1. Introduction au tutoriel

Moondream3, proposé par l'équipe Moondream en septembre 2025, est un modèle de langage visuel basé sur une architecture experte hybride, doté de 9 milliards de paramètres (dont 2 milliards de paramètres d'activation). Ce modèle offre des capacités d'inférence visuelle de pointe, prend en charge une longueur de contexte maximale de 32 000 éléments et peut traiter efficacement des images haute résolution. Moondream3 utilise les encodeurs visuels innovants MoE FFN et SigLIP, ce qui le rend adapté à des tâches telles que la réponse à des questions sur des images, l'annotation d'images et la détection d'objets. La littérature technique associée comprend… Aperçu de Moondream 3 : Raisonnement de niveau frontière à une vitesse fulgurante .

Ce tutoriel utilise une seule carte graphique RTX 5090 comme ressource, et la sortie du projet ne prend en charge que l'anglais.

2. Exemples de projets

3. Étapes de l'opération

1. Après avoir démarré le conteneur, cliquez sur l'adresse API pour accéder à l'interface Web

2. Une fois que vous entrez sur la page Web, vous pouvez utiliser le modèle

Si le message « Bad Gateway » s'affiche, cela signifie que le code s'exécute en arrière-plan. Veuillez patienter 2 à 3 minutes, puis actualisez la page.

Comment utiliser

1. Légende

2. Réponses visuelles aux questions

3. Détection d'objets

4. Détection de points