Prime Intellect rachète Moondream pour accélérer ses modèles d’IA multimodaux

Prime Intellect acquiert Moondream et son moteur Photon pour accélérer l'exécution des modèles d'IA multimodaux, notamment en vision et en utilisation d'ordinateur.

Prime Intellect renforce son infrastructure d'intelligence artificielle avec le rachat de Moondream, spécialiste des modèles de vision compacts et de leur exécution rapide. L'opération réunit deux entreprises qui défendent une approche commune : privilégier des modèles spécialisés, capables d'accomplir certaines tâches à moindre coût, plutôt que de solliciter systématiquement les plus grands modèles généralistes. Le montant de l'acquisition n'a pas été communiqué. Moondream apporte ses modèles de vision et son moteur Photon

Fondé par Vik Korrapati et Jay Allen, Moondream s'est fait connaître avec ses modèles vision-langage aux poids ouverts, téléchargés plusieurs millions de fois chaque mois. Ils sont conçus pour analyser des images, identifier des objets, interpréter des graphiques ou comprendre des scènes visuellement complexes.

L'entreprise a également développé Photon, un moteur d'inférence qui compile les modèles en programmes optimisés pour les GPU. Associé à des composants de calcul personnalisés et à un compilateur spécialisé, il vise à réduire le temps de réponse et les ressources nécessaires à leur fonctionnement.

Sur une seule carte NVIDIA H100, Prime Intellect annonce plus de 60 inférences Moondream par seconde, une cadence adaptée à certaines applications de vision en temps réel, notamment l'analyse de flux vidéo. Moondream 3.1 face aux modèles généralistes

La dernière génération, Moondream 3.1, se distingue selon ses concepteurs dans la détection d'objets, l'analyse d'images aériennes, la lecture de graphiques et la compréhension de scènes chargées, comme des rayonnages de magasins.

Prime Intellect revendique un débit de 34 requêtes par seconde, environ 24 fois supérieur à celui du modèle ouvert le plus précis retenu dans sa comparaison.

Une autre évaluation interne oppose Moondream 3.1 à Muse Wonder, le nouveau modèle avancé de Meta. Sur une tâche consistant à localiser des objets dans des photographies, Moondream atteindrait 80 % de sa précision pour un coût environ 1 000 fois inférieur.

Ces chiffres portent sur des tâches ciblées et des configurations précises. Ils ne signifient pas que Moondream dispose des mêmes capacités générales que Muse Wonder, ni que ces rapports de performance s'appliquent à tous les usages. Une infrastructure commune, de l'entraînement à l'inférence

Prime Intellect développe une plateforme permettant d'entraîner, d'affiner et de déployer des modèles d'IA. L'arrivée de Moondream doit lui permettre d'intégrer plus étroitement cette infrastructure avec les technologies d'inférence nécessaires à leur utilisation en production.

Photon et les travaux d'optimisation GPU de Moondream sont progressivement intégrés à cette plateforme. Les deux fondateurs rejoignent également Prime Intellect pour développer ses capacités dans la vision artificielle, les modèles multimodaux et les agents capables d'interagir avec des interfaces informatiques.

L'objectif dépasse la seule analyse d'images : Prime Intellect veut proposer une infrastructure commune pour des modèles spécialisés dans la vidéo, la voix, la prise de décision et l'utilisation d'ordinateur. Une première intégration déjà disponible

Le rapprochement est déjà visible dans Prime Inference, où Moondream 3.1 peut désormais être exécuté avec le moteur Photon.

Les modèles de décision Clef et Clef Flash sont également accessibles via Prime Inference et OpenRouter. Prime Intellect annonce un prix équivalent à celui de Jev pour Clef, tandis que Clef Flash est proposé à la moitié de ce tarif.

Les utilisateurs de Moondream Cloud doivent par ailleurs recevoir des crédits utilisables sur les services de Prime Intellect. La marque Moondream sera conservée pour les petits modèles multimodaux efficaces.

Avec cette acquisition, Prime Intellect ne récupère pas simplement une famille de modèles de vision. L'entreprise intègre surtout une technologie d'exécution et une équipe capable d'optimiser les modèles au plus près du matériel. Un choix qui reflète un enjeu croissant dans l'industrie : la performance d'une IA dépend autant de la manière dont elle est exécutée que de ses capacités lors de l'entraînement.