Moondream 3.1 是一款采用混合专家（mixture-of-experts）架构的视觉语言模型，总参数量为 90 亿，激活参数量为 20 亿。它旨在提供最先进的视觉推理和检测能力，同时保持快速且具成本效益的部署。

  • 该模型利用混合专家架构（总计 9B，激活 2B）。
  • 它提供原生技能，包括 query、detect、point 和 caption。
  • 所有技能均返回结构化输出。