/ Модель

Характеристики

Контекст
2 048 токенов
Размер весов
5,8 ГБ
Лицензия
Apache 2.0
Архитектура
moondream1 · dense
Опубликована
20 мая 2025

moondream-2b-2025-04-14-4bit

Генерация текстаТекст → текст5 профессий

Moondream 2B 2025-04-14 4-bit — компактная vision-language модель проекта Moondream, связанного с репозиторием vikhyat/moondream.

7 250скачиваний за 30 дней71лайквеса обновлены22 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

Она предназначена для эффективного запуска задач, объединяющих изображения и текст, включая создание подписей к изображениям, визуальные вопросы и ответы, обнаружение объектов и указание координат объектов на изображении.

Модель использует 4-битное представление и имеет размер класса 2B параметров. Для этой версии применялось quantization-aware training: заявлено снижение потребления памяти на 42% при падении точности на 0,6%. На Nvidia RTX 3090 модель использует около 2450 МБ видеопамяти и работает со скоростью около 184 токенов в секунду. Поддерживаются потоковая генерация для подписей и обнаружения объектов, а также компиляция для ускорения обработки больших наборов изображений.

В README не указаны архитектурные детали, поддерживаемые языки и размер контекста, поэтому эти характеристики нельзя определить по представленным данным. Для работы требуются Python-пакеты Pillow и torchao, а также загрузка через transformers с разрешением trust_remote_code. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

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 4-bit release of Moondream. On an Nvidia RTX 3090, it uses 2,450 MB of VRAM and runs at a speed of 184 tokens/second. We used quantization-aware training techniques to build this version of the model, allowing us to achieve a 42% reduction in memory usage with only an 0.6% drop in accuracy.

There's more information about this version of the model in our release blog post. Other revisions, as well as release history, can be found here.

Usage

Make sure to install the requirements:

pip install pillow torchao
from transformers import AutoModelForCausalLM, AutoTokenizer
from PIL import Image

model = AutoModelForCausalLM.from_pretrained(
    "moondream/moondream-2b-2025-04-14-4bit",
    trust_remote_code=True,
    device_map={"": "cuda"}
)

# Optional, but recommended when running inference on a large number of
# images since it has upfront compilation cost but significantly speeds
# up inference:
model.model.compile()

# 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
a89c592

0 моделей