Was ist Moondream 3.1 (9B-A2B)?
Moondream 3.1 ist das aktuelle Vision-Language-Modell von M87 Labs, angekündigt am 7. Juli 2026. Es ist ein Mixture-of-Experts-Modell mit insgesamt 9 Milliarden Parametern und etwa 2 Milliarden aktiven pro Token und löst das ältere Moondream 2 und die Vorschau von Moondream 3 als Flaggschiff des Unternehmens ab. Es liest Bilder und schreibt Text.
Es hat vier eingebaute Fähigkeiten, jede mit strukturierter Ausgabe: query (eine Frage zu einem Bild beantworten), caption, detect (Begrenzungsrahmen für jedes genannte Objekt) und point (Koordinaten). M87 trainierte für jeden Benchmark einen eigenen LoRA-Adapter mit Fine-Tuning und Reinforcement Learning und destillierte sie dann zurück in die Basisgewichte.
Die Gewichte stehen unter der Moondream Model License 1.0, keiner Open-Source-Lizenz. Sie erlaubt kommerzielle Nutzung, Selbsthosting, Fine-Tuning und Weitergabe ohne Umsatzgrenze, aber eine allgemeine gehostete Moondream-API für andere zu betreiben, erfordert eine separate kommerzielle Lizenz. Das ältere Moondream 2 kommt weiter auf etwa 2,3 Millionen Hugging-Face-Downloads im Monat; 3.1 kam auf etwa 9.600.
Lohnt sich Moondream 3.1 (9B-A2B)?
Moondream 3.1 gewinnt zuerst beim Durchsatz und dann bei der Genauigkeit. In M87s eigenem Test auf einer H100 mit Batchgröße 16 bediente es 34,2 Anfragen pro Sekunde gegenüber 1,44 bei Qwen3.5 9B, 4,78 bei SAM 3 und 0,46 bei Gemma 4 12B und erreichte im Schnitt 77,9 über seine Benchmarks gegenüber 74, 62,9 und 63. Das ist etwa das Siebenfache des nächstschnelleren Modells.
Bei der Objekterkennung liegt es vorn. Es erreicht 81,46 auf COCO gegenüber 75,58 für Qwen3.5 9B und 77,06 für SAM 3, 74,61 auf dem dichten Dense200 gegenüber 48,23, 52,77 bei vollen Ladenregalen (SKU-110K) gegenüber 44,27 und 59,63 bei Luftbildern (DOTA-v2) gegenüber 50,36. Diagramme liest es ebenfalls gut, mit 86,01 auf ChartQA gegenüber 70,72 für Qwen.
Es gewinnt nicht überall. Qwen3.5 9B schlägt es bei LVIS (71,11 zu 67,4), HumanRef, CountBench und DocVQA (92,94 zu 88,6), und SAM 3 ist bei CrowdHuman besser. Alle Zahlen stammen aus M87s Ankündigung, gemessen mit der eigenen Photon-Engine, und wir fanden keine unabhängige Reproduktion. Zum Lesen von Dokumenten bleibt ein spezialisiertes OCR-Modell die sicherere Wahl.
Die Lizenz ist das andere, was du vor dem Bauen lesen solltest. Moondream in ein Produkt einzubauen, auch in eine SaaS-App, ist erlaubt. Offene Moondream-Inferenz, Bildbeschreibung oder visuelle Fragen als API weiterzuverkaufen, ist ohne kommerziellen Vertrag nicht erlaubt, selbst kostenlos nicht.
Wo es sich lohnt
Ein Computer-Vision-Ingenieur bei einer Supermarktkette
Jede Nacht Produkte und Lücken auf Regalfotos aus allen Filialen zählen
detect mit jedem Produktnamen über die Batch API zum halben Preis der Sätze von 0,30 $ und 1,00 $ pro Million aufrufen oder Photon auf einer GPU betreiben. Die 52,77 auf SKU-110K gegenüber 44,27 für Qwen3.5 9B sind der Grund für die Wahl.
Eine Qualitätsverantwortliche bei einem Elektronikhersteller
Fehlende Bauteile auf Leiterplattenbildern direkt an der Fertigungslinie erkennen
Einen LoRA trainieren und lokal unter der Moondream-Lizenz betreiben, die domänenspezifische Produkte erlaubt. Zeigen in etwa 145 ms Ende zu Ende auf Cloudflare, laut M87, reicht für Prüfungen an der Linie.
Ein GIS-Analyst in einer regionalen Planungsbehörde
Fahrzeuge und Gebäude in Luftbildern zählen
detect auf Kacheln anwenden; in M87s Tabelle erreicht es 59,63 auf DOTA-v2 gegenüber 50,36 für Qwen3.5 9B. Zählungen an einer Stichprobe prüfen, da Qwen bei CountBench weiter führt.
