Hostowany endpoint Moondream 3 Preview zostanie zamknięty 13 listopada

M​oondream 3 Preview został wydany 18 września 2025 roku, a punkt końcowy, który go obsługuje, przestanie odpowiadać 13 listopada 2026 roku. To dwie daty, które mają znaczenie w tej historii, i tylko druga z nich jest pilna. Sam model nie jest wycofywany — wagi pozostają na Hugging Face, a licencja się nie zmienia — ale hostowana ścieżka, którą faktycznie wywołuje większość zespołów, współdzielona przez M​oondream 3 Preview i jego następcę M​oondream 3.1, zostaje wyłączona, a komunikat oznajmił to jednym zdaniem: 13 listopada 2026 roku, 30 dni od dziś, M​oondream Cloud zostanie zamknięty, a niewykorzystane zakupione kredyty zostaną zwrócone.

Ta informacja pojawiła się razem z powodem jej publikacji. M​oondream 3 Preview i jego następca M​oondream 3.1 są teraz częścią Prime Intellect, która 13 października 2026 r. ogłosiła, że przejęła M​oondream, a założyciele Vik Korrapati i Jay Allen dołączają, aby kierować wnioskowaniem i je skalować. Własny wpis M​oondream jest datowany na 14 października. To nie jest premiera i nie należy o tym pisać jako o premierze. To zmiana właścicielska z przypisanym twardym terminem migracji, a jeśli masz gdziekolwiek w swoim stacku produkcyjne wywołanie do api.moondream.ai, masz około czterech tygodni od daty tego wpisu, aby zdecydować, co je zastąpi.

Co Prime Intellect faktycznie kupił

Ogłoszenie jest niezwykle jednoznaczne w kwestii dwóch rzeczy, które przeszły w inne ręce, i żadna z nich nie jest punktem kontrolnym modelu. Pierwszą jest zespół: Korrapati i Allen dołączają, aby prowadzić inferencję i przyspieszyć prace multimodalne, w tym wizję i korzystanie z komputera. Drugą jest Photon, silnik inferencyjny M​oondream, który kompiluje każdy model do pojedynczego programu GPU przy użyciu niestandardowych jąder i stojącego za nimi kompilatora megająder.

Przeczytaj to ujęcie i zobaczysz, dlaczego. W poście Prime’a na pierwszym miejscu jest serwowanie, a nie architektura — jego argument za transakcją jest taki, że „to serwowanie decyduje o użyteczności modelu”. Przytaczane liczby to liczby przepustowości: M​oondream 3.1 przy 34 żądaniach na sekundę, opisywany jako około 24 razy szybszy od drugiego najdokładniejszego otwartego modelu; ponad 60 wnioskowań M​oondream na sekundę na pojedynczym H100; odpowiedzi w dziesiątkach milisekund. To są dane Prime’a, a Prime jest teraz stroną sprzedającą wnioskowanie, więc należy je traktować jako podane przez dostawcę. Tym, co nie jest twierdzeniem dostawcy, jest kierunek transakcji: firma, której produktem był model wizyjny, kupiła silnik wnioskowania i powierzyła wnioskowanie jego autorom.

Dla każdego, kto ma integrację z Moondream, praktycznym skutkiem jest to, że otwarte wagi pozostają otwarte i – jak mówi Moondream – „będą się dalej rozwijać, teraz w znacznie szybszym tempie”. Znika natomiast warstwa wygody – hostowane API i Lens, produkt do dostrajania – czyli dokładnie ta warstwa, na której zbudowało wiele małych zespołów, bo nie chciały uruchamiać GPU.

Czym właściwie jest Moondream 3 Preview

Warto to powtórzyć, ponieważ model wydany we wrześniu 2025 r., który jest obecnie zastępowany w ramach przejęcia, to model, z którym wiele zespołów zapoznaje się dopiero za sprawą komunikatu o wyłączeniu. Jest to drobnoziarnisty, rzadki model typu mixture-of-experts, 9 mld parametrów łącznie i 2 mld aktywnych na token, zainicjalizowany ze starszego gęstego modelu Moondream 2 o 2 mld parametrów przez drop upcycling.

• Architektura — 24 warstwy, pierwsze cztery gęste, a pozostałe to bloki feed-forward MoE z 64 ekspertami i 8 aktywowanymi na token, GeGLU, wymiar ukryty 2048.

• Koder wizyjny — oparty na SigLIP, z konkatenacją kanałów z wielu przycięć zapewniającą oszczędne pod względem liczby tokenów przetwarzanie wejścia o wysokiej rozdzielczości. Ten szczegół dotyczący kafelkowania okaże się później istotny.

