/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
moondream1 · dense
Опубликована
14 апр 2025

moondream-2b-2025-04-14

Генерация текстаТекст → текст3 профессии

Компактная визуально-языковая модель Moondream отвечает текстом на вопросы об изображениях и рассчитана на эффективную работу на разных устройствах.

321скачиваний за 30 дней10лайковвеса обновлены21 мая 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

Moondream — компактная плотная модель для обработки изображений и текста, разработанная командой Moondream. Этот репозиторий содержит выпуск от 14 апреля 2025 года; модель предназначена для эффективной работы на широком спектре устройств и сценариев. Она принимает изображение вместе с текстовым запросом и формирует текстовый ответ, поэтому подходит для вопросов об изображениях и других задач визуально-языкового взаимодействия.

Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит размер модели, поддерживаемые языки и подробные сведения о качестве или ограничениях, поэтому эти характеристики нельзя уточнить по имеющимся данным.

Сценарии применения

  • ответы на вопросы по изображению
  • описание содержимого фотографии
  • извлечение визуальных сведений по текстовому запросу

Ограничения

В карточке нет сведений о качестве на конкретных задачах и поддерживаемых языках; модель может ошибаться при интерпретации изображений.

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 is a small vision language model designed to run efficiently everywhere.

Website / Demo / GitHub

This repository contains the 2025-04-14 release of Moondream. The latest version of the model (and changelogs) are available at vikhyatk/moondream2.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
from PIL import Image

model = AutoModelForCausalLM.from_pretrained(
    "vikhyatk/moondream2",
    revision="2025-04-14",
    trust_remote_code=True,
    # Uncomment to run on GPU.
    # device_map={"": "cuda"}
)

# Captioning
print("Short caption:")
print(model.caption(image, length="short")["caption"])

print("\nNormal caption:")
for t in model.caption(image, length="normal", stream=True)["caption"]:
    # Streaming generation example, supported for caption() and detect()
    print(t, end="", flush=True)
print(model.caption(image, length="normal"))

# Visual Querying
print("\nVisual query: 'How many people are in the image?'")
print(model.query(image, "How many people are in the image?")["answer"])

# Object Detection
print("\nObject detection: 'face'")
objects = model.detect(image, "face")["objects"]
print(f"Found {len(objects)} face(s)")

# Pointing
print("\nPointing: 'person'")
points = model.point(image, "person")["points"]
print(f"Found {len(points)} person(s)")

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
HfMoondream
Ревизия весов
4cc8251

0 моделей