Moondream 3.1 强化视觉推理
secopsml · reddit · 2026-07-13
Moondream 3.1-9B-A2B 是一个视觉语言模型，采用 MoE 架构，总参数 9B、激活 2B。帖子强调它在视觉推理和检测上达到很强水平，同时保持部署速度快、成本低。
它原生支持四个技能：query、detect、point 和 caption，并且都返回结构化输出，适合做视觉理解和检测类应用。
「多模态」频道最新
- Magnific 预告 10 月 28 日上线新功能：「We're making it move」 — cuenca · 2026-10-27
- Midjourney --sref 实测：美式复古风 Batman 插画三连 — gizakdag · 2026-10-27
- AI视频既非电影也非动画，创作者称它最擅长呈现梦境与潜意识 — Kyrannio · 2026-10-27
- 把儿子 31 年前的童言写成歌再喂给 SUNO：一首「大象饮料」儿童合唱 — NathanpmYoung · 2026-10-27
- RTX 3060 本地产 AI MV 播破 20 万:900 张图留 64 张,3 秒切片防崩脸 — Hwang0500 · 2026-10-27
- Firefly 视频编辑器实测：一句话 Quick Cut 将 32 秒素材剪成 20 秒 — LudovicCreator · 2026-10-26