Moondream 3.1 ist eine Version des Vision-Language-Modells Moondream mit Mixture-of-Experts-Architektur. Der Entwickler nennt insgesamt 9 Milliarden Parameter und etwa 2 Milliarden aktive Parameter pro Token. Der Schwerpunkt dieser Version liegt auf Antworten zu konkreten Objekten und Bildbereichen: Es geht darum, eine Szene zu beschreiben und zugleich anzugeben, auf welchen Teil sich das Ergebnis bezieht.
Die offizielle Modellkarte des Ausgangsmodells unterscheidet fünf Fähigkeiten: Bildfragen, Bildbeschriftung, Objekterkennung, Punktmarkierung und Segmentierung. Eine Frage liefert eine textliche Erklärung; die Erkennung ordnet ein Objekt einem rechteckigen Bereich zu; ein Punkt kennzeichnet seine Position; die Segmentierung grenzt die eingenommene Fläche ab. Dieser Ansatz ist in Systemen nützlich, die eine bestimmte Ergebnisart benötigen und keine freie Beschreibung des gesamten Bildes.
In Ailoot ist Moondream 3.1 für Textnachrichten und Textantworten angebunden. Bildverarbeitung und die Ausgabe visueller Koordinaten oder Masken über spezialisierte Fähigkeiten gehören nicht zur aktuellen Schnittstelle dieser Modellkarte. Für eine Textaufgabe können Sie eine bereits vorbereitete Beschreibung von Beobachtungen, eine Merkmalstabelle oder Ergebnisanforderungen übergeben und Fragen dazu stellen.
Liegen Informationen über Waren oder Objekte bereits als Text vor, können Sie die Anfrage beispielsweise an ausdrücklichen Kriterien ausrichten: welche Merkmale verglichen werden, was als Übereinstimmung gilt und wie ein fehlender Wert zu kennzeichnen ist. Lassen Sie Bezeichnungen und Ausgangswerte erhalten und die Schlussfolgerung mit einer kurzen Erklärung anhand der bereitgestellten Daten versehen. Dies ist Arbeit mit einer textlichen Aufzeichnung von Beobachtungen; sie ersetzt nicht die Betrachtung des ursprünglichen Fotos.
Für diese Version ist in Ailoot ein Kontext von 32 000 Token angegeben. Die Anfrage kann eine Anweisung, Beispiele des gewünschten Formats und die zu verarbeitenden Materialien enthalten. Wenn die Aufgabe eine eindeutige Auswahl verlangt, sollten Sie die zulässigen Antworten und Kriterien vorab festlegen: Dadurch wird die Aufgabenstellung überprüfbar, ohne Annahmen darüber, welche Angaben in der Eingabe fehlen.
Die Spezialisierung von Moondream auf visuelles Verständnis bedeutet nicht, dass jede numerische oder logische Schlussfolgerung automatisch korrekt ist. In der offiziellen Modellkarte unterscheidet der Entwickler Aufgaben zur Erkennung und räumlichen Zuordnung von allgemeinen textlichen Mathematikaufgaben. Wählen Sie diese Version anhand der konkreten Eingabe und der benötigten Antwort; in Ailoot bleibt das Ergebnis der aktuellen Anbindung Text.
", "aboutText": "### Moondream 3.1 und die Bindung an beobachtete Daten\n\nMoondream 3.1 ist eine Version des Vision-Language-Modells Moondream mit Mixture-of-Experts-Architektur. Der Entwickler nennt insgesamt 9 Milliarden Parameter und etwa 2 Milliarden aktive Parameter pro Token. Der Schwerpunkt dieser Version liegt auf Antworten zu konkreten Objekten und Bildbereichen: Es geht darum, eine Szene zu beschreiben und zugleich anzugeben, auf welchen Teil sich das Ergebnis bezieht.\n\nDie offizielle Modellkarte des Ausgangsmodells unterscheidet fünf Fähigkeiten: Bildfragen, Bildbeschriftung, Objekterkennung, Punktmarkierung und Segmentierung. Eine Frage liefert eine textliche Erklärung; die Erkennung ordnet ein Objekt einem rechteckigen Bereich zu; ein Punkt kennzeichnet seine Position; die Segmentierung grenzt die eingenommene Fläche ab. Dieser Ansatz ist in Systemen nützlich, die eine bestimmte Ergebnisart benötigen und keine freie Beschreibung des gesamten Bildes.\n\n### Verfügbarer Modus in Ailoot\n\nIn Ailoot ist Moondream 3.1 für Textnachrichten und Textantworten angebunden. Bildverarbeitung und die Ausgabe visueller Koordinaten oder Masken über spezialisierte Fähigkeiten gehören nicht zur aktuellen Schnittstelle dieser Modellkarte. Für eine Textaufgabe können Sie eine bereits vorbereitete Beschreibung von Beobachtungen, eine Merkmalstabelle oder Ergebnisanforderungen übergeben und Fragen dazu stellen.\n\nLiegen Informationen über Waren oder Objekte bereits als Text vor, können Sie die Anfrage beispielsweise an ausdrücklichen Kriterien ausrichten: welche Merkmale verglichen werden, was als Übereinstimmung gilt und wie ein fehlender Wert zu kennzeichnen ist. Lassen Sie Bezeichnungen und Ausgangswerte erhalten und die Schlussfolgerung mit einer kurzen Erklärung anhand der bereitgestellten Daten versehen. Dies ist Arbeit mit einer textlichen Aufzeichnung von Beobachtungen; sie ersetzt nicht die Betrachtung des ursprünglichen Fotos.\n\n### Kontext und Grenzen des Ergebnisses\n\nFür diese Version ist in Ailoot ein Kontext von 32 000 Token angegeben. Die Anfrage kann eine Anweisung, Beispiele des gewünschten Formats und die zu verarbeitenden Materialien enthalten. Wenn die Aufgabe eine eindeutige Auswahl verlangt, sollten Sie die zulässigen Antworten und Kriterien vorab festlegen: Dadurch wird die Aufgabenstellung überprüfbar, ohne Annahmen darüber, welche Angaben in der Eingabe fehlen.\n\nDie Spezialisierung von Moondream auf visuelles Verständnis bedeutet nicht, dass jede numerische oder logische Schlussfolgerung automatisch korrekt ist. In der offiziellen Modellkarte unterscheidet der Entwickler Aufgaben zur Erkennung und räumlichen Zuordnung von allgemeinen textlichen Mathematikaufgaben. Wählen Sie diese Version anhand der konkreten Eingabe und der benötigten Antwort; in Ailoot bleibt das Ergebnis der aktuellen Anbindung Text.", "locale": "de", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttextPOST /v1beta/models/moondream/moondream3.1-9b-a2b:generateContenttexttext