Moondream 3.1-9B-A2B : modèle de langage visuel avec une architecture à mélange d'experts

Moondream 3.1 est un modèle de langage visuel présentant une architecture à mélange d'experts avec 9 milliards de paramètres au total et 2 milliards de paramètres actifs. Il vise à offrir des capacités de raisonnement et de détection visuelle de pointe tout en restant rapide et rentable pour le déploiement.

• Le modèle utilise une architecture à mélange d'experts (9B au total, 2B actifs).
• Il fournit des compétences natives incluant la requête, la détection, le pointage et la légende.
• Toutes les compétences retournent une sortie structurée.