Moondream 3.1 to wersja modelu wizyjno-językowego Moondream z architekturą mieszaniny ekspertów. Twórca podaje łącznie 9 mld parametrów i około 2 mld aktywnych parametrów na token. Głównym kierunkiem tej wersji są odpowiedzi związane z konkretnymi obiektami i obszarami obrazu: ważne jest nie tylko opisanie sceny, ale również wskazanie, której jej części dotyczy wynik.
Oficjalna karta modelu źródłowego rozdziela pięć umiejętności: pytanie o obraz, podpis, wykrywanie obiektów, wskazywanie punktów i segmentację. Pytanie daje wyjaśnienie tekstowe; wykrywanie wiąże obiekt z prostokątnym obszarem; punkt określa jego położenie; segmentacja wyodrębnia zajmowany obszar. Takie podejście przydaje się w systemach potrzebujących określonego rodzaju wyniku zamiast swobodnego opisu całego obrazu.
W Ailoot Moondream 3.1 jest podłączona do wiadomości tekstowych i odpowiedzi tekstowych. Przetwarzanie obrazów oraz zwracanie współrzędnych wizualnych lub masek za pomocą specjalistycznych umiejętności nie wchodzą w zakres obecnego interfejsu tej karty. Do zadania tekstowego można przekazać wcześniej przygotowany opis obserwacji, tabelę cech lub wymagania dotyczące wyniku i zadać o nie pytanie.
Jeśli na przykład informacje o produktach lub obiektach są już zapisane tekstowo, zapytanie można oprzeć na jawnych kryteriach: które cechy porównujemy, co uznajemy za zgodność i jak oznaczamy brakującą wartość. Poproś o zachowanie nazw i wartości źródłowych oraz krótkie wyjaśnienie wniosku na podstawie przekazanych danych. Jest to praca z tekstowym zapisem obserwacji; nie zastępuje obejrzenia źródłowego zdjęcia.
Dla tej wersji w Ailoot podano kontekst 32 000 tokenów. Zapytanie może zawierać instrukcję, przykłady oczekiwanego formatu i materiały do przetworzenia. Jeśli zadanie wymaga jednoznacznego wyboru, warto wcześniej zdefiniować dopuszczalne odpowiedzi i podać kryteria: czyni to zadanie sprawdzalnym bez założeń dotyczących informacji nieobecnych na wejściu.
Specjalizacja Moondream w rozumieniu wizualnym nie oznacza automatycznej dokładności każdego wniosku liczbowego lub logicznego. W oficjalnej karcie twórca oddziela wykrywanie i lokalizację przestrzenną od ogólnych tekstowych zadań matematycznych. Tę wersję warto wybierać z uwzględnieniem konkretnego wejścia i wymaganej odpowiedzi; w Ailoot wynikiem aktualnego podłączenia pozostaje tekst.
", "aboutText": "### Moondream 3.1 i odniesienie do obserwowanych danych\n\nMoondream 3.1 to wersja modelu wizyjno-językowego Moondream z architekturą mieszaniny ekspertów. Twórca podaje łącznie 9 mld parametrów i około 2 mld aktywnych parametrów na token. Głównym kierunkiem tej wersji są odpowiedzi związane z konkretnymi obiektami i obszarami obrazu: ważne jest nie tylko opisanie sceny, ale również wskazanie, której jej części dotyczy wynik.\n\nOficjalna karta modelu źródłowego rozdziela pięć umiejętności: pytanie o obraz, podpis, wykrywanie obiektów, wskazywanie punktów i segmentację. Pytanie daje wyjaśnienie tekstowe; wykrywanie wiąże obiekt z prostokątnym obszarem; punkt określa jego położenie; segmentacja wyodrębnia zajmowany obszar. Takie podejście przydaje się w systemach potrzebujących określonego rodzaju wyniku zamiast swobodnego opisu całego obrazu.\n\n### Dostępny tryb w Ailoot\n\nW Ailoot Moondream 3.1 jest podłączona do wiadomości tekstowych i odpowiedzi tekstowych. Przetwarzanie obrazów oraz zwracanie współrzędnych wizualnych lub masek za pomocą specjalistycznych umiejętności nie wchodzą w zakres obecnego interfejsu tej karty. Do zadania tekstowego można przekazać wcześniej przygotowany opis obserwacji, tabelę cech lub wymagania dotyczące wyniku i zadać o nie pytanie.\n\nJeśli na przykład informacje o produktach lub obiektach są już zapisane tekstowo, zapytanie można oprzeć na jawnych kryteriach: które cechy porównujemy, co uznajemy za zgodność i jak oznaczamy brakującą wartość. Poproś o zachowanie nazw i wartości źródłowych oraz krótkie wyjaśnienie wniosku na podstawie przekazanych danych. Jest to praca z tekstowym zapisem obserwacji; nie zastępuje obejrzenia źródłowego zdjęcia.\n\n### Kontekst i granice wyniku\n\nDla tej wersji w Ailoot podano kontekst 32 000 tokenów. Zapytanie może zawierać instrukcję, przykłady oczekiwanego formatu i materiały do przetworzenia. Jeśli zadanie wymaga jednoznacznego wyboru, warto wcześniej zdefiniować dopuszczalne odpowiedzi i podać kryteria: czyni to zadanie sprawdzalnym bez założeń dotyczących informacji nieobecnych na wejściu.\n\nSpecjalizacja Moondream w rozumieniu wizualnym nie oznacza automatycznej dokładności każdego wniosku liczbowego lub logicznego. W oficjalnej karcie twórca oddziela wykrywanie i lokalizację przestrzenną od ogólnych tekstowych zadań matematycznych. Tę wersję warto wybierać z uwzględnieniem konkretnego wejścia i wymaganej odpowiedzi; w Ailoot wynikiem aktualnego podłączenia pozostaje tekst.", "locale": "pl", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttextPOST /v1beta/models/moondream/moondream3.1-9b-a2b:generateContenttexttext