Moondream3.1
Moondream🇺🇸 USMajor lab· Jun 30, 2026
TextReasoningVisionopen weightsAPI
Vision language model for captioning, visual question answering, open vocabulary detection and pointing, all returning structured output. It runs locally via Photon on NVIDIA Ampere or newer GPUs and Apple Silicon Macs without an API key.
Summary of the model card
- Context
- 32K tokens
- License
- other
- Modalities
- text, image → text
1 variant
| 9B A2B | 9B-A2B | HF |
Sources
HuggingFaceOpenRouterDeutsch
Bildsprachmodell für Bildbeschreibung, Fragen zu Bildern, offene Objekterkennung und Punktmarkierung, jeweils mit strukturierter Ausgabe. Lokal lauffähig über Photon auf NVIDIA Ampere GPUs oder Apple Silicon Macs, für das Basismodell ohne API Schlüssel.
Provenance
- Detected
- Sep 27, 2026
- First source
- huggingface
- Description
- Summary of the model card
- Editorially reviewed
- —