Moondream запускає сервіс налаштування VLM Lens для покращення точності

Новини ME, 21 квітня (UTC+8): за даними моніторингу Beating, Moondream запустила сервіс тонкої настройки Lens, щоб вирішити проблему «останнього кілометра» — низьку точність візуальних мовних моделей (VLM, які можуть читати зображення та відповідати текстом) при переході з лабораторії до виробництва. Lens — це API за використанням, який підтримує підсилене навчання та наглядову тонку настройку; за словами розробників, ефект видно вже на зразку з кількох десятків зображень. Після навчання модель можна викликати через хмару або запускати локально за допомогою власного інференс-движка Photon. Компанія опублікувала три групи порівняльних даних. У виявленні гравця з м’ячем у кадрі прямих трансляцій NBA базова модель часто генерувала велику кількість хибних рамок; після тонкої настройки за допомогою RL F1-показник зрос з 28% до 79%, кількість хибних сповіщень зменшилася з 61 до 2, час навчання — 54 хвилини, витрати — 16,89 долара США. У завданні визначення країни за зображеннями вулиць 25 зображень на країну дозволили досягти точності 71,1%, що перевищує 69,8% GPT-5.4. У сфері медичної візуалізації точність класифікації ступеня тяжкості глаукоми після тонкої настройки вдвічі перевищує показник GPT-5.4, час навчання — 47 хвилин, витрати — 15,68 долара США. Першим партнером є виробник хмарних панорамних камер із дистанційним керуванням PTZOptics, який використовує Moondream для відстеження конкретних об’єктів (наприклад, «людина у червоному одязі»), підрахунку елементів на зображенні та сповіщень про аномалії. Раніше Moondream представила інференс-движок Photon, який, за офіційними даними, має затримку 20 мс на H100. Lens зосереджений на точності, а Photon — на швидкості; Moondream запропонувала розв’язання для двох найпоширеніших бар’єрів при впровадженні VLM у виробництво. (Джерело: BlockBeats)