¿Qué es Moondream 3.1 (9B-A2B)?
Moondream 3.1 es el modelo actual de visión y lenguaje de M87 Labs, anunciado el 7 de julio de 2026. Es un modelo mixture-of-experts con 9.000 millones de parámetros en total y unos 2.000 millones activos por token, y sustituye al antiguo Moondream 2 y a la versión preliminar de Moondream 3 como modelo principal de la empresa. Lee imágenes y escribe texto.
Tiene cuatro habilidades integradas, cada una con salida estructurada: query (responder a una pregunta sobre una imagen), caption, detect (cuadros delimitadores para cualquier objeto que nombres) y point (coordenadas). M87 entrenó un adaptador LoRA distinto para cada benchmark con ajuste fino y aprendizaje por refuerzo, y después los destiló de vuelta en los pesos base.
Los pesos están bajo la Moondream Model License 1.0, no una licencia de código abierto. Permite uso comercial, autoalojamiento, ajuste fino y redistribución sin límite de ingresos, pero ofrecer a terceros una API alojada de Moondream de uso general exige una licencia comercial aparte. El antiguo Moondream 2 sigue sumando unos 2,3 millones de descargas al mes en Hugging Face; la 3.1 sumó unas 9.600.
¿Merece la pena Moondream 3.1 (9B-A2B)?
Moondream 3.1 gana primero en rendimiento y después en precisión. En la prueba propia de M87 con una H100 y tamaño de lote 16, atendió 34,2 peticiones por segundo frente a 1,44 de Qwen3.5 9B, 4,78 de SAM 3 y 0,46 de Gemma 4 12B, con una media de 77,9 en su conjunto de benchmarks frente a 74, 62,9 y 63. Es aproximadamente siete veces el siguiente modelo más rápido.
La detección es donde lidera. Obtiene 81,46 en COCO frente a 75,58 de Qwen3.5 9B y 77,06 de SAM 3, 74,61 en el denso Dense200 frente a 48,23, 52,77 en estanterías comerciales abarrotadas (SKU-110K) frente a 44,27, y 59,63 en imágenes aéreas DOTA-v2 frente a 50,36. También lee bien gráficos, con 86,01 en ChartQA frente a 70,72 de Qwen.
No lo gana todo. Qwen3.5 9B lo supera en LVIS (71,11 frente a 67,4), HumanRef, CountBench y DocVQA (92,94 frente a 88,6), y SAM 3 es mejor en CrowdHuman. Todas las cifras proceden del anuncio de M87, ejecutadas con su propio motor Photon, y no encontramos ninguna reproducción independiente. Para leer documentos, un modelo OCR dedicado sigue siendo la opción más segura.
La licencia es lo otro que hay que leer antes de construir. Integrar Moondream en un producto, incluida una app SaaS, está permitido. Revender inferencia abierta de Moondream, descripción de imágenes o preguntas visuales como API no lo está, ni siquiera gratis, sin un acuerdo comercial.
Dónde se gana su sitio
Un ingeniero de visión artificial en una cadena de supermercados
Contar productos y huecos en fotos de estanterías de todas las tiendas cada noche
Llama a detect con el nombre de cada producto mediante la Batch API, a mitad de las tarifas de 0,30 $ y 1,00 $ por millón, o ejecuta Photon en una GPU. Su 52,77 en SKU-110K frente a 44,27 de Qwen3.5 9B es la razón para elegirlo.
Una responsable de calidad en un fabricante de electrónica
Detectar componentes ausentes en imágenes de placas de circuito en la línea de producción
Ajusta un LoRA y ejecútalo en local bajo la licencia de Moondream, que permite productos de dominio específico. Señalar en unos 145 ms de extremo a extremo en Cloudflare, según M87, basta para controles a pie de línea.
Un analista SIG en una oficina de planificación regional
Contar vehículos y edificios en imágenes aéreas
Usa detect sobre teselas; obtiene 59,63 en DOTA-v2 frente a 50,36 de Qwen3.5 9B en la tabla de M87. Revisa los recuentos en una muestra, ya que Qwen sigue liderando CountBench.
Antes de decidirte
- Puesta en marcha
- pip install moondream y luego md.vl(local=True) descarga los pesos y los ejecuta con Photon en GPU NVIDIA Ampere o posteriores o en Apple Silicon. No hace falta clave de API para el modelo base en local.
