Moondream 加入 Prime Intellect：Cloud 11 月退場，視覺 AI 用戶怎麼遷移？
Moondream 加入 Prime Intellect，Cloud 推論與 Lens 將於 2026 年 11 月 13 日關閉。整理退款、移轉入口、Photon 效能口徑與 API 遷移檢查，協助團隊安排視覺 AI 服務切換。
Moondream 接進產品後，開發者關心的不只是辨識分數。讓程式呼叫模型服務的 API 介面能否繼續使用、舊帳戶的餘額怎麼處理，往往比下一張效能圖更急迫。
Prime Intellect 在 2026 年 10 月 13 日宣布收購 Moondream，兩位共同創辦人將加入團隊，推進多模態模型與推論服務。Moondream 自己則在隔日公告加入的消息。
現有用戶要留意 Cloud 的退場時程。官方列出 11 月 13 日關閉，並說明未使用的購買額度將退款，也會協助客戶移轉服務。
模型本身也要和服務拆開看。Moondream 3.1 早在 7 月推出，本週則進入 Prime Inference。開放權重的模型和原來的雲端 API，有不同的使用方式。
Prime 看中的還包括 Photon 推論引擎。它嘗試把模型與底層運算一起優化，讓專用視覺模型能以較低成本反覆執行辨識任務。
對已接入 Cloud 的團隊，眼前最重要的是確認遷移後的輸入、輸出與帳務。對新使用者，則可以把這次整合作為重新比較代管推論與自行部署的時機。
Moondream 為什麼加入 Prime Intellect？
這次收購把視覺模型、推論引擎與模型訓練平臺放在同一個團隊，目標是讓模型從訓練到實際服務時，都能用相互配合的系統。
依 Prime Intellect 收購公告，共同創辦人 Vik Korrapati 與 Jay Allen 將加入，擴展推論服務，並加速視覺及電腦操作等多模態研究。
多模態就是模型處理的資料不只文字，也可能包含影像、聲音或影片。不同輸入需要不同運算方式，因此同一套通用服務不一定適合所有工作。
Moondream 的主張，是在明確任務上，小型專用模型有機會用較少資源完成工作。例如系統每天反覆判斷影像中的物件位置，未必需要每次都呼叫大型通用助理。
但模型小，不代表服務自然就快。讀取圖片、安排批次、移動資料及執行模型，都會影響等候時間。Photon 處理的正是這些推論環節。
推論是模型接到輸入、算出結果的過程。對產品團隊來說，訓練決定模型會什麼，推論服務則決定每次使用要等多久、花多少錢。
Prime 原本提供訓練、評估與推論等平臺能力，收購後可把 Photon 的系統工作納入其中。這是整合方向，並不表示所有既有客戶的服務都已經移轉完成。
收購的長期目標要花時間落實，Cloud 用戶眼前則有明確的期限要處理。
Moondream Cloud 何時關閉，剩餘額度怎麼辦？
Moondream 官方移轉公告明載，2026 年 11 月 13 日將關閉 Cloud，範圍包含推論與 Lens。Lens 是原本用於模型客製化的產品，因此影響不只單次看圖 API。
官方表示，尚未使用的購買額度將退款，也會協助客戶移轉至 Prime，以處理推論、微調或相近需求。微調就是再用特定資料訓練模型，讓它更貼近自己的任務。
Prime 的公告另外說，原 Cloud 客戶將在接下來幾天收到平臺額度，可用於模型與較廣泛的訓練及推論服務。這與未使用購買額度的退款，是兩份公告中不同的安排。
因此，團隊應分開確認原帳戶退款、Prime 帳戶額度，以及正式服務的計價方式。不能只因公告有移轉優惠，就把正式環境的用量視為已經付清。
以下把最容易混在一起的變動整理出來。
