Хостируемый эндпоинт Moondream 3 Preview закрывается 13 ноября

Moondream 3 Preview был выпущен 18 сентября 2025 года, а конечная точка, которая его обслуживает, перестанет отвечать 13 ноября 2026 года. Это две даты, которые имеют значение в этой истории, и только вторая из них срочная. Сама модель не отзывается — веса остаются на Hugging Face, и лицензия не меняется — но хостинговый путь, который на самом деле вызывают большинство команд, общий для Moondream 3 Preview и его преемника Moondream 3.1, отключается, и в уведомлении об этом было сказано одной строкой: 13 ноября 2026 года, через 30 дней после сегодняшнего, Moondream Cloud будет закрыт, а неизрасходованные приобретённые кредиты будут возвращены.

Это уведомление появилось вместе с его причиной. M​oondream 3 Preview и его преемник M​oondream 3.1 теперь являются частью Prime Intellect, которая 13 октября 2026 года объявила о приобретении M​oondream; основатели Вик Коррапати и Джей Аллен присоединились, чтобы руководить и масштабировать инференс. Собственный пост M​oondream датирован 14 октября. Это не запуск, и писать о нём как о запуске не следует. Это смена владельца с жёстким дедлайном миграции, и если у вас есть запрос из продакшена к api.moondream.ai где-либо в вашем стеке, у вас есть около четырёх недель с даты того поста, чтобы решить, чем его заменить.

Что на самом деле купила Prime Intellect

В этом объявлении на удивление прямо говорится о двух вещах, которые сменили владельца, и ни одна из них не является чекпойнтом модели. Первое — это команда: Коррапати и Аллен присоединяются, чтобы заниматься инференсом и ускорить мультимодальную работу, включая зрение и использование компьютера. Второе — это Photon, движок инференса Moondream, который компилирует каждую модель в единую программу для GPU, используя кастомные ядра и лежащий в их основе компилятор мегаядер.

Прочитайте подачу — и станет понятно почему. В посте Prime на первом месте обслуживание, а не архитектура: его аргумент в пользу сделки состоит в том, что «именно в обслуживании решается, насколько модель полезна». Цифры, которые он приводит, — это цифры пропускной способности: Moondream 3.1 — 34 запроса в секунду, что описывается как примерно в 24 раза быстрее следующей по точности открытой модели; более 60 выводов Moondream в секунду на одной H100; ответы за десятки миллисекунд. Это данные Prime, а Prime теперь и есть сторона, продающая инференс, так что воспринимайте их как заявленные поставщиком. А вот что не является заявлением поставщика — это направление сделки: компания, чьим продуктом была модель зрения, купила движок инференса и поставила его авторов во главе инференса.

Для всех, у кого есть интеграция с M​oondream, практическое следствие состоит в том, что открытые веса остаются открытыми и, по словам M​oondream, «будут продолжать улучшаться, теперь гораздо быстрее». А что уходит — так это слой удобства: хостируемый API и Lens, продукт для тонкой настройки, — и это именно тот слой, на котором строились многие небольшие команды, потому что они не хотели запускать GPU.

Что на самом деле представляет собой M​oondream 3 Preview

Стоит повторить, потому что модель, выпущенная в сентябре 2025 года, которая сейчас заменяется в рамках поглощения, — это модель, с которой многие команды знакомятся только по уведомлению о закрытии. Это мелкозернистая разреженная смесь экспертов, 9 млрд общих параметров при 2 млрд активных на токен, инициализированная из более старой плотной 2B M​oondream 2 путём drop upcycling.

• Архитектура — 24 слоя, первые четыре — плотные, а остальные — MoE-блоки прямой связи с 64 экспертами и 8 активируемыми на токен, GeGLU, размер скрытого слоя 2048.

• Визуальный энкодер — на основе SigLIP, с конкатенацией каналов при многократном кропе для токен-эффективного ввода высокого разрешения. Эта деталь с тайлингом пригодится позже.

