Moondream 3 Preview es un modelo de la familia Moondream, creada en torno a la comprensión de imágenes y las tareas relacionadas con objetos concretos de una escena. En la tercera generación, el desarrollador adoptó una arquitectura de mezcla de expertos: el modelo contiene 9 mil millones de parámetros en total y utiliza unos 2 mil millones por token. Esta separación permite combinar el volumen total de los pesos con una parte activa menor al procesar cada token.
La ficha oficial de Preview describe 24 capas, un codificador visual basado en SigLIP y el tokenizador SuperBPE. Entre las capacidades especializadas del modelo original figuran responder preguntas sobre imágenes, generar pies de imagen, señalar puntos y delimitar objetos mediante rectángulos. Son tareas diferentes: explicar el contenido de una escena, describir una imagen completa y ubicar espacialmente un objeto producen distintos tipos de resultado.
Para este modelo, Ailoot ofrece entrada de texto y respuesta de texto. Las imágenes, las coordenadas de objetos y los métodos visuales especializados no forman parte de la interfaz actual de la ficha. El desarrollador también aporta para Preview un ejemplo de pregunta sin imagen: el modelo explica un concepto a partir de una instrucción de texto habitual.
Este modo puede utilizarse para explicaciones, respuestas basadas en información proporcionada y organización de materiales de texto con una estructura determinada. Por ejemplo, puedes enviar un borrador de descripción, indicar el público y pedir que se reescriba de forma más clara conservando los hechos. Otra opción es adjuntar unas instrucciones de texto y pedir que se presenten como una secuencia de acciones con una breve explicación de cada paso.
Indica directamente la tarea y el formato de la respuesta: explicación breve, texto continuo, lista o tabla. Si necesitas analizar un material concreto, inclúyelo en el mensaje y señala la información que debe conservarse sin cambios. Una pregunta sobre una escena visual en el modo de texto requiere una descripción verbal de la escena; el modelo trabaja con la descripción proporcionada y no con la propia imagen.
Para Moondream 3 Preview en Ailoot se indica un contexto de 32 000 tokens. Incluye los mensajes y materiales de la conversación actual. La denominación Preview mantiene su carácter de versión preliminar de la tercera generación; las propiedades de esta versión y de la 3.1 deben considerarse por separado, especialmente al trabajar con las funciones especializadas de los modelos originales.
", "aboutText": "### Versión preliminar de Moondream 3\n\nMoondream 3 Preview es un modelo de la familia Moondream, creada en torno a la comprensión de imágenes y las tareas relacionadas con objetos concretos de una escena. En la tercera generación, el desarrollador adoptó una arquitectura de mezcla de expertos: el modelo contiene 9 mil millones de parámetros en total y utiliza unos 2 mil millones por token. Esta separación permite combinar el volumen total de los pesos con una parte activa menor al procesar cada token.\n\nLa ficha oficial de Preview describe 24 capas, un codificador visual basado en SigLIP y el tokenizador SuperBPE. Entre las capacidades especializadas del modelo original figuran responder preguntas sobre imágenes, generar pies de imagen, señalar puntos y delimitar objetos mediante rectángulos. Son tareas diferentes: explicar el contenido de una escena, describir una imagen completa y ubicar espacialmente un objeto producen distintos tipos de resultado.\n\n### Trabajo con texto en Ailoot\n\nPara este modelo, Ailoot ofrece entrada de texto y respuesta de texto. Las imágenes, las coordenadas de objetos y los métodos visuales especializados no forman parte de la interfaz actual de la ficha. El desarrollador también aporta para Preview un ejemplo de pregunta sin imagen: el modelo explica un concepto a partir de una instrucción de texto habitual.\n\nEste modo puede utilizarse para explicaciones, respuestas basadas en información proporcionada y organización de materiales de texto con una estructura determinada. Por ejemplo, puedes enviar un borrador de descripción, indicar el público y pedir que se reescriba de forma más clara conservando los hechos. Otra opción es adjuntar unas instrucciones de texto y pedir que se presenten como una secuencia de acciones con una breve explicación de cada paso.\n\n### Cómo formular la solicitud\n\nIndica directamente la tarea y el formato de la respuesta: explicación breve, texto continuo, lista o tabla. Si necesitas analizar un material concreto, inclúyelo en el mensaje y señala la información que debe conservarse sin cambios. Una pregunta sobre una escena visual en el modo de texto requiere una descripción verbal de la escena; el modelo trabaja con la descripción proporcionada y no con la propia imagen.\n\nPara Moondream 3 Preview en Ailoot se indica un contexto de 32 000 tokens. Incluye los mensajes y materiales de la conversación actual. La denominación Preview mantiene su carácter de versión preliminar de la tercera generación; las propiedades de esta versión y de la 3.1 deben considerarse por separado, especialmente al trabajar con las funciones especializadas de los modelos originales.", "locale": "es-mx", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttextPOST /v1beta/models/moondream/moondream3-preview:generateContenttexttext