Moondream 3.1は、混合专家アーキテクチャを採用したビジョン言語モデルで、総パラメータ数は90億、アクティブなパラメータ数は20億です。このモデルは、最先端の視覚的推論と検出能力を提供しつつ、展開時の高速性とコスト効率を両立させることを目的としています。

  • モデルは混合专家アーキテクチャ（総数9B、アクティブ2B）を利用しています。
  • クエリ、検出、ポイント、キャプションなどのネイティブスキルを提供します。
  • すべてのスキルは構造化された出力を返します。