/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
moondream3-preview
Библиотека
transformers
Опубликована
4 дек 2025

moondream3-preview-4bit

Изображение и текст → текст3 профессии

Квантованная до INT4 Moondream 3 (Preview) — компактная мультимодальная модель для вопросов и ответов по изображениям.

125скачиваний за 30 дней17лайковвеса обновлены4 дек 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это 4-битная версия Moondream 3 (Preview), опубликованная alecccdd и предназначенная для работы с изображениями через вопросы и текстовые ответы. Модель принимает изображение и текстовый запрос, а выдаёт ответ на естественном языке; карточка базовой Moondream 3 также описывает создание описаний изображений и обнаружение объектов.

Квантование INT4 сокращает заявленный размер модели примерно с 18 до 6 ГБ. README указывает, что первая компиляция может занимать 1–3 минуты, а кэширование компиляции ускоряет повторные запуски. Репозиторий использует Transformers; лицензия обозначена как other, без уточнения условий в предоставленных данных.

Сценарии применения

  • ответы на вопросы о содержимом фотографии
  • создание текстового описания изображения
  • обнаружение объектов на изображении
  • запуск визуальной языковой модели при ограниченной памяти GPU

Ограничения

Это предварительная версия; при первом запуске компиляция может занимать 1–3 минуты. Указана лицензия other, но её конкретные условия в предоставленных данных не раскрыты.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Moondream 3 (Preview) 4-Bit

4bit-efficiency-gains-and-performance-tradeoffs

Moondream 3 (Preview) 4-Bit is the INT4 quantized version of Moondream3-Preview, reducing model size from ~18GB to ~6GB (~66% reduction) and allowing to run in <12 GB VRAM environments while mostly maintaining quality.

This is a vision language model with a mixture-of-experts architecture (9B total parameters, 2B active), now optimized for deployment with as little as 8 GB VRAM.

Features

  • 66% smaller: ~6GB vs ~18GB original
  • Lower memory: Runs on 7GB VRAM (vs 20GB for FP16)
  • Same capabilities: Retains original Moondream3 skills & API
  • Minimal quality loss: ~2-5% degradation on benchmarks
  • HuggingFace compatible: Load with AutoModelForCausalLM.from_pretrained()

VRAM & Time Savings

ConfigurationModel SizeVRAM usages/query*
FP16 (original)18.5 GB19,594 MiB4.19
INT4 (this one)6.18 GB7,332 MiB2.65
Reduction66 %62 %37 %

(* averaged over vision-ai-checkup & CountBenchQA benchmarks on L40S GPU)

Evaluation Results

Testtime (4-bit)accuracy (4-bit)time (base)accuracy (base)
vision-ai-checkup156 s42.8 %223 s47.2 %
CountBenchQA22.9 min91.2 %36.6 min93.2 %

image (9)

Architecture

Quantized Components (INT4):

  • Text attention QKV/projection layers
  • Dense MLP layers (layers 0-3)
  • MoE expert weights (layers 4-23, 64 experts each)
  • Region model encoder/decoder

Preserved in FP16:

  • Vision encoder (SigLIP)
  • MoE routers (critical for expert selection)
  • Temperature (tau) parameters
  • LayerNorms, embeddings, LM head

moondream3-preview-4bit-visualization

Slow First-Time Compile and Inference

A note on first-time compilation time: Due to the MoE architecture and the nature of INT4 quants, I had to do some voodoos to get input-invariant compilation graphs for both execution paths (T=1 and T>1 respectively). This results in a longer first-time compilation time (1-3 minutes for me) compared to the original Moondream3-preview model (~30 seconds). Torch's End to end caching (also known as Mega-Cache) makes subsequent compilations on the same machine much faster, given it's correctly configured. I'll remove this note once I found a faster solution (contributions always welcome of course!) in case that's possible, until then Caches are your friend :)

Quick Start (HuggingFace Style)

The easiest way to use Moondream3-4bit is via the HuggingFace Transformers API:

import torch
from PIL import Image
from transformers import AutoModelForCausalLM

# Load quantized model (same API as original Moondream3-preview)
moondream = AutoModelForCausalLM.from_pretrained(
    "alecccdd/moondream3-preview-4bit",
    trust_remote_code=True,
    dtype=torch.bfloat16,
    device_map={"": "cuda"},
)
moondream.compile()  # Critical for fast inference

# Load an image
image = Image.open("photo.jpg")

# Ask a question
result = moondream.query(image=image, question="What's in this image?")
print(result["answer"])

Alternative: Manual Loading

If you prefer more control, you can load the model directly:

import torch
from PIL import Image
from config import MoondreamConfig
from moondream import MoondreamModel
from weights import load_weights

# Load quantized model
model = MoondreamModel(MoondreamConfig())
load_weights("./", model, device="cuda")
model.compile()  # Critical for fast inference

# Load an image
image = Image.open("photo.jpg")

# Ask a question
result = model.query(image=image, question="What's in this image?")
print(result["answer"])

Skills

API of all skills remains identical to the original moondream3-preview model.

License

This is a derivative work of Moondream 3 (Preview) which was originally released under the Business Source License 1.1.

Original Copyright (c) M87 Labs, Inc.

Quantization and conversion code: Copyright (c) 2025 Alicius Schröder

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
dab37eb

0 моделей