| 項目 | 官方公告的變動 | 用戶需要確認的事 |
|---|---|---|
| Moondream Cloud | 11 月 13 日關閉推論及 Lens | 哪些產品、排程仍呼叫舊服務 |
| 購買額度 | 未使用部分將退款 | 自己帳戶的剩餘金額與處理狀態 |
| Prime 平臺額度 | 公告將提供移轉額度 | 帳戶是否收到、可用範圍與條件 |
| 開放模型 | 將維持開放並持續改善 | 自行部署所需版本、授權與資源 |
表格中的最後一列，說明模型權重開放和雲端服務持續營運是兩件事。權重是模型的參數檔案，能下載並不代表原供應商必須永遠維持同一個 API。
移轉也不一定只涉及修改網址。若產品使用 Lens 訓練的客製模型，還需要確認如何保留版本及部署。單純成功呼叫通用模型，並不能代替客製流程驗收。
整理完這些相依項目，再回頭看模型能力，才能挑出值得放進遷移測試的工作。
Moondream 3.1 能做哪些視覺工作？
這個系列的定位，是讓程式能針對圖片提問、描述畫面或找出物件，而不是只產生一段好看的圖片說明。
官方模型卡將 3.1 描述為混合專家視覺語言模型，總參數約 90 億，每次運算啟用約 20 億。混合專家是按輸入選用部分運算路徑，而不是每一步都使用全部參數。
這個設計有助控制運算量，但總權重仍要妥善載入及管理，所以不能直接把啟用參數當成記憶體需求。部署時還會有影像處理及運行中的資料占用。
對使用者而言，先分清以下幾種能力，比記住所有規格更實際。
| 能力 | 輸出重點 | 可用來測試的工作 |
|---|---|---|
| 圖片問答與描述 | 用文字回答畫面問題 | 資產標記、指定內容查找 |
| 物件偵測 | 找出某類物件的位置 | 貨架物品、畫面元素定位 |
| 指點 | 指出描述對應的座標 | 指定物件或介面位置 |
| 分割 | 找出物件占據的區域 | 需要物件輪廓的影像流程 |
這些工作需要的正確答案不同。圖片描述通順，不能證明座標精準。物件有被框到，也不能證明分割邊界符合後續用途。
因此，遷移時應沿用產品真正使用的能力測試。如果原流程需要物件座標，就比對座標的格式、範圍與錯誤率，而不是只問「這張圖裡有什麼」。
另外，3.1 的原始發布文章日期是 7 月 7 日。十月出現在新服務或模型目錄，是新增使用入口，不能當成模型首次發布的日期。
延伸閱讀：Glimpse 視覺推理模型發布：看影片、追物體，低價 API 適合哪些工作？
功能比對之後，再看速度與費用，才不會比較到兩種不同的工作。
Photon 的速度數字，應該怎麼讀？
Photon 讓模型和底層執行方式一起優化，但官方公布的幾組速度不是同一項指標，不能相互代換。
Prime 的收購文章提到，3.1 在某些視覺評測的設定下，可達每秒 34 次請求。文章另一處則說，Photon 在一張 H100 上可執行每秒超過 60 次推論，並把後者列為內部量測。
每秒請求數描述一段時間能處理多少工作，單次延遲則是使用者等一個答案多久。服務可以靠同時處理多個請求提高吞吐量，卻未必讓每個答案等候時間同比縮短。
圖片大小、問題長度、批次設定與輸出內容也會改變結果。若新舊測試條件不同，即使都用同一款模型，也很難從兩個數字判斷引擎改善多少。
費用比較同樣需要任務對齊。官方拿照片物件指點與大型模型比較成本，其中部分依據為尚未公開的內部評估，所以它是供應商提出的結果，沒有直接涵蓋讀者的資料。
對接產品時，更實際的計算方式是每個通過驗收的任務成本。若便宜模型需要多次重試、人工修正或額外服務，這些工作也要計入。
假設影像定位結果還要由人檢查，團隊就應同時記錄模型費與人工覆核時間。否則只看到 API 帳單下降，可能沒發現成本只是移到另一段流程。
