Moondream 3.1 — Moondream
Мультимодальная модель на базе архитектуры Mixture-of-Experts с 2 млрд активных параметров для эффективного анализа визуального контента. Она быстро решает задачи распознавания текста (OCR), детального описания изображений и ответов на вопросы по графическим данным.
Контекст: 32 000 токенов.
Moondream 3.1 — визуально-языковая модель разработчика Moondream, вышла в октябре 2026 года. Она стала преемником Moondream 3 Preview. Всего в ней 9B параметров, из них 2B активны одновременно (mixture-of-experts).
Модель работает с изображениями: отвечает на вопросы по картинке, пишет подписи и описания, распознаёт текст. Она умеет рассуждать и читать файлы, окно контекста — 32 000 токенов.
Цена: 1500 SC за 1M входных токенов и 12500 SC за 1M выходных.
Для чего подходит
- Распознавание печатного текста с документов и скриншотов
- Автоматическая генерация описаний и тегов для изображений
- Ответы на вопросы по содержанию иллюстраций и схем
Сильные стороны
- Работает с изображениями: VQA, подписи, OCR
- Архитектура MoE: 9B параметров всего, активны 2B
- Умеет рассуждать и читать файлы
- Развивает линейку Moondream 3 Preview
Ограничения
- Контекст ограничен 32 000 токенов
- Активных параметров всего 2B, для очень сложных задач этого может не хватить
- Выходные токены стоят заметно дороже входных (12500 SC против 1500 SC за 1M)
Когда выбирать
- Нужно разобрать изображение: ответить на вопрос, описать, достать текст
- Задача укладывается в 32 000 токенов контекста
- Нужна компактная модель, которая видит картинки и умеет рассуждать
Когда лучше взять другую модель
- Нужны свежие данные из интернета — возьмите Perplexity Sonar.
- Задача сложная и требует более мощной модели — возьмите Claude Opus 5.5.
Частые вопросы
Сколько стоит Moondream 3.1?
1500 SC за 1M входных токенов и 12500 SC за 1M выходных токенов.
Умеет ли модель работать с изображениями?
Да. Она отвечает на вопросы по изображениям, составляет подписи и распознаёт текст (OCR).
Какой у модели контекст?
32 000 токенов.