Bevor du dich festlegst
- Einrichtung
- pip install moondream, dann lädt md.vl(local=True) die Gewichte und führt sie mit Photon auf NVIDIA-GPUs ab Ampere oder auf Apple Silicon aus. Für das Basismodell lokal ist kein API-Schlüssel nötig.
- Integrationen
- Python-Client mit caption, query, detect und point; Moondream Cloud und Cloudflare Workers AI (@cf/moondream/moondream3.1-9B-A2B) teilen dieselbe API; Triton für den Produktivbetrieb; Lens API für Fine-Tuning.
- Daten und Datenschutz
- Selbsthosting hält Bilder auf deiner Hardware. Die Moondream Model License erlaubt kommerzielle Nutzung und Fine-Tuning, verlangt Lizenzhinweise bei der Weitergabe und verbietet allgemeine gehostete Inferenz ohne kommerzielle Lizenz.
- Kosten im großen Ma ßstab
- Gehostet: 0,30 $ pro Million Eingabe-Tokens und 1,00 $ pro Million Ausgabe-Tokens, über die Batch API halbiert. Selbst gehostet: Eine H100 bediente in M87s Benchmark 34,2 Anfragen pro Sekunde.
- Grenzen
- Nur Textausgabe, keine Bild- oder Videoerzeugung. Benchmarks sind eigene Angaben. Die Lizenz endet bei Verstoß automatisch, sofern er nicht binnen 30 Tagen behoben wird.
Was gut ist
- 34,2 Anfragen pro Sekunde auf einer H100, etwa das 7-Fache des nächsten Modells
- Führt bei COCO, Dense200, SKU-110K und DOTA-v2 (eigene Angabe)
- detect und point liefern strukturierte Rahmen und Koordinaten
- Cloud-Ausgabepreis auf 1,00 $ pro Million Tokens gesenkt
Was nicht
- Eigene Lizenz verbietet allgemeine gehostete APIs
- Liegt bei DocVQA, LVIS und CountBench hinter Qwen3.5 9B
- Benchmarks stammen von M87, auf der eigenen Engine
- Kontextfenster nicht veröffentlicht
Am besten für
Engineering-Teams, die offene Objekterkennung, Zeigen oder Zählen auf vielen Bildern pro Sekunde brauchen, auf eigenen GPUs oder über eine günstige API.
Alternativen zu Moondream 3.1 (9B-A2B)
Moondream 3.1 (9B-A2B): häufige Fragen
- Lohnt sich Moondream 3.1 (9B-A2B)?
- Um Dinge in großen Bildmengen zu finden und zu zählen, ist Moondream 3.1 schneller und genauer als die allgemeinen Vision-Modelle, zu denen man meist greift. Wir bewerten es mit 4.2 von 5.
- Was kostet Moondream 3.1 (9B-A2B)?
- Kostenlose Gewichte unter der Moondream Model License. Moondream Cloud und Cloudflare Workers AI berechnen 0,30 $ pro Million Eingabe-Tokens und 1,00 $ pro Million Ausgabe-Tokens, mit 50% Rabatt über die Batch API.
- Welche Nachteile hat Moondream 3.1 (9B-A2B)?
- Eigene Lizenz verbietet allgemeine gehostete APIs; Liegt bei DocVQA, LVIS und CountBench hinter Qwen3.5 9B; Benchmarks stammen von M87, auf der eigenen Engine; Kontextfenster nicht veröffentlicht.
- Für wen eignet sich Moondream 3.1 (9B-A2B)?
- Engineering-Teams, die offene Objekterkennung, Zeigen oder Zählen auf vielen Bildern pro Sekunde brauchen, auf eigenen GPUs oder über eine günstige API.
- Was kostet Moondream 3.1 (9B-A2B) für ein Team oder im Produktivbetrieb?
- Gehostet: 0,30 $ pro Million Eingabe-Tokens und 1,00 $ pro Million Ausgabe-Tokens, über die Batch API halbiert. Selbst gehostet: Eine H100 bediente in M87s Benchmark 34,2 Anfragen pro Sekunde.
- Ist Moondream 3.1 (9B-A2B) sicher für Firmendaten?
- Selbsthosting hält Bilder auf deiner Hardware. Die Moondream Model License erlaubt kommerzielle Nutzung und Fine-Tuning, verlangt Lizenzhinweise bei der Weitergabe und verbietet allgemeine gehostete Inferenz ohne kommerzielle Lizenz.
- Was sind die besten Alternativen zu Moondream 3.1 (9B-A2B)?
- Die nächsten Alternativen, die wir getestet haben, sind SAM 3 (Segment Anything Model 3), LocateAnything-3B, Molmo2-8B und Qwen3.8-27B.
Antworten geprüft am 7. Nov. 2026.
Du entwickelst Moondream 3.1 (9B-A2B)? Zeig diese Bewertung auf deiner Website