這些比較不需要一開始就做大規模壓力測試。先讓代表性任務正確完成，再逐步增加併發，才知道速度瓶頸是否真的在推論服務。
從 Cloud 移轉前，先比對哪五件事？
現有用戶應先做一份仍在使用舊服務的清單，再用固定輸入比較新舊輸出。直接切換所有流量，反而容易漏掉不常執行但影響重要的排程。
第一項是入口與驗證。記下每個環境使用的端點、模型名稱及金鑰配置，並確認移轉後的錯誤訊息能被原系統辨識。成功回傳一次答案，只能證明基本連線可用。
第二項是輸入與輸出約定。檢查圖片傳送方式、檔案限制、回傳欄位及座標表示法。若原產品依賴固定 JSON 結構，也要確認程式能解析新回應。
第三項是工作正確率。挑出模糊圖片、擁擠畫面、小物件及原本容易誤判的案例，保留人工答案，才能分辨移轉後是相當、改善還是退步。
第四項是帳務。分開記錄舊帳戶退款、新平臺額度與實際用量，並用一小批任務核對帳單。不同入口可能有不同價格，不宜直接沿用舊服務的預算公式。
第五項是失敗恢復。測試逾時、限流、圖片讀取失敗與重試後的結果，因為正式產品需要能處理偶發錯誤，不只是順利時答得出來。
完成這組比對後，再決定採用 Prime 代管服務或自行部署。代管可減少日常維運，自行部署則能自行安排版本與資源，但也需要承擔容量、更新與故障處理。
延伸閱讀：MiniCPM-V 4.7 本機視覺 AI 解析：手機讀圖更快，3GB 記憶體與五倍加速怎麼看
切換時保留可回溯的版本
通過測試後，仍應留下模型版本與服務設定。因為同一個產品名稱底下，權重、引擎或預設參數可能持續更新，幾週後重跑未必得到完全相同的結果。
固定測試集可以讓團隊發現變化，也能在不同供應入口之間保留同一套比較依據。它不必很大，但應包含產品常見畫面與過去失敗案例，並保留輸出格式及人工答案，才容易在服務更新後快速比對。
若部署方式允許分批切換，可以先讓一小部分可回復的工作使用新服務，再逐步增加。這是遷移建議，不是官方保證提供的流量切換功能，實作仍要看自己的系統。
自行部署的團隊也有版本責任。下載了權重後，還要保存相容程式、必要設定及啟動方式，否則之後換機器時，可能找得到模型卻無法重現當時環境。
這些準備會多花一點時間，但用途很直接：若帳單、速度或輸出開始偏離原測試，團隊能查出是哪一層改變，而不必從使用者回報重新猜起。
兩種方式都要回到完整任務驗收，不能只用「開放」或「代管」替結果作保證。
Moondream 常見問題
Moondream 3.1 是十月才發布的模型嗎？
不是。官方發布文章標示 2026 年 7 月 7 日。十月的新事件是加入 Prime Intellect，以及增加新的推論服務入口。
Cloud 關閉代表模型權重也會消失嗎？
官方表示模型將維持開放並繼續改善。雲端服務退場與模型是否可取得是不同問題，但自行運行仍需要相容軟體、資源及適用授權。
原來的 API 金鑰可以直接搬過去嗎？
移轉應依新平臺文件與帳戶安排進行。不要假設舊金鑰、額度或模型名稱會自動沿用，應先在測試環境完成連線與帳務確認。
收購後價格一定會下降嗎？
收購公告不等於每個入口的降價承諾。應以自己選用平臺當時的計費條件，配合圖片大小、呼叫次數、重試及覆核成本比較。
在關閉日前完成可重現的遷移比對
對已經使用 Cloud 的團隊，這次收購最有用的下一步，是先確認所有相依服務，再完成小批次平行測試。保留輸入與人工答案，才有辦法在正式切換後追查差異。
對正在選視覺模型的人，整合後的訓練與推論能力值得評估，但仍要以自己的任務選擇入口。先確定輸出可用，再追求速度，才能讓小模型的效率轉成產品效益。
想持續追蹤視覺模型、開源工具與服務移轉資訊，可以免費訂閱 AI 郵報，並把下一次測試的輸入及驗收標準先存下來。
