moondream

Moondream: Moondream 3 Preview

moondream/moondream3-preview

Nuestro análisis

Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.

Moondream 3 Preview es un modelo de visión y lenguaje de Moondream con arquitectura de mezcla de expertos: 9B de parámetros totales y 2B activos. Acepta texto e imágenes y devuelve texto, con una ventana de contexto de 32K. Según su documentación, ofrece cuatro habilidades: consultas visuales abiertas con razonamiento opcional, descripción de imágenes en tres longitudes, señalamiento de objetos con coordenadas normalizadas y detección con cajas delimitadoras, además de consultas solo de texto. Se publica como vista previa bajo la Business Source License 1.1 con una concesión de uso adicional; el paquete de fuentes no incluyó resultados de evaluaciones independientes.[1][2]

Puntos fuertes

Diseño compacto de mezcla de expertos (9B de parámetros totales, 2B activos) orientado a un despliegue eficiente, con un codificador visual basado en SigLIP y procesamiento multirecorte descrito como eficiente en tokens para imágenes de alta resolución.[2]
Además de responder preguntas, ofrece habilidades de localización: point devuelve coordenadas x/y normalizadas y detect devuelve cajas delimitadoras, y las codificaciones de imagen pueden almacenarse en caché y reutilizarse en varias llamadas.[2]
Los controles de uso incluyen salida en streaming, temperatura, top-p y límites de tokens, además de un modo de razonamiento activado por defecto en query que puede desactivarse en preguntas sencillas para ahorrar costo de inferencia.[2]

Limitaciones

La evidencia se limita a la ficha del proveedor y al catálogo de OpenRouter; no se aportaron evaluaciones independientes ni datos de benchmarks, por lo que afirmaciones como el razonamiento visual de vanguardia son declaraciones del proveedor y requieren validación en sus propias cargas de trabajo.[1][2]
Es una versión preliminar bajo la Business Source License 1.1 con una concesión de uso adicional: se permiten usos internos y la mayoría de los comerciales, pero vender acceso mediante API alojada, alojamiento gestionado o SDKs de pago que incluyan los pesos requiere un acuerdo aparte con M87 Labs.[2]
La vía local documentada depende de Transformers con trust_remote_code, CUDA y bfloat16, más un paso de compilación necesario para una decodificación rápida, lo que puede no ajustarse a todos los entornos; el listado de OpenRouter no reporta niveles de esfuerzo de razonamiento.[1][2]

Dónde utilizarlo

Potencialmente útil para aplicaciones que necesitan localización de objetos, como herramientas de ayuda a la anotación con coordenadas o cajas delimitadoras, sujeto a pruebas de precisión con sus propias imágenes.[2]
Candidato para tareas de respuesta visual a preguntas, descripción de imágenes, tareas afines al OCR y razonamiento visual descritas en el catálogo, con una API en la nube con nivel gratuito mencionada por el proveedor que podría facilitar el prototipado.[1][2]
Puede convenir a despliegues sensibles al costo por su reducido número de parámetros activos y la opción de desactivar el razonamiento en consultas simples, siempre que los términos de la licencia encajen con el uso previsto.[2]

Fuentes

[1] OpenRouter catalog · Moondream: Moondream 3 PreviewFuentes consultadas: 13 nov 2026
[2] Model documentation · Moondream: Moondream 3 PreviewFuentes consultadas: 13 nov 2026

Sobre este modelo

La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.

Moondream 3 Preview is a vision-language model from Moondream with 9B total parameters and 2B active (mixture-of-experts). It handles visual question answering, captioning, OCR, and visual reasoning over images, with...

Especificaciones

ID del modelo: moondream/moondream3-preview
ID canónico: moondream/moondream3-preview-20261013
Creador: moondream
Añadido a OpenRouter: 15.10.2026
Longitud de contexto: 32,000
Modalidad: text+image->text
Modalidades de entrada: text, image
Modalidades de salida: text
Precio por token: USD por 1M de tokens: entrada $0.300 / salida $2.5
Corte de conocimiento: —
Fecha de expiración: —

Tareas y capacidades

Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.

Tarea	Nota	Capacidad declarada por la fuente
Calidad general	Sin medición	razonamiento: opcional · parámetros: include_reasoning, reasoning
Programación	Sin medición	—
Agentes	Sin medición	—
Escritura	Sin medición	salida: text
Razonamiento	Sin medición	razonamiento: opcional · parámetros: include_reasoning, reasoning
Análisis de documentos	Sin medición	—
Visión	Sin medición	entrada: image
Generación de imágenes	Sin medición	—
Audio	Sin medición	—
Vídeo	Sin medición	—
Embeddings	Sin medición	—

Evaluaciones

No hay evaluaciones aportadas para este modelo.

Cómo funcionan las notas

Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.

S — S — 10% superior de la cohorte
A — A — siguiente 20% de la cohorte
B — B — siguiente 30% de la cohorte
C — C — por debajo de la franja B

Proveedores

Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.

Proveedor	Longitud de contexto	Precio entrada /1M	Precio salida /1M	Latencia p50 (30m, s)	Rendimiento p50 (30m, tok/s)	Disponibilidad (30m)
PrimeIntellectfp8	32,000	$0.300	$2.5	—	—	—

Datos de proveedores obtenidos: 13.11.2026

Ningún artículo publicado identifica aún este modelo.