• Контекст — 32K полезных токенов вместо примерно 2K в предыдущем поколении, с использованием кастомного токенизатора SuperBPE. В анонсирующем посте откровенно сказано, что постобучение пока не полностью задействует длинное окно и что полные 32K в основном предназначены для тех, кто занимается тонкой настройкой.

• Навыки — query, caption, point и detect, все нативные и все возвращают структурированный вывод. Обнаружение и указание — те два, на которые запуск опирался сильнее всего.

• Рассуждение — гибридный режим. query по умолчанию работает в режиме рассуждений, и его можно вызывать с отключённым режимом рассуждений для недорогих простых вопросов. Согласно формулировке Moondream, это визуальное рассуждение с привязкой к изображению: ход рассуждений ссылается на конкретные области изображения.

• Лицензия — Business Source License 1.1 с Дополнительным разрешением на использование, которое допускает коммерческое и производственное использование, дообучение, квантование и распространение, а также запрещает продажу хостингового сервиса, предоставляющего возможности Moondream общего назначения.

Последняя строка — та, что тихо сформировала экосистему, и о ней стоит сказать точно, потому что Moondream 3.1 перешёл на совершенно другой инструмент — Mоondream Model License 1.0, вступающую в силу 7 июля 2026 года. По сути правило то же, но сформулировано оно чётче: если Moondream — это компонент вашего продукта, вам можно, а если сам доступ к Moondream и есть продукт, нужна отдельная лицензия. Самостоятельный хостинг, развёртывание на периферийных устройствах, контролируемые заказчиком VPC, запуск на арендованных облачных GPU, дообучение в рамках профессиональных услуг и отраслевые API, не раскрывающие функциональность общего назначения, — всё это явно разрешено. Управляемый провайдером инференс общего назначения, хостинговое дообучение общего назначения и общие API, раскрывающие дообученную производную, — вот те три случая, что требуют отдельной сделки.

Вот почему уведомление о закрытии существует именно в таком виде. M​oondream не мог просто передать свою хостируемую конечную точку третьей стороне — исключение в лицензии как раз об этом — поэтому конечная точка закрывается, а миграция переходит к Prime, которому она теперь принадлежит.

Два числа, которым стоит не доверять

Собственная отчётность M​oondream о бенчмарках заслуживает более тщательного разбора, чем обычно получает, потому что компания более прозрачна в отношении своего метода, чем большинство, и на этот метод ложится немалая нагрузка.

Для предварительной версии на диаграмме запуска M​oondream 3 Preview сравнивался с GPT-5, Gemini 2.5-Flash и C​laude 4 S​onnet. В столбцах обнаружения референтных выражений разрыв велик и вряд ли это артефакт: RefCOCO — 91,1 у предварительной версии против 75,8 у Gemini 2.5-Flash, 57,2 у GPT-5 и 30,1 у C​laude 4 S​onnet. Самое важное — это собственная оговорка M​oondream: передовые модели не поддерживают grounding нативно, поэтому запросы к ним шли через шаблон, а некоторые оценки предварительной версии были вычислены на случайной выборке из 100 вопросов, а не на полном бенчмарке. Шаблонный запрос на grounding к модели, не обладающей навыком grounding, измеряет промпт-инжиниринг в той же мере, что и саму модель.

Для M​oondream 3.1 этот метод имеет ещё более серьёзные последствия, и это заслуживает того, чтобы сказать прямо: опубликованные оценки бенчмарков были получены путём дообучения модели на собственном обучающем сплите каждого бенчмарка с помощью Lens, продукта M​oondream для дообучения — LoRA для отдельных задач, SFT и RL — а затем дистилляции того, чему научились эти LoRA, обратно в базовые веса, чтобы скачиваемый чекпойнт показывал хорошие результаты вообще без настройки. В посте о 3.1 это сказано прямо и даже отмечено, что дистиллированная база оказывается чуть позади отдельных LoRA. Это законный и интересный рабочий процесс, и при этом он не то же самое, что «холодный» результат из коробки, потому что в модель скормили обучающие сплиты соответствующих задач. Если вы сравниваете 3.1 с моделью, которая никогда не видела эти сплиты, вы сравниваете настроенный артефакт с ненастроенным.

