Qu’est-ce que Moondream 3.1 (9B-A2B) ?
Moondream 3.1 est le modèle vision-langage actuel de M87 Labs, annoncé le 7 juillet 2026. C'est un modèle mixture-of-experts de 9 milliards de paramètres au total, dont environ 2 milliards actifs par token, qui remplace l'ancien Moondream 2 et la préversion de Moondream 3 comme modèle phare de l'entreprise. Il lit des images et écrit du texte.
Il dispose de quatre compétences intégrées, chacune avec une sortie structurée : query (répondre à une question sur une image), caption, detect (cadres de délimitation pour tout objet nommé) et point (coordonnées). M87 a entraîné un adaptateur LoRA distinct par benchmark, par fine-tuning et apprentissage par renforcement, puis les a distillés dans les poids de base.
Les poids sont sous la Moondream Model License 1.0, qui n'est pas une licence open source. Elle autorise l'usage commercial, l'auto-hébergement, le fine-tuning et la redistribution sans plafond de revenus, mais proposer à d'autres une API Moondream hébergée généraliste exige une licence commerciale distincte. L'ancien Moondream 2 cumule encore environ 2,3 millions de téléchargements par mois sur Hugging Face ; la 3.1 environ 9 600.
Moondream 3.1 (9B-A2B) vaut-il le coup ?
Moondream 3.1 l'emporte d'abord sur le débit, ensuite sur la précision. Dans le test maison de M87 sur un H100 avec une taille de lot de 16, il a traité 34,2 requêtes par seconde contre 1,44 pour Qwen3.5 9B, 4,78 pour SAM 3 et 0,46 pour Gemma 4 12B, avec une moyenne de 77,9 sur ses benchmarks contre 74, 62,9 et 63. C'est environ sept fois le modèle le plus rapide suivant.
C'est en détection qu'il domine. Il obtient 81,46 sur COCO contre 75,58 pour Qwen3.5 9B et 77,06 pour SAM 3, 74,61 sur le dense Dense200 contre 48,23, 52,77 sur des rayons de magasin chargés (SKU-110K) contre 44,27, et 59,63 sur l'imagerie aérienne DOTA-v2 contre 50,36. Il lit aussi bien les graphiques, avec 86,01 sur ChartQA contre 70,72 pour Qwen.
Il ne gagne pas partout. Qwen3.5 9B le bat sur LVIS (71,11 contre 67,4), HumanRef, CountBench et DocVQA (92,94 contre 88,6), et SAM 3 fait mieux sur CrowdHuman. Tous les chiffres viennent de l'annonce de M87, mesurés avec son propre moteur Photon, et nous n'avons trouvé aucune reproduction indépendante. Pour lire des documents, un modèle OCR dédié reste le choix le plus sûr.
La licence est l'autre point à lire avant de construire. Intégrer Moondream dans un produit, y compris une application SaaS, est autorisé. Revendre en API de l'inférence Moondream ouverte, de la description d'images ou des questions visuelles ne l'est pas sans accord commercial, même gratuitement.
Là où il fait la différence
Un ingénieur en vision par ordinateur dans une chaîne de supermarchés
Compter chaque nuit produits et trous sur les photos de rayons de tous les magasins
Appelez detect avec chaque nom de produit via la Batch API, à moitié prix des tarifs de 0,30 $ et 1,00 $ par million, ou faites tourner Photon sur un GPU. Son 52,77 sur SKU-110K contre 44,27 pour Qwen3.5 9B justifie ce choix.
Une responsable qualité chez un fabricant d'électronique
Repérer les composants manquants sur des images de cartes électroniques en bout de ligne
Entraînez un LoRA et exécutez-le en local sous la licence Moondream, qui autorise les produits spécialisés. Pointer en environ 145 ms de bout en bout sur Cloudflare, selon M87, suffit pour des contrôles en ligne.
Un analyste SIG dans un service d'urbanisme régional
Compter véhicules et bâtiments sur des images aériennes
Utilisez detect sur des tuiles ; il obtient 59,63 sur DOTA-v2 contre 50,36 pour Qwen3.5 9B dans le tableau de M87. Vérifiez les comptages sur un échantillon, car Qwen reste en tête sur CountBench.
Avant de vous engager
- Mise en route
- pip install moondream, puis md.vl(local=True) télécharge les poids et les exécute avec Photon sur GPU NVIDIA Ampere ou plus récents, ou sur Apple Silicon. Aucune clé d'API n'est nécessaire pour le modèle de base en local.
