O Moondream 3 Preview é um modelo da família Moondream, criada em torno da compreensão de imagens e de tarefas ligadas a objetos concretos de uma cena. Na terceira geração, o fabricante adotou uma arquitetura de mistura de especialistas: o modelo contém 9 mil milhões de parâmetros no total e utiliza cerca de 2 mil milhões por token. Esta separação permite combinar o volume total dos pesos com uma parte ativa menor no processamento de cada token.
A ficha oficial do Preview descreve 24 camadas, um codificador visual baseado no SigLIP e o tokenizador SuperBPE. Entre as capacidades especializadas do modelo original estão responder a perguntas sobre imagens, criar legendas, indicar pontos e delimitar objetos com retângulos. São tarefas diferentes: explicar o conteúdo de uma cena, descrever a imagem inteira e localizar espacialmente um objeto produzem tipos de resultado distintos.
Para este modelo, a Ailoot disponibiliza entrada de texto e resposta de texto. Imagens, coordenadas de objetos e métodos visuais especializados não fazem parte da interface atual da ficha. O fabricante também apresenta para o Preview um exemplo de pergunta sem imagem: o modelo explica um conceito a partir de uma instrução textual normal.
Este modo pode ser utilizado para explicações, respostas sobre informação fornecida e organização de material textual segundo uma estrutura definida. Por exemplo, pode enviar um rascunho de descrição, indicar o público e pedir uma reformulação mais clara que conserve os factos. Outra opção é juntar uma instrução textual e pedir a sua apresentação como sequência de ações, com uma breve explicação de cada passo.
Indique diretamente a tarefa e o formato da resposta: explicação breve, texto corrido, lista ou tabela. Se precisar de analisar um material concreto, inclua-o na mensagem e assinale a informação que deve ser conservada sem alterações. Uma pergunta sobre uma cena visual no modo textual exige uma descrição verbal da cena; o modelo trabalha com a descrição fornecida, não com a própria imagem.
Na Ailoot está indicado um contexto de 32 000 tokens para o Moondream 3 Preview. Inclui as mensagens e os materiais da discussão atual. A designação Preview mantém a sua pertença a uma versão preliminar da terceira geração; as propriedades desta versão e da versão 3.1 devem ser consideradas separadamente, sobretudo ao trabalhar com as capacidades especializadas dos modelos originais.
", "aboutText": "### Versão preliminar do Moondream 3\n\nO Moondream 3 Preview é um modelo da família Moondream, criada em torno da compreensão de imagens e de tarefas ligadas a objetos concretos de uma cena. Na terceira geração, o fabricante adotou uma arquitetura de mistura de especialistas: o modelo contém 9 mil milhões de parâmetros no total e utiliza cerca de 2 mil milhões por token. Esta separação permite combinar o volume total dos pesos com uma parte ativa menor no processamento de cada token.\n\nA ficha oficial do Preview descreve 24 camadas, um codificador visual baseado no SigLIP e o tokenizador SuperBPE. Entre as capacidades especializadas do modelo original estão responder a perguntas sobre imagens, criar legendas, indicar pontos e delimitar objetos com retângulos. São tarefas diferentes: explicar o conteúdo de uma cena, descrever a imagem inteira e localizar espacialmente um objeto produzem tipos de resultado distintos.\n\n### Trabalho textual na Ailoot\n\nPara este modelo, a Ailoot disponibiliza entrada de texto e resposta de texto. Imagens, coordenadas de objetos e métodos visuais especializados não fazem parte da interface atual da ficha. O fabricante também apresenta para o Preview um exemplo de pergunta sem imagem: o modelo explica um conceito a partir de uma instrução textual normal.\n\nEste modo pode ser utilizado para explicações, respostas sobre informação fornecida e organização de material textual segundo uma estrutura definida. Por exemplo, pode enviar um rascunho de descrição, indicar o público e pedir uma reformulação mais clara que conserve os factos. Outra opção é juntar uma instrução textual e pedir a sua apresentação como sequência de ações, com uma breve explicação de cada passo.\n\n### Como formular o pedido\n\nIndique diretamente a tarefa e o formato da resposta: explicação breve, texto corrido, lista ou tabela. Se precisar de analisar um material concreto, inclua-o na mensagem e assinale a informação que deve ser conservada sem alterações. Uma pergunta sobre uma cena visual no modo textual exige uma descrição verbal da cena; o modelo trabalha com a descrição fornecida, não com a própria imagem.\n\nNa Ailoot está indicado um contexto de 32 000 tokens para o Moondream 3 Preview. Inclui as mensagens e os materiais da discussão atual. A designação Preview mantém a sua pertença a uma versão preliminar da terceira geração; as propriedades desta versão e da versão 3.1 devem ser consideradas separadamente, sobretudo ao trabalhar com as capacidades especializadas dos modelos originais.", "locale": "pt-pt", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttextPOST /v1beta/models/moondream/moondream3-preview:generateContenttexttext