O Moondream 3.1 é um modelo de linguagem visual que apresenta uma arquitetura de mistura de especialistas com 9 bilhões de parâmetros totais e 2 bilhões de parâmetros ativos. Seu objetivo é entregar capacidades de raciocínio visual e detecção de última geração, permanecendo rápido e econômico para implantação.
- O modelo utiliza uma arquitetura de mistura de especialistas (9B no total, 2B ativos).
- Ele fornece habilidades nativas incluindo query, detect, point e caption.
- Todas as habilidades retornam saída estruturada.