Saltar al contenido principal
AITier

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
131K
Modalidades
image, text

Radar de capacidades

19
general
7
coding
13
reasoning
15
scienceest.
0
agents
90
multimodal

Science usa un proxy de razonamiento cuando los benchmarks científicos dedicados no están disponibles.

Rankings

Dominio#PosiciónPuntuaciónFuente
Code Ranking432
8.0
AA
General Ranking428
21.0
AA
Math Reasoning328
13.0
AA
Multimodal Ranking23
84.0
LS
Science455
14.0
AA

Puntuaciones de benchmarks (LLM Stats)

Biology

GPQA32.8%Aut.

Finance

MMLU73.0%Aut.

General

MMMU50.7%Aut.
MMMU-Pro33.0%Aut.

Image To Text

DocVQA88.4%Aut.
VQAv2 (test)75.2%Aut.

Math

MGSM68.9%Aut.
MATH51.9%Aut.
MathVista51.5%Aut.

Multimodal

AI2D91.1%Aut.
ChartQA83.4%Aut.

Índices de evaluación AA

Intelligence Index
8.7
Coding Index
4.3
Math Index
1.7
Math 500
0.5
Mmlu Pro
0.5
Ifbench
0.3
Gpqa
0.2
Tau2
0.1
Lcr
0.1
Scicode
0.1
Livecodebench
0.1
Aime
0.1
Hle
0.1
Aime 25
0.0
Terminalbench Hard
0.0

Puntuaciones por categoría LLM Stats

Image To Text
90
Vision
70
Finance
70
Language
70
Legal
70
Multimodal
70
Healthcare
60
Math
60
Reasoning
60
General
50
Biology
30
Chemistry
30
Physics
30

Precios

Precio de entrada$0.245 / 1M tokens
Precio de salida$0.245 / 1M tokens
Precio mixto (3:1)$0.245 / 1M tokens

Velocidad

Tokens/seg86.7 tokens/s
Retraso del primer token0.52s
Tiempo hasta la respuesta0.52s

Proveedores disponibles

(Unidades internas LS)

No hay datos de proveedores disponibles

Fuentes externas

LLM Stats