moondreamは、SigLIP、Phi-1.5、LLaVAのトレーニングデータセットを使用して構築された16億パラメーターのモデルです。LLaVAデータセットを使用しているため、重みはCC-BY-SAライセンスの対象となります。Huggingface Spacesで試用できます。このモデルは、VQAv2、GQA、VizWiz、TextVQAベンチマークで以下の結果を示しました：LLaVA-1.5（133億パラメーター）：80.0、63.3、53.6、61.3；LLaVA-1.5（73億パラメーター）：78.5、62.0、50.0、58.2；MC-LLaVA-3B（30億パラメーター）：64.2、49.6、24.9、38.6；LLaVA-Phi（30億パラメーター）：71.4、-、35.9、48.6；moondream1（16億パラメーター）：74.3、56.3、30.3、39.8。