- Integraciones
- Cliente Python con caption, query, detect y point; Moondream Cloud y Cloudflare Workers AI (@cf/moondream/moondream3.1-9B-A2B) comparten la misma API; Triton para servir en producción; Lens API para ajuste fino.
- Datos y privacidad
- Autoalojarlo mantiene las imágenes en tu hardware. La Moondream Model License permite uso comercial y ajuste fino, exige conservar los avisos de licencia al redistribuir y prohíbe la inferencia alojada de uso general sin licencia comercial.
- Coste a escala
- Alojado: 0,30 $ por millón de tokens de entrada y 1,00 $ por millón de tokens de salida, a mitad de precio con la Batch API. Autoalojado: una H100 atendió 34,2 peticiones por segundo en el benchmark de M87.
- Límites
- Solo salida de texto, sin generación de imágenes ni vídeo. Los benchmarks son propios. La licencia se extingue automáticamente si se incumple, salvo que se corrija en 30 días.
Lo bueno
- 34,2 peticiones por segundo en una H100, unas 7 veces el siguiente modelo
- Lidera la detección en COCO, Dense200, SKU-110K y DOTA-v2 (datos propios)
- Las habilidades detect y point devuelven cuadros y coordenadas estructurados
- Precio de salida en la nube rebajado a 1,00 $ por millón de tokens
Lo malo
- La licencia propia prohíbe las API alojadas de uso general
- Queda por detrás de Qwen3.5 9B en DocVQA, LVIS y CountBench
- Los benchmarks son de M87, con su propio motor
- Ventana de contexto no publicada
Ideal para
Equipos de ingeniería que necesitan detección de vocabulario abierto, señalado o conteo en muchas imágenes por segundo, en sus propias GPU o con una API barata.
Alternativas a Moondream 3.1 (9B-A2B)
Moondream 3.1 (9B-A2B): preguntas frecuentes
- ¿Merece la pena Moondream 3.1 (9B-A2B)?
- Para encontrar y contar cosas en imágenes a gran volumen, Moondream 3.1 es más rápido y más preciso que los modelos de visión generalistas a los que se suele recurrir. Le damos un 4.2 sobre 5.
- ¿Cuánto cuesta Moondream 3.1 (9B-A2B)?
- Pesos gratuitos bajo la Moondream Model License. Moondream Cloud y Cloudflare Workers AI cobran 0,30 $ por millón de tokens de entrada y 1,00 $ por millón de tokens de salida, con un 50% de descuento mediante la Batch API.
- ¿Qué inconvenientes tiene Moondream 3.1 (9B-A2B)?
- La licencia propia prohíbe las API alojadas de uso general; queda por detrás de Qwen3.5 9B en DocVQA, LVIS y CountBench; los benchmarks son de M87, con su propio motor; ventana de contexto no publicada.
- ¿Para quién es Moondream 3.1 (9B-A2B)?
- Equipos de ingeniería que necesitan detección de vocabulario abierto, señalado o conteo en muchas imágenes por segundo, en sus propias GPU o con una API barata.
- ¿Cuánto cuesta Moondream 3.1 (9B-A2B) para un equipo o en producción?
- Alojado: 0,30 $ por millón de tokens de entrada y 1,00 $ por millón de tokens de salida, a mitad de precio con la Batch API. Autoalojado: una H100 atendió 34,2 peticiones por segundo en el benchmark de M87.
- ¿Es Moondream 3.1 (9B-A2B) seguro para los datos de la empresa?
- Autoalojarlo mantiene las imágenes en tu hardware. La Moondream Model License permite uso comercial y ajuste fino, exige conservar los avisos de licencia al redistribuir y prohíbe la inferencia alojada de uso general sin licencia comercial.
- ¿Cuáles son las mejores alternativas a Moondream 3.1 (9B-A2B)?
- Las alternativas más cercanas que hemos analizado son SAM 3 (Segment Anything Model 3), LocateAnything-3B, Molmo2-8B y Qwen3.8-27B.
Respuestas comprobadas el 7 nov 2026.
¿Desarrollas Moondream 3.1 (9B-A2B)? Muestra esta nota en tu web
