbaar op zijn gehoste endpoint, het is al drie maanden vervangen door Moondream 3.1, en op 13 november 2026 stopt de gehoste versie van beide. De gewichten gaan nergens heen. Het gemak wel.

Niets daarvan is hypothetisch: de gedocumenteerde AI-fouten en agent-incidenten achter releases zoals deze zijn verzameld in the OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en markering voor betwisting bevat.