Saltar al contenido principal

Llama 3.2 Instruct 90B (Vision)

MetaLlamaOpen WeightLlama 3.2 · Uso Comercial

Descripción

Llama 3.2 90B is a large multimodal language model optimized for visual recognition, image reasoning, and captioning tasks. It supports a context length of 128,000 tokens and is designed for deployment on edge and mobile devices, offering state-of-the-art performance in image understanding and generative tasks.

Fecha de lanzamiento
2024-09-25
Parámetros
90.0B
Longitud del contexto
—
Modalidades
image, text

Radar de capacidades

70
general
0
coding
70
reasoning
43
scienceest.
49
agents
85
multimodal

Science se estima a partir de las puntuaciones científicas de LLM Stats o del razonamiento cuando no hay benchmarks científicos dedicados.

Rankings

Dominio#PosiciónPuntuaciónFuente
Ranking multimodal95
46.0
LS

Puntuaciones de benchmarks (LLM Stats)

(LLM Stats (zeroeval))

General

MMLU86.0%Aut.

Math

MGSM86.9%Aut.
MATH68.0%Aut.
MathVista57.3%Aut.

Multimodal

MMMU60.3%Aut.

Reasoning

ChartQAMasry et al. (2022)85.5%Aut.
GPQANYU + Cohere + Anthropic (2023)46.7%Aut.

Vision

AI2D92.3%Aut.
DocVQADocVQA (2020)90.1%Aut.
VQAv278.1%Aut.
TextVQA73.5%Aut.
InfographicsQA56.8%Aut.
MMMU-Pro45.2%Aut.

Índices de evaluación AA

(Artificial Analysis)

No hay datos de evaluación AA disponibles

Puntuaciones por categoría LLM Stats

(LLM Stats (zeroeval))
Language
90
Legal
90
Finance
90
Image To Text
80
Math
70
Multimodal
70
Reasoning
70
General
70
Healthcare
70
Vision
70
Physics
50
Biology
50
Chemistry
50

Precios

No hay datos de precios disponibles

Velocidad

No hay datos de velocidad disponibles

Ranking de Precios por Proveedor

No hay datos de proveedores disponibles

Fuentes externas