Llama 3.2 Instruct 11B (Vision)
MetaLlamaOpen WeightLlama 3.2 Community License
Description
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.
Date de sortie
2024-09-25
Paramètres
10.6B
Longueur du contexte
—
Modalités
image, text
Radar de capacités
60
general
0
coding
60
reasoning
26
scienceest.
42
agents
90
multimodal
Science est estimé à partir des scores scientifiques de LLM Stats ou du raisonnement lorsque les benchmarks scientifiques dédiés ne sont pas disponibles.
Classements
| Domaine | #Rang | Score | Source |
|---|---|---|---|
| Classement multimodal | 100 | 44.0 | LS |
Scores 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.
Indices d'évaluation AA
(Artificial Analysis)Aucune donnée d'évaluation AA disponible
Scores par catégorie LLM Stats
(LLM Stats (zeroeval))Image To Text90
Language70
Legal70
Multimodal70
Finance70
Vision70
Math60
Reasoning60
General60
Healthcare60
Physics30
Biology30
Chemistry30
Tarification
Prix d'entrée$0.345 / 1M tokens
Prix de sortie$0.345 / 1M tokens
Vitesse
Tokens/sec25.4
Délai du premier token1.31s
Temps de réponse1.31s
Classement des Prix par Fournisseur
Classement des Prix par Fournisseur
1 fournisseurs
FournisseurEntréeSortie
1MetaPRINCIPAL
$0.345
$0.345
Comparer les prix entre différents fournisseurs API pour ce modèle.