Moondream 3.1 9B A2B
нейросеть
Moondream 3.1 — компактная визуально-языковая модель от Moondream для распознавания текста на изображении, описаний и визуальных вопросов.
Характеристики
- Входные данные
- текст, изображения, документы
- Результат
- текст
- Размер контекста
- 32 000 токенов
- Макс. длина ответа
- 4 096 токенов
- Уровни рассуждений
- низкий, средний, высокий
- Возможности
- рассуждения
Стоимость промпта
(за 1M токенов)
Стоимость ответа
(за 1M токенов)
Как работает Moondream 3.1 9B A2B?
Moondream 3.1 — визуально-языковая модель от Moondream и продолжение Moondream 3 Preview: архитектура mixture-of-experts с 9 миллиардами параметров, из которых на каждый запрос активны 2 миллиарда. Она принимает изображение вместе с текстовым запросом и работает с его содержимым: отвечает на вопросы по картинке, составляет описания и распознаёт текст на изображении (OCR). Через BotHub модель открывается из России без VPN и зарубежной карты, а оплата идёт российскими картами в рублях и по факту, за токены, которые вы действительно израсходовали. Обращаться к ней можно через единый OpenAI-совместимый API, рядом в одном окне больше 250 моделей, так что сравнить ответы на том же изображении и переключиться получится без переписывания интеграции; компаниям доступны договор, счёт, ЭДО и админ-панель с лимитами. Пригодится, если вы разбираете скриншоты и фотографии документов, снимаете текст с чеков, табличек и упаковок, автоматически описываете каталоги и медиабиблиотеки, размечаете большие наборы картинок для датасетов или подключаете визуальные подсказки в поддержку, куда пользователи присылают фото.Частые вопросы о Moondream 3.1 9B A2B
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
moondream3.1-9b-a2b — визуально-языковая модель Moondream: принимает на вход текст, изображения и документы, а отвечает текстом. Подходит для описания картинок, извлечения данных со сканов и скриншотов, ответов на вопросы по изображению и разбора документов. Окно контекста — 32 000 токенов, хватает на подробную инструкцию рядом с картинкой.
Максимум за один ответ — 4096 токенов, это примерно несколько страниц текста. Для подробного описания изображения, таблицы с извлечёнными полями или развёрнутого разбора документа этого хватает. Нужен объём больше — делите задачу на части, контекст в 32 000 токенов удержит всю переписку.
Да, рассуждения перед ответом у moondream3.1-9b-a2b подтверждены. Модель может разобрать сцену по шагам: сначала найти объекты, сверить детали, а потом сформулировать вывод. Это заметно помогает, когда нужно сосчитать предметы на фото, прочитать мелкую подпись или сопоставить данные из таблицы.
В наших данных вызов функций и строгий JSON-режим не отмечены — это не значит, что их нет, но гарантировать не станем. Практичный путь: попросите ответ в нужной структуре прямо в промпте и валидируйте результат на своей стороне. А через единый API BotHub легко переключиться на модель с подтверждённым function calling.
Изображения и документы — да, это основной сценарий: загрузите фото, скриншот, скан или PDF и задайте вопрос по содержимому. Аудио и видео в наших данных не отмечены. Если работаете с роликом, выгрузите нужные кадры и отправьте их как обычные картинки.
Сведений о качестве конкретных языков в наших данных нет, поэтому обещать ничего не будем: проверьте модель на своих текстах и изображениях, это займёт пару минут. Сам BotHub русскоязычный — интерфейс, поддержка, оплата российскими картами и доступ без VPN и зарубежной карты.