lucataco/moondream2
摘要
moondream2是一个紧凑的视觉语言模型，专为高效的边缘设备推理而设计，提供了基准测试结果和使用说明。
lucataco / moondream2
查看缓存全文
缓存时间: 2026/05/22 22:15
# lucataco/moondream2 – Replicate
来源：https://replicate.com/lucataco/moondream2
moondream2 是一个小型视觉语言模型，专为在边缘设备上高效运行而设计。详情请查看 GitHub 仓库（https://github.com/vikhyat/moondream2），或前往 Hugging Face 空间（https://huggingface.co/spaces/vikhyatk/moondream2）体验！
**基准测试**
| 版本 | VQAv2 | GQA | TextVQA | DocVQA | TallyQA (简单/完整) | POPE (随机/流行/对抗) |
|------|-------|-----|---------|--------|---------------------|------------------------|
| **2024-07-23** (最新) | 79.4 | 64.9 | 60.2 | 61.9 | 82.0 / 76.8 | 91.3 / 89.7 / 86.9 |
| 2024-05-20 | 79.4 | 63.1 | 57.2 | 30.5 | 82.1 / 76.6 | 91.5 / 89.6 / 86.2 |
| 2024-05-08 | 79.0 | 62.7 | 53.1 | 30.5 | 81.6 / 76.1 | 90.6 / 88.3 / 85.0 |
| 2024-04-02 | 77.7 | 61.7 | 49.7 | 24.3 | 80.1 / 74.2 | - |
| 2024-03-13 | 76.8 | 60.6 | 46.4 | 22.2 | 79.6 / 73.3 | - |
| 2024-03-06 | 75.4 | 59.8 | 43.1 | 20.9 | 79.5 / 73.2 | - |
| 2024-03-04 | 74.2 | 58.5 | 36.4 | - | - | - |
**使用说明**
模型会定期更新，建议按上表所示固定到特定发行版本。
模型创建于1年多前。
相似文章
moondream3.1-9B-A2B
Moondream 3.1 是一款采用混合专家架构的视觉语言模型（总参数量9B，激活参数量2B），提供最先进的视觉推理、检测、指点和描述功能，可通过 Photon 推理引擎本地部署，或通过 Moondream Cloud API 使用。
LFM2.5-VL-3B for Better and Faster Vision Capabilities for the Edge
LiquidAI announces LFM2.5-VL-3B, an efficient vision-language model for edge hardware with improved screen understanding, grounding, multi-image input, and function calling, trained with 4x more vision data and post-training via SFT and RL.
baseten/GLM-5.2-Vision-NVFP4
Baseten 发布了 GLM-5.2-Vision，这是一个视觉语言模型，通过训练好的 PatchMerger 投影器将 MoonViT 视觉编码器添加到 GLM-5.2，同时保持文本主干和视觉塔冻结。该模型被量化到 NVFP4，以在 Blackwell 硬件上进行高效推理。
MiniCPM-V 4.6
MiniCPM-V 4.6 是一款专为移动设备优化的极致高效 13 亿参数视觉语言模型。
我构建了一个微型代理，为GLM 5.2（或任何文本LLM）赋予视觉能力 – MIT
VisionBridge是一个开源代理，通过让推理模型查询独立的视觉模型进行图像检查、OCR等操作，为纯文本LLM赋予视觉能力。