• Kontekst — 32 tys. użytecznych tokenów, w porównaniu z około 2 tys. w poprzedniej generacji, przy użyciu własnego tokenizera SuperBPE. W poście zapowiadającym otwarcie przyznano, że dostrajanie po treningu nie wykorzystuje jeszcze w pełni długiego okna, a pełne 32 tys. jest głównie po to, by mogły z niego korzystać osoby dostrajające model.

• Umiejętności — query, caption, point i detect, wszystkie natywne i wszystkie zwracające ustrukturyzowane dane wyjściowe. Detekcja i wskazywanie to te dwa, na których premiera oparła się najmocniej.

• Rozumowanie — hybrydowe. zapytanie domyślnie działa w trybie rozumowania i można je wywołać z wyłączonym rozumowaniem w przypadku tanich, prostych pytań. M​oondream ujmuje to jako wizualne rozumowanie z ugruntowaniem: ślad rozumowania odnosi się do konkretnych obszarów obrazu.

• Licencja — Business Source License 1.1 z dodatkowym grantem użytkowym, który pozwala na użycie komercyjne i produkcyjne, dostrajanie, kwantyzację i redystrybucję oraz zabrania sprzedaży hostowanej usługi udostępniającej możliwości M​oondream ogólnego przeznaczenia.

Ostatnia linia to ta, która po cichu ukształtowała ekosystem, i warto być tu precyzyjnym, ponieważ M​oondream 3.1przeszedł na zupełnie inny instrument — M​oondream Model License 1.0, obowiązującą od 7 lipca 2026 r. Zasada jest w istocie ta sama, tylko sformułowana czyściej: jeśli M​oondream jest komponentem twojego produktu, jest to dozwolone, a jeśli produktem jest sam dostęp do M​oondream, potrzebujesz odrębnej licencji. Self-hosting, wdrażanie na brzegu sieci, kontrolowane przez klienta VPC, uruchamianie go na dzierżawionych GPU w chmurze, dostrajanie go w ramach usług profesjonalnych oraz API dziedzinowe, które nie udostępniają funkcji ogólnego przeznaczenia — wszystko to jest wyraźnie dozwolone. Obsługiwane przez dostawcę wnioskowanie ogólnego przeznaczenia, hostowane dostrajanie ogólnego przeznaczenia oraz współdzielone API udostępniające dostrojony produkt pochodny to trzy przypadki, które wymagają umowy.

To dlatego informacja o zamknięciu ma taką formę. M​oondream nie mógł po prostu przekazać swojego hostowanego punktu końcowego stronie trzeciej — wyjątek w licencji dotyczy dokładnie tego — więc punkt końcowy zostaje zamknięty, a migracja przechodzi do Prime, który jest teraz jego właścicielem.

Dwie liczby, którym warto nie ufać

Własne raportowanie wyników testów przez Moondream zasługuje na więcej wnikliwości, niż zwykle mu się poświęca, ponieważ firma ta jest bardziej przejrzysta co do swojej metody niż większość, a sama metoda odgrywa tu niemałą rolę.

Na potrzeby podglądu wykres premierowy zestawił M​oondream 3 Preview z GPT-5, Gemini 2.5-Flash i C​laude 4 S​onnet. W kolumnach dotyczących wykrywania wyrażeń referencyjnych różnica jest duża i prawdopodobnie nie jest artefaktem: RefCOCO na poziomie 91,1 dla podglądu wobec 75,8 dla Gemini 2.5-Flash, 57,2 dla GPT-5 i 30,1 dla C​laude 4 S​onnet. Najważniejsze jest jednak zastrzeżenie samego M​oondream — modele frontier nie obsługują groundingu natywnie, więc odpytywano je przez szablon, a część wyników podglądu obliczono na losowej próbie 100 pytań, a nie na pełnym benchmarku. Szablonowe zapytanie o grounding skierowane do modelu bez umiejętności groundingu mierzy inżynierię promptów w takim samym stopniu, w jakim mierzy model.

Dla Moondream 3.1 metoda jest jeszcze bardziej doniosła i zasługuje na to, by powiedzieć to wprost: opublikowane wyniki benchmarków powstały przez dostrojenie modelu na własnym zbiorze treningowym każdego benchmarku przy użyciu Lens, produktu Moondream do dostrajania — LoRA dla poszczególnych zadań, SFT i RL — a następnie zdestylowanie tego, czego nauczyły się te LoRA, z powrotem do wag bazowych, aby pobierany checkpoint osiągał dobre wyniki bez żadnego dostrajania. W poście o 3.1 powiedziano to wprost, a nawet zauważono, że zdestylowana baza wypada tuż za poszczególnymi LoRA. To uprawniony i interesujący workflow, ale nie to samo co wynik na zimno, od razu po wyjęciu z pudełka, ponieważ modelowi podano zbiory treningowe omawianych zadań. Jeśli porównujesz 3.1 z modelem, który nigdy nie widział tych zbiorów, porównujesz dostrojony artefakt z niedostrojonym.