- Intégrations
- Client Python avec caption, query, detect et point ; Moondream Cloud et Cloudflare Workers AI (@cf/moondream/moondream3.1-9B-A2B) partagent la même API ; Triton pour la production ; Lens API pour le fine-tuning.
- Données et confidentialité
- L'auto-hébergement garde les images sur votre matériel. La Moondream Model License autorise l'usage commercial et le fine-tuning, impose de conserver les mentions de licence en cas de redistribution et interdit l'inférence hébergée généraliste sans licence commerciale.
- Coût à grande échelle
- Hébergé : 0,30 $ par million de tokens en entrée et 1,00 $ par million de tokens en sortie, divisés par deux via la Batch API. Auto-hébergé : un H100 a traité 34,2 requêtes par seconde dans le benchmark de M87.
- Limites
- Sortie texte uniquement, ni génération d'images ni vidéo. Benchmarks déclarés par l'éditeur. La licence prend fin automatiquement en cas de violation, sauf correction sous 30 jours.
Les points forts
- 34,2 requêtes par seconde sur un H100, environ 7 fois le modèle suivant
- En tête sur COCO, Dense200, SKU-110K et DOTA-v2 (chiffres éditeur)
- Les compétences detect et point renvoient cadres et coordonnées structurés
- Prix de sortie dans le cloud ramené à 1,00 $ par million de tokens
Les points faibles
- La licence maison interdit les API hébergées généralistes
- Derrière Qwen3.5 9B sur DocVQA, LVIS et CountBench
- Benchmarks de M87, sur son propre moteur
- Fenêtre de contexte non publiée
Idéal pour
Les équipes d'ingénierie qui ont besoin de détection à vocabulaire ouvert, de pointage ou de comptage sur de nombreuses images par seconde, sur leurs propres GPU ou via une API peu chère.
Alternatives à Moondream 3.1 (9B-A2B)
Moondream 3.1 (9B-A2B) : questions fréquentes
- Moondream 3.1 (9B-A2B) vaut-il le coup ?
- Pour trouver et compter des choses dans de grands volumes d'images, Moondream 3.1 est plus rapide et plus précis que les modèles de vision généralistes vers lesquels on se tourne d'habitude. Nous lui donnons 4.2 sur 5.
- Combien coûte Moondream 3.1 (9B-A2B) ?
- Poids gratuits sous la Moondream Model License. Moondream Cloud et Cloudflare Workers AI facturent 0,30 $ par million de tokens en entrée et 1,00 $ par million de tokens en sortie, avec 50% de remise via la Batch API.
- Quels sont les inconvénients de Moondream 3.1 (9B-A2B) ?
- La licence maison interdit les API hébergées généralistes; derrière Qwen3.5 9B sur DocVQA, LVIS et CountBench; benchmarks de M87, sur son propre moteur; fenêtre de contexte non publiée.
- À qui s’adresse Moondream 3.1 (9B-A2B) ?
- Les équipes d'ingénierie qui ont besoin de détection à vocabulaire ouvert, de pointage ou de comptage sur de nombreuses images par seconde, sur leurs propres GPU ou via une API peu chère.
- Combien coûte Moondream 3.1 (9B-A2B) pour une équipe ou en production ?
- Hébergé : 0,30 $ par million de tokens en entrée et 1,00 $ par million de tokens en sortie, divisés par deux via la Batch API. Auto-hébergé : un H100 a traité 34,2 requêtes par seconde dans le benchmark de M87.
- Moondream 3.1 (9B-A2B) est-il sûr pour les données de l’entreprise ?
- L'auto-hébergement garde les images sur votre matériel. La Moondream Model License autorise l'usage commercial et le fine-tuning, impose de conserver les mentions de licence en cas de redistribution et interdit l'inférence hébergée généraliste sans licence commerciale.
- Quelles sont les meilleures alternatives à Moondream 3.1 (9B-A2B) ?
- Les alternatives les plus proches que nous avons testées sont SAM 3 (Segment Anything Model 3), LocateAnything-3B, Molmo2-8B et Qwen3.8-27B.
Réponses vérifiées le 7 nov. 2026.
Vous éditez Moondream 3.1 (9B-A2B) ? Affichez cette note sur votre site
