Llama 3.2 Instruct 11B (Vision)
MetaLlamaOpen WeightLlama 3.2 Community License
Descripción
Llama 3.2 11B Vision Instruct is an instruction-tuned multimodal large language model optimized for visual recognition, image reasoning, captioning, and answering general questions about an image. It accepts text and images as input and generates text as output.
Fecha de lanzamiento
2024-09-25
Parámetros
10.6B
Longitud del contexto
—
Modalidades
image, text
Radar de capacidades
60
general
0
coding
60
reasoning
26
scienceest.
42
agents
90
multimodal
Science se estima a partir de las puntuaciones científicas de LLM Stats o del razonamiento cuando no hay benchmarks científicos dedicados.
Rankings
| Dominio | #Posición | Puntuación | Fuente |
|---|---|---|---|
| Ranking multimodal | 100 | 44.0 | LS |
Puntuaciones de benchmarks (LLM Stats)
(LLM Stats (zeroeval))General
MMLU
73.0%Aut.
Math
MGSM
68.9%Aut.
MATH
51.9%Aut.
MathVista
51.5%Aut.
Multimodal
MMMU
50.7%Aut.
Reasoning
ChartQAMasry et al. (2022)
83.4%Aut.
GPQANYU + Cohere + Anthropic (2023)
32.8%Aut.
Vision
AI2D
91.1%Aut.
DocVQADocVQA (2020)
88.4%Aut.
VQAv2 (test)
75.2%Aut.
MMMU-Pro
33.0%Aut.
Índices de evaluación AA
(Artificial Analysis)No hay datos de evaluación AA disponibles
Puntuaciones por categoría LLM Stats
(LLM Stats (zeroeval))Image To Text90
Language70
Legal70
Multimodal70
Finance70
Vision70
Math60
Reasoning60
General60
Healthcare60
Physics30
Biology30
Chemistry30
Precios
Precio de entrada$0.345 / 1M tokens
Precio de salida$0.345 / 1M tokens
Velocidad
Tokens/seg22.8
Retraso del primer token1.31s
Tiempo hasta la respuesta1.31s
Ranking de Precios por Proveedor
Ranking de Precios por Proveedor
1 proveedores
ProveedorEntradaSalida
1MetaPRINCIPAL
$0.345
$0.345
Comparar precios entre diferentes proveedores de API para este modelo.