В чем главное преимущество архитектуры MoE в Moondream 3.1?

Архитектура Mixture-of-Experts позволяет модели использовать только 2 миллиарда активных параметров из 9 миллиардов, что обеспечивает высокую скорость обработки при сохранении качества ответов.

Какие типы визуальных задач поддерживает модель через alltokens?

Модель специализируется на визуальном VQA (ответы на вопросы по картинкам), создании подписей к изображениям и оптическом распознавании символов (OCR).

Каков максимальный объем контекста у данной версии?

Moondream 3.1 поддерживает контекстное окно размером до 32 000 токенов, что позволяет обрабатывать объемные текстовые запросы вместе с изображениями.

Moondream: Moondream 3.1

MOMoondreamОбновлено: 15 октября 2026 г.

Moondream 3.1 — это продвинутая мультимодальная модель с архитектурой Mixture-of-Experts, использующая 2 миллиарда активных параметров для эффективной обработки визуальных данных. Она отлично справляется с задачами визуального вопросно-ответного взаимодействия, созданием описаний к изображениям и распознаванием текста (OCR).

Использовать через API

Метрики

Вход

36 ₽/M

Выход

299 ₽/M

Контекст

32k tokens

Параметры

Релиз

15 октября 2026 г.

Поддерживаемые параметры

include_reasoningmax_completion_tokensmax_tokensreasoningtemperaturetop_p

Технический обзор

Moondream 3.1 — это модель для обработки визуальной и языковой информации от Moondream, преемник Moondream 3 Preview, с общим числом параметров 9 миллиардов и 2 миллиарда активных параметров (смесь экспертов). Модель выполняет задачи визуального вопросно-ответного взаимодействия, создания подписей к изображениям, оптического распознавания текста и другие.

Кодинг

Инструменты

Длинный контекст

Мультимодальность

Веб-автоматизация

Смежные подборки

Модели для программирования Недорогие модели

Сравнение с похожими моделями

Модель

Для чего

Контекст

Цена ₽

Модель

Moondream: Moondream 3.1Текущая

Для чего

Контекст

32k

Цена ₽

36 / 299

Moondream: Moondream 3.1Текущая

32k

36 / 299

Модель

Moondream: Moondream 3 Preview

Для чего

Является прямым предшественником, по сравнению с которым версия 3.1 предлагает улучшенную архитектуру и более стабильную работу с изображениями.

Контекст

32k

Цена ₽

36 / 299

Moondream: Moondream 3 Preview

32k

36 / 299

Модель

Mistral: Mistral Large 4

Для чего

Обе модели поддерживают мультимодальный ввод (текст и изображения), однако Moondream оптимизирована для более легких и быстрых визуальных задач.

Контекст

Цена ₽

82 / 250

Mistral: Mistral Large 4

82 / 250

Когда выбирать

Необходим быстрый и точный анализ изображений с использованием компактной архитектуры MoE.
Требуется качественное распознавание текста (OCR) и детальное описание визуального контента.
Нужна поддержка длинного контекста до 32 000 токенов при работе с мультимодальными запросами через alltokens.

Когда не выбирать

Требуется решение сложнейших логических задач, выходящих за рамки возможностей 9B параметров.
Необходима генерация изображений, так как модель работает только на вывод текста.
Планируется использование исключительно для написания кода без визуальной составляющей.