Moondream 是一个 非常强大而且小巧的视觉模型

0.5B INT4 版本甚至只有 400M，

支持结构化 OCR 输出、图片描述、物体检测和位置标注

最近更是更新了 视线检测，给一段视频就可以看到视频中每个人的视线

这个很适合用来恶搞和意图检测