Moondream 3.1 es un modelo de lenguaje visual que presenta una arquitectura de mezcla de expertos con 9 mil millones de parámetros totales y 2 mil millones de parámetros activos. Su objetivo es ofrecer capacidades de razonamiento visual y detección de última generación, manteniéndose rápido y rentable para su implementación.
- El modelo utiliza una arquitectura de mezcla de expertos (9B en total, 2B activos).
- Proporciona habilidades nativas que incluyen query, detect, point y caption.
- Todas las habilidades devuelven salida estructurada.