Moondream 3 Preview
Réseau Neuronal
Moondream 3 Preview est un modèle vision-langage de Moondream pour répondre aux questions sur images, décrire et faire de l'OCR.
Caractéristiques
- Entrée
- texte, images, documents
- Sortie
- texte
- Taille du contexte
- 32 000 tokens
- Longueur maximale de la réponse
- 4 096 tokens
- Niveaux de raisonnement
- faible, moyen, élevé
- Fonctionnalités
- raisonnement
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Moondream 3 Preview?
Moondream 3 Preview est un modèle vision-langage compact de l'équipe Moondream : 9 milliards de paramètres au total et 2 milliards actifs grâce à l'architecture mixture-of-experts. Le modèle répond aux questions sur les images, rédige des descriptions, reconnaît le texte et effectue des raisonnements visuels sans nécessiter les ressources des grands systèmes multimodaux. Sur BotHub, il est accessible depuis la Russie sans VPN ni carte étrangère, le paiement s'effectue en roubles par carte russe selon l'utilisation. Plus de 250 modèles sont réunis dans une seule interface : comparez la réponse de Moondream avec un autre modèle et basculez via une API compatible OpenAI sans réécrire l'intégration. Les données sont transmises avec le chiffrement AES-GCM. Utile pour analyser un scan ou une photo de document, extraire du texte, légender automatiquement un catalogue de produits, vérifier des images utilisateur, générer des descriptions d'accessibilité ou prototyper un agent lisant des graphiques et captures d'écran.Questions fréquentes sur Moondream 3 Preview
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
moondream3-preview est un modèle vision-langage de moondream : il accepte du texte, des images et des documents en entrée, et répond par du texte. Il est adapté pour décrire le contenu d'une image, trouver des objets sur une photo, extraire des données d'un scan ou d'un tableau et répondre à des questions sur un document. Contexte : 32 000 jetons.
Jusqu'à 4096 jetons par réponse, soit environ quelques pages. C'est suffisant pour des légendes d'images, des champs extraits, des descriptions et des rapports courts. Si vous avez besoin d'un résultat plus long, divisez la tâche en parties et assemblez les réponses séquentiellement en transmettant le fragment précédent dans le contexte.
Oui, le raisonnement avant réponse est confirmé dans nos données : le modèle peut décomposer la tâche en étapes avant de donner un résultat. Cela aide pour les questions sur images nécessitant de comparer des détails, compter des objets ou lier des chiffres d'un document à la question.
Dans nos données, l'appel de fonctions et la sortie JSON structurée ne sont pas indiqués pour ce modèle, ne comptez donc pas dessus — testez avec votre requête. Vous pouvez décrire le schéma souhaité directement dans le prompt, et si le format est critique, passez à un autre modèle via la même API BotHub.
Images et documents, oui, c'est son scénario principal : téléchargez une photo, une capture d'écran ou un scan et posez des questions sur le contenu. L'audio et la vidéo ne sont pas indiqués en entrée dans nos données. Le modèle répond par texte ; la génération d'images ou de son n'est pas annoncée.
Nous n'avons pas de données sur les langues des prompts et des réponses, nous ne pouvons donc pas garantir la qualité du russe. Le moyen le plus rapide est d'envoyer votre requête type avec une image et de voir le résultat. D'autres modèles sont disponibles dans la même fenêtre BotHub, vous pourrez donc comparer les réponses en une minute.