Moondream 3 Preview

Moondream 3 Preview — предварительная версия визуально-языковой модели Moondream, представленная 18 сентября 2025 года. Она принимает изображение и текстовый запрос, чтобы отвечать на вопросы о сцене, находить объекты и объяснять пространственные отношения. Архитектура содержит 9 млрд параметров, из которых для одного токена активируются примерно 2 млрд.

Визуальное рассуждение с привязкой к изображению

Moondream разрабатывала третье поколение не только для подписи к картинке. Задача модели — соотносить слова запроса с конкретными областями изображения, что полезно для обнаружения объектов, визуального контроля и анализа сцен. В подходе с привязкой к изображению ответ опирается на элементы, которые модель видит на снимке, а не только на общий текстовый вывод.

Экономичная архитектура

Moondream 3 использует разреженную смесь экспертов: при обработке активна только часть параметров. Компания указывала окно контекста 32 тысячи токенов и ориентировалась на более быстрый запуск, чем у крупных универсальных визуальных моделей. Реальная скорость зависит от формата весов, ускорителя и реализации.

Что означает Preview

Preview — ранний выпуск, а не обещание завершённой стабильной версии. В первоначальном анонсе Moondream предупреждала, что оптимизация инференса ещё продолжалась, модель активно дообучалась, а результаты могли улучшаться. Поэтому ранние оценки и поведение модели нельзя считать окончательными.

Лицензия и запуск

Веса и инструкции размещены на Hugging Face. Перед коммерческим использованием прочитайте условия лицензии Moondream: доступность весов не означает автоматически отсутствие ограничений. Сервис Photon и текущие модели компании описаны на официальном сайте.

Связанные модели и разработчик

Позднее появилась отдельная модель Moondream 3.1. Историю проекта и его дальнейшее развитие после присоединения к Prime Intellect описывает страница Moondream в Вики.

Дата и архитектура приведены по официальному анонсу Moondream 3 Preview; модельная карточка размещена на Hugging Face.