moondream

Um poderoso modelo de linguagem visual compacto e versátil.

Produto ComumImagemVisãoModelo de Linguagem

O moondream é um modelo de 1,6 bilhão de parâmetros construído usando os conjuntos de dados de treinamento SigLIP, Phi-1.5 e LLaVA. Devido ao uso do conjunto de dados LLaVA, os pesos estão protegidos pela licença CC-BY-SA. Você pode experimentá-lo no Huggingface Spaces. O desempenho do modelo nos benchmarks VQAv2, GQA, VizWiz e TextVQA é o seguinte: LLaVA-1.5 (13,3B parâmetros): 80,0; 63,3; 53,6; 61,3; LLaVA-1.5 (7,3B parâmetros): 78,5; 62,0; 50,0; 58,2; MC-LLaVA-3B (3B parâmetros): 64,2; 49,6; 24,9; 38,6; LLaVA-Phi (3B parâmetros): 71,4; -; 35,9; 48,6; moondream1 (1,6B parâmetros): 74,3; 56,3; 30,3; 39,8.

Best AI Websites & Tools

moondream

moondream Situação do Tráfego Mais Recente

moondream Tendência de Visitas

moondream Distribuição Geográfica das Visitas

moondream Fontes de Tráfego

moondream Alternativas

moondream — Um poderoso modelo de linguagem visual compacto e versátil.

MiniCPM-o — MiniCPM-o 2.6: Um MLLM de nível GPT-4o que permite streaming visual, de voz e multimodais em dispositivos móveis.

BizyAir — Nó ComfyUI que pode ser executado em qualquer ambiente.

Qwen-VL — Modelo de linguagem visual de uso geral

InternVL — Modelo visual básico de código aberto

Inception Labs — O Inception Labs lança uma nova geração de modelos de linguagem grandes difusivos, oferecendo capacidade de geração de linguagem ultrarrápida, eficiente e de alta qualidade.

OpenManus — OpenManus é um projeto de agente inteligente de código aberto que pode ser usado sem código de convite.

HunyuanVideo-I2V — HunyuanVideo-I2V é uma estrutura de geração de imagem para vídeo lançada pela Tencent, baseada no HunyuanVideo.

Instella — Instella é um modelo de linguagem de código aberto de alto desempenho desenvolvido pela AMD, projetado para acelerar o desenvolvimento de modelos de linguagem de código aberto.

UniTok — UniTok é um tokenizador visual unificado para geração e compreensão visual.

GPT-4.5 — O GPT-4.5, o mais recente modelo de linguagem lançado pela OpenAI, concentra-se em melhorar a capacidade de aprendizado não supervisionado, proporcionando uma experiência de interação mais natural.

olmOCR-7B-0225-preview — olmOCR-7B-0225-preview é um modelo de reconhecimento de imagem de documentos baseado em Qwen2-VL-7B-Instruct, ajustado para converter documentos em texto puro de forma eficiente.

Phi-4-mini-instruct — Phi-4-mini-instruct é um modelo de linguagem de código aberto leve, focado em dados de alta qualidade e intensivos em raciocínio.

DeepSeek Japonês — DeepSeek é um modelo de linguagem IA avançado, especializado em raciocínio lógico, matemática e tarefas de programação, com uso gratuito.

AlphaMaze — AlphaMaze é um modelo de linguagem decodificador focado em tarefas de raciocínio visual, projetado para superar as deficiências dos modelos de linguagem tradicionais em tarefas visuais.

Smithery — Expande as capacidades do modelo de linguagem por meio do servidor Model Context Protocol.

Moonlight-16B-A3B — Moonlight-16B-A3B é um modelo de especialista misto de 16B parâmetros treinado com o otimizador Muon, projetado para geração de linguagem eficiente.

DeepHermes-3-Llama-3-8B-Preview — DeepHermes 3 é um grande modelo de linguagem que suporta modos de raciocínio e resposta convencional.

Lora — Lora é um modelo de linguagem local otimizado para dispositivos móveis, compatível com plataformas iOS e Android.

PaliGemma 2 mix — PaliGemma 2 mix é um modelo de linguagem visual multifuncional, aplicável a diversas tarefas e áreas.

Mistral Saba — Mistral Saba é um modelo de linguagem regional personalizado para o Oriente Médio e o Sul da Ásia.

VisionAgent — O VisionAgent é uma biblioteca para gerar código que resolve tarefas de visão computacional, suportando diversos provedores de LLM.

Light-A-Video — Light-A-Video é uma tecnologia de reiluminação de vídeo que não requer treinamento, obtendo efeitos de reiluminação de vídeo suaves por meio da fusão gradual de iluminação.

Aplicativo OLMoE — Ai2 OLMoE é um aplicativo de modelo de linguagem de código aberto que roda em dispositivos iOS.

Podscript — Uma ferramenta para gerar transcrições de texto de podcasts e outros arquivos de áudio, com suporte para vários modelos de linguagem e APIs de reconhecimento de voz.

VisoMaster — Software poderoso de substituição e edição de vídeo, utilizando tecnologia de IA para resultados naturais.

Genime AI — Genime AI é uma ferramenta focada na geração e edição de animações, oferecendo funcionalidades como conversão de imagem para 3D e animação tween.

Xwen-Chat — Xwen-Chat é um conjunto de modelos de linguagem grandes focados em diálogo em chinês, oferecendo diversos modelos e serviços de geração de linguagem.

LLM Codenames — Uma ferramenta de criação de nomes baseada em LLM, que ajuda os usuários a gerar nomes exclusivos rapidamente.

Aplicativo de Bate-Papo Exa & Deepseek — Um aplicativo de bate-papo de código aberto que utiliza a API Exa para pesquisa na web e o Deepseek R1 para raciocínio.