El proyecto de código abierto Moondream publicó Moondream2, un modelo multimodal ultracompacto de 1.600 millones de parámetros diseñado para ejecutar visión y lenguaje de alta velocidad en dispositivos edge, CPUs y navegadores web.
La noticia en una frase
Moondream2 ofrece capacidades avanzadas de descripción de imágenes, respuesta a preguntas visuales y detección de coordenadas espaciales con una huella de memoria inferior a 2 GB de VRAM.
El alcance que cambia la lectura
Frente a la tendencia dominante de modelos multimodales gigantescos que dependen de APIs en la nube con costos recurrentes y latencias variables, Moondream2 demuestra que la visión artificial útil puede operar íntegramente de manera local en teléfonos móviles, computadores portátiles y microcontroladores industriales.