Ничто из этого не делает цифры неверными. Это придаёт маркировке несущий характер — тот же стандарт, который мы применяем к любой диаграмме поставщика.

Ваши три пути миграции

Если хостинговый эндпоинт входит в ваш стек, выбор уже не так широк, как кажется.

• Самостоятельный хостинг с Photon — Photon остаётся бесплатным и работает локально на GPU N​VIDIA начиная с Ampere и на Mac с Apple Silicon, с той же поверхностью API, что и у M​oondream Cloud. pip install moondream, загружайте с помощью local=True, и для базовой модели API-ключ не нужен. Веса скачиваются с Hugging Face при первом использовании. Это тот путь, который сохраняет ваш код почти без изменений и переносит затраты с оплаты за токен на оплату за GPU-час.

• Переходите на Prime — в уведомлении сказано, что M​oondream и Prime свяжутся с вами и сообщат дальнейшие шаги, и указывается обращаться к Prime для инференса, дообучения или аналогичных задач, а по срочным вопросам — contact@moondream.ai. Теперь Prime — единственное место, где продолжает существовать хостинговый вариант, и он будет работать на стеке Prime, а не M​oondream.

• Замените модель — если M​oondream 3 Preview оказалась в вашем стеке потому, что это был дешёвый, быстрый детектор тайловых изображений, а не потому, что в ней было что-то присущее именно M​oondream, отключение — разумный момент, чтобы заново прогнать ваш собственный оценочный набор, а не по умолчанию совершать равноценную замену.

Чего следует избегать — так это четвёртого пути: бездействия до 12 ноября. Кредиты возвращаются, поэтому нет финансовых причин продолжать обращаться к эндпоинту, который вот-вот перестанет отвечать, а миграция, начинающаяся за неделю до жёсткого срока отключения, — это миграция, в ходе которой вы узнаёте, от чего на самом деле зависели ваши grounding-промпты.

Если модель, на которой вы остановитесь как на стандарте, окажется одной из более чем 200 в каталоге OrcaRouter, одна часть этого станет проще: единый ключ и единая форма запроса для всех них, цена провайдера из прайс-листа передаётся без наценки, и автоматическое переключение при деградации вышестоящего провайдера. M​oondream 3 Preview не входит в этот каталог, как и M​oondream 3.1 — это веса, которые вы размещаете сами или к которым получаете доступ через Prime, — поэтому в этой конкретной миграции слой маршрутизации поможет с тем, что вы будете маршрутизировать дальше, а не с самим M​oondream. Об этом стоит сказать прямо, а не подразумевать обратное.

Что посмотреть в ближайшие четыре недели

Три вещи скажут вам больше, чем любой пресс-релиз. Во-первых, выпустит ли Prime замену для инференса M​oondream Cloud до 13 ноября или после этой даты; в уведомлении не указана дата, а разрыв между отключением и заменяющим сервисом — это исход, который дороже всего обходится пользователям. Во-вторых, останется ли лицензия на скачивание M​oondream 3.1 в том виде, в каком она написана, при новом владельце — ограничение Model License 1.0 на хостинговые сервисы — это и есть причина, по которой старый эндпоинт приходится закрывать, а не передавать, так что любое изменение в ней меняет то, что возможно. В-третьих, обернётся ли «гораздо более быстрый темп» улучшений, обещанный M​oondream, выпуском чекпоинта, а не анонсом; последним выпуском модели при старой компании была 3.1 от 7 июля 2026 года, а выпуски после этого — версии Photon и речевые модели.

Что уже решено — так это дата. M​oondream 3 Preview общедоступна на своём хостинговом эндпоинте с октября 2025 года, её уже три месяца заменяет M​oondream 3.1, а 13 ноября 2026 года хостинговая версия обеих перестанет работать. Веса никуда не денутся. А удобство — денется.

Ничего из этого не гипотетично: задокументированные сбои ИИ и инциденты с агентами, стоящие за такими релизами, как этот, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, класс уверенности и флаг оспаривания.