Nic z tego nie czyni tych liczb błędnymi. To sprawia, że etykietowanie staje się elementem nośnym — a to ten sam standard, który stosujemy wobec każdego wykresu dostawcy.

Twoje trzy ścieżki migracji

Jeśli hostowany endpoint jest częścią Twojego stacku, decyzja jest węższa, niż się wydaje.

• Własny hosting z Photon — Photon pozostaje darmowy i działa lokalnie na GPU N​VIDIA począwszy od Ampere oraz na komputerach Mac z Apple Silicon, z tym samym interfejsem API co M​oondream Cloud. pip install moondream, wczytaj za pomocą local=True, a klucz API nie jest potrzebny w przypadku modelu bazowego. Wagi są pobierane z Hugging Face przy pierwszym użyciu. To ścieżka, która zachowuje Twój kod niemal bez zmian i przenosi koszt z opłaty za token na opłatę za godzinę pracy GPU.

• Przejdź na Prime — komunikat mówi, że M​oondream i Prime skontaktują się z dalszymi krokami i wskazuje na Prime w przypadku wnioskowania, dostrajania lub podobnych potrzeb, a w pilnych sprawach kontakt: contact@moondream.ai. Prime jest teraz jedynym miejscem, w którym kontynuowana jest hostowana ścieżka, i będzie działać na stosie Prime, a nie M​oondream.

• Zastąp model — jeśli Moondream 3 Preview był w twoim stacku, ponieważ był tanim, szybkim detektorem obrazów kafelkowych, a nie dlatego, że cokolwiek w nim było charakterystyczne dla Moondream, wyłączenie to rozsądny moment, aby ponownie uruchomić własny zestaw ewaluacyjny, zamiast domyślnie wybierać zamianę jeden do jednego.

Należy unikać czwartej ścieżki, czyli bezczynności do 12 listopada. Środki są zwracane, więc nie ma finansowego powodu, by nadal wywoływać punkt końcowy, który wkrótce przestanie odpowiadać, a migracja rozpoczęta na tydzień przed twardym terminem odcięcia to migracja, w której dowiadujesz się, od czego tak naprawdę zależały twoje prompty ugruntowujące.

Jeśli model, który obierzesz jako standard, okaże się jednym z ponad 200 w katalogu OrcaRouter, jedna część tego staje się łatwiejsza: jeden klucz i jeden kształt żądania dla nich wszystkich, cena katalogowa dostawcy przekazywana bez marży, a także automatyczne przełączanie awaryjne, gdy upstream zaczyna działać gorzej. M​oondream 3 Preview nie znajduje się w tym katalogu, podobnie jak M​oondream 3.1 — jedne i drugie to wagi, które hostujesz samodzielnie albo do których sięgasz przez Prime — więc w przypadku tej konkretnej migracji warstwa routingu pomaga w tym, co będziesz routować następnym razem, a nie z samym M​oondream. Warto powiedzieć to wprost, a nie sugerować coś przeciwnego.

Co warto obejrzeć przez najbliższe cztery tygodnie

Trzy rzeczy powiedzą ci więcej niż jakikolwiek komunikat prasowy. Po pierwsze, czy Prime opublikuje zamiennik usługi wnioskowania dla M​oondream Cloud przed 13 listopada czy po tej dacie; zawiadomienie nie podaje daty, a luka między wyłączeniem a usługą zastępczą to skutek najbardziej kosztowny dla użytkowników. Po drugie, czy licencja na pobieranie M​oondream 3.1 pozostanie w zapisanym brzmieniu pod nowym właścicielem — ograniczenie dotyczące usług hostowanych w Model License 1.0 jest całym powodem, dla którego stary endpoint musi zostać zamknięty, a nie przeniesiony, więc każda jego zmiana zmienia to, co jest możliwe. Po trzecie, czy „znacznie szybsze tempo” ulepszeń obiecane przez M​oondream przyniesie checkpoint, a nie zapowiedź; ostatnim wydaniem modelu pod starą firmą było 3.1 z 7 lipca 2026, a wydaniami od tego czasu były wersje Photon i modele mowy.

Ustalona jest już data. M​oondream 3 Preview jest ogólnie dostępny na swoim hostowanym punkcie końcowym od października 2025, od trzech miesięcy zastępuje go M​oondream 3.1, a 13 listopada 2026 r. hostowana wersja obu przestanie działać. Wagi nigdzie się nie wybierają. Wygoda nie.

Nic z tego nie jest hipotetyczne: udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są zebrane w the OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, stopień ważności, ocenę pewności i oznaczenie sporne.