Moondream 3.1 9B A2B
Réseau Neuronal
Moondream 3.1 est un modèle vision-langage compact de Moondream pour la reconnaissance de texte, les descriptions et les questions visuelles.
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 3.1 9B A2B?
Moondream 3.1 est un modèle vision-langage de Moondream, successeur de Moondream 3 Preview : architecture mixture-of-experts avec 9 milliards de paramètres, dont 2 milliards actifs par requête. Il accepte une image avec une requête textuelle et traite son contenu : répond aux questions sur l'image, rédige des descriptions et reconnaît le texte (OCR). Via BotHub, le modèle est accessible sans VPN ni carte étrangère, avec paiement en roubles par carte russe, à l'usage, pour les jetons réellement consommés. Vous pouvez y accéder via une API unique compatible OpenAI, avec plus de 250 modèles disponibles dans une même fenêtre, permettant de comparer les réponses sur la même image sans réécrire l'intégration. Les entreprises bénéficient de contrats, factures, GED et d'un panneau d'administration avec limites. Utile pour analyser des captures d'écran et photos de documents, extraire du texte de reçus, tableaux et emballages, décrire automatiquement des catalogues et médiathèques, annoter de grands jeux de données d'images ou intégrer des aides visuelles au support client.Questions fréquentes sur Moondream 3.1 9B A2B
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.
moondream3.1-9b-a2b est un modèle vision-langage de Moondream : il accepte du texte, des images et des documents en entrée, et répond par du texte. Adapté pour décrire des images, extraire des données de scans et captures d'écran, répondre à des questions sur une image et analyser des documents. Fenêtre de contexte de 32 000 jetons, suffisante pour une instruction détaillée avec l'image.
Maximum 4096 jetons par réponse, soit environ quelques pages de texte. C'est suffisant pour une description détaillée d'image, un tableau avec des champs extraits ou une analyse approfondie de document. Si vous avez besoin de plus, divisez la tâche en parties ; le contexte de 32 000 jetons conservera toute la conversation.
Oui, le raisonnement avant réponse est confirmé pour moondream3.1-9b-a2b. Le modèle peut analyser une scène étape par étape : d'abord trouver les objets, vérifier les détails, puis formuler une conclusion. Cela aide considérablement pour compter des objets sur une photo, lire une petite légende ou comparer des données d'un tableau.
Dans nos données, l'appel de fonctions et le mode JSON strict ne sont pas indiqués — cela ne signifie pas qu'ils sont absents, mais nous ne pouvons pas le garantir. Une approche pratique : demandez la réponse dans la structure souhaitée directement dans le prompt et validez le résultat de votre côté. Via l'API unique de BotHub, il est facile de passer à un modèle avec function calling confirmé.
Images et documents, oui, c'est le scénario principal : chargez une photo, une capture d'écran, un scan ou un PDF et posez une question sur le contenu. L'audio et la vidéo ne sont pas indiqués dans nos données. Si vous travaillez avec une vidéo, extrayez les images nécessaires et envoyez-les comme des images classiques.
Nous n'avons pas d'informations sur la qualité des langues spécifiques dans nos données, nous ne promettons donc rien : testez le modèle avec vos textes et images, cela ne prendra que quelques minutes. BotHub lui-même est en russe — interface, support, paiement par cartes russes et accès sans VPN ni carte étrangère.