Moondream 3.1 9B A2B
Red Neuronal
Moondream 3.1 es un modelo compacto de visión-lenguaje de Moondream para reconocimiento de texto, descripciones y preguntas visuales.
Características
- Entrada
- texto, imágenes, documentos
- Salida
- texto
- Tamaño del contexto
- 32 000 tokens
- Longitud máxima de respuesta
- 4 096 tokens
- Niveles de razonamiento
- bajo, medio, alto
- Funciones
- razonamiento
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona Moondream 3.1 9B A2B?
Moondream 3.1 es un modelo de visión-lenguaje de Moondream y sucesor de Moondream 3 Preview: arquitectura mixture-of-experts con 9 mil millones de parámetros, de los cuales 2 mil millones están activos por consulta. Acepta una imagen junto con una solicitud de texto y trabaja con su contenido: responde preguntas sobre la imagen, redacta descripciones y reconoce texto (OCR). A través de BotHub, el modelo está disponible sin VPN ni tarjetas extranjeras, con pagos en rublos mediante tarjetas rusas y cobro por uso real de tokens. Puede acceder a él a través de una API única compatible con OpenAI, con más de 250 modelos disponibles en una sola ventana, lo que permite comparar respuestas y cambiar de modelo sin reescribir la integración. Las empresas disponen de contratos, facturas, intercambio electrónico de documentos y panel de administración con límites. Es útil para analizar capturas de pantalla y fotos de documentos, extraer texto de recibos, letreros y envases, describir catálogos y bibliotecas multimedia automáticamente, etiquetar grandes conjuntos de imágenes para datasets o integrar asistencia visual donde los usuarios envían fotos.Preguntas frecuentes sobre Moondream 3.1 9B A2B
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
moondream3.1-9b-a2b es un modelo de visión-lenguaje de Moondream: acepta texto, imágenes y documentos, y responde con texto. Es adecuado para describir imágenes, extraer datos de escaneos y capturas de pantalla, responder preguntas sobre imágenes y analizar documentos. La ventana de contexto es de 32 000 tokens, suficiente para instrucciones detalladas junto a la imagen.
El máximo por respuesta es de 4096 tokens, aproximadamente varias páginas de texto. Es suficiente para descripciones detalladas de imágenes, tablas con campos extraídos o análisis extensos de documentos. Si necesita más volumen, divida la tarea en partes; el contexto de 32 000 tokens mantendrá toda la conversación.
Sí, el razonamiento antes de responder está confirmado en moondream3.1-9b-a2b. El modelo puede analizar la escena paso a paso: primero encontrar objetos, verificar detalles y luego formular una conclusión. Esto ayuda notablemente cuando se necesita contar objetos en una foto, leer letra pequeña o comparar datos de una tabla.
En nuestros datos, la llamada a funciones y el modo JSON estricto no están marcados; esto no significa que no existan, pero no podemos garantizarlo. Un enfoque práctico: solicite la respuesta en la estructura deseada directamente en el prompt y valide el resultado por su cuenta. A través de la API unificada de BotHub, es fácil cambiar a un modelo con function calling confirmado.
Imágenes y documentos, sí, es el escenario principal: cargue una foto, captura de pantalla, escaneo o PDF y haga preguntas sobre el contenido. El audio y el video no están marcados en nuestros datos. Si trabaja con un video, extraiga los fotogramas necesarios y envíelos como imágenes normales.
No hay información sobre la calidad de idiomas específicos en nuestros datos, por lo que no prometemos nada: pruebe el modelo con sus propios textos e imágenes, tomará un par de minutos. BotHub en sí es compatible con el ruso: interfaz, soporte, pago con tarjetas rusas y acceso sin VPN ni tarjetas extranjeras.