Model Detayları
Moondream 3 Preview, bir görsel hakkında doğal dilde sorulan soruları yanıtlar. Bir görsel URL’si ve bir soru verin ("Kişi ne yapıyor?", "Otoparkta kaç araba var?", "Tabelada ne yazıyor?"); model kısa ve öz bir metin yanıtı döndürür. Frontier düzeyinde görsel muhakeme için geliştirilmiş kompakt ve verimli bir vision-language modelidir — sahnedeki metni okur (OCR), nesneleri sayar ve tanımlar, olup biteni anlatır ve yanıtlarını görseldeki ince ayrıntılara dayandırır — üstelik ölçekli kullanımda da hızlı ve düşük maliyetli kalır.
## En uygun olduğu işler - Görsel soru-cevap: bir fotoğraf, ekran görüntüsü, grafik ya da belge görseli hakkında serbest biçimli sorular sormak - Görsellerin içindeki metni (tabelalar, etiketler, fişler, el yazısı) okuyup onunla ilgili soruları yanıtlamak - Bir sahnedeki nesneleri ya da insanları saymak, tanımlamak ve yerini bulmak - Erişilebilirlik, moderasyon ön elemesi ya da içerik etiketleme için görsellerin içeriğini tarif etmek - Çağrı başına maliyetin ve latency’nin önemli olduğu yüksek hacimli görsel anlama işleri
## Şu durumlarda başka bir model seçin - Bir görseli tarif etmek yerine görsel üretmek ya da düzenlemek istiyorsanız — bir text-to-image ya da görsel düzenleme modeli kullanın - Görseliniz yoksa ve yalnızca metin bir yanıt gerekiyorsa — yalnızca metinle çalışan bir dil modeli kullanın - Yazılı bir yanıt yerine yapılandırılmış çıktı olarak piksel hassasiyetinde bounding box’lar ya da segmentasyon maskeleri gerekiyorsa — bir tespit ya da segmentasyon modeli kullanın
## İpuçları - Her çağrıda tek, net ve belirli bir soru sorun; istediğiniz yanıt biçimini belirtmek ("tek kısa bir cümleyle yanıtla", "yalnızca sayıyı yaz") çıktıyı daha derli toplu kılar. - Deterministik ve olgusal yanıtlar için `temperature` değerini varsayılan 0’da bırakın; yalnızca daha çeşitli ifadeler istediğinizde yükseltin (en fazla 1). - Yanıtla birlikte modelin adım adım muhakemesini de almak için `reasoning` alanını etkin bırakın (varsayılan); yalnızca nihai yanıt ve daha düşük latency için `false` yapın.
## Gelişmiş Yapılandırma - `reasoning` (boolean, varsayılan `true`): `true` olduğunda çıktı, modelin yanıta nasıl ulaştığını anlatan ayrıntılı muhakemesini de içerir; `false` olduğunda muhakeme kısmı çıkarılır ve yalnızca yanıt döndürülür. - `temperature` (number 0–1, varsayılan `0`): yanıt için sampling temperature. `0` deterministiktir; yüksek değerler çeşitliliği artırır. - `top_p` (number 0–1): nucleus sampling olasılık kütlesi; yanıt çeşitliliğini kontrol etmenin alternatif bir yolu.
ModelRunner JavaScript client ile çalıştırmak için: ```js import { modelrunner } from "@modelrunner/client";
const result = await modelrunner.subscribe("moondream/moondream3-preview/query", { input: { image_url: "https://storage.googleapis.com/falserverless/example_inputs/moondream-3-preview/query_in.jpg", prompt: "What is in this image? Answer in one short sentence.", reasoning: false, }, }); ```