moondream

Un potente modelo de lenguaje visual pequeño y versátil.

Producto ComúnImagenVisiónModelo de lenguaje

moondream es un modelo de 1.6 mil millones de parámetros construido utilizando los conjuntos de datos de entrenamiento SigLIP, Phi-1.5 y LLaVA. Debido al uso del conjunto de datos LLaVA, los pesos están protegidos por la licencia CC-BY-SA. Puedes probarlo en Huggingface Spaces. El rendimiento del modelo en los benchmarks VQAv2, GQA, VizWiz y TextVQA es el siguiente: LLaVA-1.5 (13.3B parámetros): 80.0, 63.3, 53.6, 61.3; LLaVA-1.5 (7.3B parámetros): 78.5, 62.0, 50.0, 58.2; MC-LLaVA-3B (3B parámetros): 64.2, 49.6, 24.9, 38.6; LLaVA-Phi (3B parámetros): 71.4, -, 35.9, 48.6; moondream1 (1.6B parámetros): 74.3, 56.3, 30.3, 39.8.

Best AI Websites & Tools

moondream

moondream Situación del tráfico más reciente

moondream Tendencia de visitas

moondream Distribución geográfica de las visitas

moondream Fuentes de tráfico

moondream Alternativas

moondream — Un potente modelo de lenguaje visual pequeño y versátil.

MiniCPM-o — MiniCPM-o 2.6: Un MLLM de nivel GPT-4o que permite transmisión en vivo visual, de voz y multimodal en dispositivos móviles.

InternVL — Modelo base de visión abierto

OpenManus — OpenManus es un proyecto de agente inteligente de código abierto que se puede usar sin código de invitación.

HunyuanVideo-I2V — HunyuanVideo-I2V es un framework de generación de imagen a video basado en HunyuanVideo, desarrollado por Tencent.

Instella — Instella es un modelo de lenguaje de código abierto de alto rendimiento desarrollado por AMD, diseñado para acelerar el desarrollo de modelos de lenguaje de código abierto.

UniTok — UniTok es un tokenizador visual unificado para la generación y comprensión visual.

GPT-4.5 — GPT-4.5, el último modelo de lenguaje lanzado por OpenAI, se centra en mejorar la capacidad de aprendizaje no supervisado y ofrecer una experiencia de interacción más natural.

Gemini 2.0 Flash-Lite — Gemini 2.0 Flash-Lite es un modelo de lenguaje eficiente, optimizado para el procesamiento de textos largos y diversas aplicaciones.

Phi-4-mini-instruct — Phi-4-mini-instruct es un modelo de lenguaje ligero de código abierto, enfocado en datos intensivos de alta calidad y razonamiento.

DeepSeek Japonés — DeepSeek es un modelo de lenguaje IA avanzado, especializado en razonamiento lógico, matemáticas y tareas de programación, disponible de forma gratuita.

AlphaMaze — AlphaMaze es un modelo de lenguaje decodificador centrado en tareas de razonamiento visual, diseñado para superar las deficiencias de los modelos de lenguaje tradicionales en tareas visuales.

Moonlight-16B-A3B — Moonlight-16B-A3B es un modelo de experto mixto de 16B parámetros, entrenado con el optimizador Muon, diseñado para la generación eficiente de lenguaje.

DeepHermes-3-Llama-3-8B-Preview — DeepHermes 3 es un modelo de lenguaje grande que admite modos de inferencia y respuesta convencional.

Lora — Lora es un modelo de lenguaje local optimizado para dispositivos móviles, compatible con iOS y Android.

PaliGemma 2 mix — PaliGemma 2 mix es un modelo de lenguaje visual multifuncional, aplicable a diversas tareas y áreas.

Mistral Saba — Mistral Saba es un modelo de lenguaje regional personalizado para Oriente Medio y el Sur de Asia.

VisionAgent — VisionAgent es una biblioteca para generar código que resuelve tareas de visión, compatible con múltiples proveedores de LLM.

Ilumina-Vídeo — Ilumina-Vídeo es una tecnología de reiluminación de vídeo que no requiere entrenamiento, que logra un efecto de reiluminación de vídeo suave mediante la fusión de iluminación progresiva.

Generador de Fotos de Perfil con IA — Generador de fotos de perfil con IA gratuito en línea. Convierte fotos comunes en retratos profesionales de alta calidad.

Aplicación OLMoE — Ai2 OLMoE es una aplicación de modelo de lenguaje de código abierto que se ejecuta en dispositivos iOS.

Animate Anyone 2 — Animate Anyone 2 es una herramienta de generación de animaciones de imágenes de personajes de alta fidelidad que admite la adaptación al entorno.

Podscript — Una herramienta para generar transcripciones de texto de podcasts y otros archivos de audio, compatible con varios modelos de lenguaje y API de reconocimiento de voz.

VisoMaster — Potente software de edición y reemplazo de vídeo que utiliza la tecnología de IA para lograr resultados naturales.

Genime AI — Genime AI es una herramienta enfocada en la generación y edición de animaciones, que ofrece funciones como la conversión de imagen a 3D y la creación de animaciones intermedias.

Xwen-Chat — Xwen-Chat es un conjunto de modelos de lenguaje grande enfocados en la conversación en chino, que ofrece modelos de varias versiones y servicios de generación de lenguaje.

LLM Codenames — Una herramienta de nombres creativos basada en LLM que ayuda a los usuarios a generar nombres únicos rápidamente.

Aplicación de Chat Exa & Deepseek — Una aplicación de chat de código abierto que utiliza la API de Exa para la búsqueda en la web y Deepseek R1 para la inferencia.

MatAnyone — MatAnyone es un marco de rotoscopia de vídeo estable con objetivo específico, adecuado para fondos complejos.

leapfusion-hunyuan-image2video — Una novedosa tecnología de muestreo de imagen a vídeo, basada en el modelo Hunyuan para generar vídeos de alta calidad.