Moondream 3.1 (9B-A2B)とは？
Moondream 3.1は、M87 Labsが2026年7月7日に発表した現行のビジョン言語モデルです。総パラメーター90億、トークンあたり約20億がアクティブなmixture-of-expertsモデルで、旧Moondream 2とMoondream 3プレビューに代わる同社の主力モデルです。画像を読み、テキストを書きます。
4つのスキルを内蔵し、いずれも構造化された出力を返します。query（画像についての質問に答える）、caption、detect（指定した任意の物体のバウンディングボックス）、point（座標）です。M87はベンチマークごとに別々のLoRAアダプターをファインチューニングと強化学習で学習し、それらをベースの重みに蒸留し戻しました。
重みはオープンソースライセンスではなく、Moondream Model License 1.0です。商用利用、セルフホスト、ファインチューニング、再配布を売上上限なしで認めていますが、汎用のMoondream APIを他者向けにホストするには別途商用ライセンスが必要です。旧Moondream 2はHugging Faceで今も月に約230万回ダウンロードされており、3.1は約9,600回でした。
Moondream 3.1 (9B-A2B)は使う価値があるか？
Moondream 3.1は、まずスループットで、次に精度で勝ちます。M87自身のテストでは、H100 1枚、バッチサイズ16で毎秒34.2リクエストを処理しました。Qwen3.5 9Bは1.44、SAM 3は4.78、Gemma 4 12Bは0.46で、ベンチマーク平均は77.9に対し74、62.9、63でした。次に速いモデルのおよそ7倍です。
物体検出では首位です。COCOで81.46（Qwen3.5 9Bは75.58、SAM 3は77.06）、密集したDense200で74.61（同48.23）、混み合った小売棚のSKU-110Kで52.77（同44.27）、航空写真のDOTA-v2で59.63（同50.36）です。グラフの読み取りも得意で、ChartQAは86.01、Qwenは70.72です。
すべてで勝つわけではありません。Qwen3.5 9BはLVIS（71.11対67.4）、HumanRef、CountBench、DocVQA（92.94対88.6）で上回り、CrowdHumanではSAM 3が優れています。数値はすべてM87の発表によるもので、自社のPhotonエンジンで計測されており、独立した再現は見つかりませんでした。文書の読み取りには、専用のOCRモデルのほうが今も無難です。
作り始める前に読むべきもう一つはライセンスです。SaaSアプリを含め、製品にMoondreamを組み込むことは認められています。汎用のMoondream推論、画像説明、画像についての質問応答をAPIとして再販することは、無料であっても商用契約なしには認められません。
真価を発揮する場面
スーパーマーケットチェーンのコンピュータービジョンエンジニア
全店舗の棚写真から商品と欠品を毎晩数えたい
Batch API経由で商品名ごとにdetectを呼び出し、100万あたり$0.30と$1.00の料金を半額にするか、GPU 1枚でPhotonを動かします。SKU-110Kで52.77とQwen3.5 9Bの44.27を上回る点が選ぶ理由です。
電子機器メーカーの品質管理リーダー
製造ライン上の基板画像で部品の欠落を見つけたい
LoRAをファインチューニングし、特定分野の製品を認めるMoondreamライセンスのもとでローカル実行します。M87によるとCloudflare上でpointはエンドツーエンド約145 msで、ライン脇の検査に十分です。
地域計画事務所のGISアナリスト
航空写真で車両と建物を数えたい
タイルごとにdetectを使います。M87の表ではDOTA-v2で59.63、Qwen3.5 9Bは50.36です。CountBenchではQwenがまだ上なので、一部のサンプルで数を確認してください。
導入前に確認すること
- 導入
- pip install moondreamの後、md.vl(local=True)で重みがダウンロードされ、NVIDIA Ampere以降のGPUかApple Silicon上のPhotonで動きます。ローカルのベースモデルにAPIキーは不要です。
- 連携
- caption、query、detect、pointを備えたPythonクライアント。Moondream CloudとCloudflare Workers AI（@cf/moondream/moondream3.1-9B-A2B）は同じAPIを共有。本番サービングにTriton、ファイン チューニングにLens API。
- データとプライバシー
- セルフホストなら画像は自分のハードウェアにとどまります。Moondream Model Licenseは商用利用とファインチューニングを認め、再配布時にライセンス表示を求め、商用ライセンスなしの汎用ホスト推論を禁じています。
- 大規模利用時のコスト
- ホスト版は入力100万トークンあたり$0.30、出力100万トークンあたり$1.00で、Batch APIなら半額です。セルフホストでは、M87のベンチマークでH100 1枚が毎秒34.2リクエストを処理しました。
- 制限
- 出力はテキストのみで、画像生成や動画には対応しません。ベンチマークは自己申告です。違反するとライセンスは自動的に終了し、30日以内に是正すれば回復します。
良い点
- H100 1枚で毎秒34.2リクエスト、次点の約7倍
- COCO、Dense200、SKU-110K、DOTA-v2の検出で首位（自己申告）
- detectとpointが構造化されたボックスと座標を返す
- クラウドの出力料金が100万トークンあたり$1.00に値下げ
気になる点
- 独自ライセンスが汎用のホスト型APIを禁止
- DocVQA、LVIS、CountBenchでQwen3.5 9Bに及 ばない
- ベンチマークはM87自身が自社エンジンで計測
- コンテキスト長は非公開
おすすめの人
毎秒大量の画像でオープン語彙の検出、ポインティング、カウントを、自社GPUか安価なAPIで行いたいエンジニアリングチーム。
Moondream 3.1 (9B-A2B)の代替
Moondream 3.1 (9B-A2B)：よくある質問
- Moondream 3.1 (9B-A2B)は使う価値があるか？
- 大量の画像から物を見つけて数える用途なら、Moondream 3.1はふだん使われる汎用画像モデルより速く、しかも正確です。 評価は5点満点中4.2点です。
- Moondream 3.1 (9B-A2B)の料金は？
- 重みはMoondream Model Licenseのもとで無料です。Moondream CloudとCloudflare Workers AIは入力100万トークンあたり$0.30、出力100万トークンあたり$1.00で、Batch APIなら50%引きです。
- Moondream 3.1 (9B-A2B)の欠点は？
- 独自ライセンスが汎用のホスト型APIを禁止; DocVQA、LVIS、CountBenchでQwen3.5 9Bに及ばない; ベンチマークはM87自身が自社エンジンで計測; コンテキスト長は非公開.
- Moondream 3.1 (9B-A2B)は誰に向いているか？
- 毎秒大量の画像でオープン語彙の検出、ポインティング、カウントを、自社GPUか安価なAPIで行いたいエンジニアリングチーム。
- チームや本番環境でMoondream 3.1 (9B-A2B)を 使うと費用はいくらか？
- ホスト版は入力100万トークンあたり$0.30、出力100万トークンあたり$1.00で、Batch APIなら半額です。セルフホストでは、M87のベンチマークでH100 1枚が毎秒34.2リクエストを処理しました。
- Moondream 3.1 (9B-A2B)は企業データを扱っても安全か？
- セルフホストなら画像は自分のハードウェアにとどまります。Moondream Model Licenseは商用利用とファインチューニングを認め、再配布時にライセンス表示を求め、商用ライセンスなしの汎用ホスト推論を禁じています。
- Moondream 3.1 (9B-A2B)の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はSAM 3 (Segment Anything Model 3), LocateAnything-3B, Molmo2-8B 、 Qwen3.8-27Bです。
回答確認日：2026年11月7日
Moondream 3.1 (9B-A2B)の開発元の方へ：この評価をサイトに掲載できます
