Passer au contenu principal

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#RangScoreSource
Classement multimodal100
44.0
LS

Scores de benchmarks (LLM Stats)

(LLM Stats (zeroeval))

General

MMLU73.0%Aut.

Math

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

Multimodal

MMMU50.7%Aut.

Reasoning

ChartQAMasry et al. (2022)83.4%Aut.
GPQANYU + Cohere + Anthropic (2023)32.8%Aut.

Vision

AI2D91.1%Aut.
DocVQADocVQA (2020)88.4%Aut.
VQAv2 (test)75.2%Aut.
MMMU-Pro33.0%Aut.

Indices d'évaluation AA

(Artificial Analysis)

Aucune donnée d'évaluation AA disponible

Scores par catégorie LLM Stats

(LLM Stats (zeroeval))
Image To Text
90
Language
70
Legal
70
Multimodal
70
Finance
70
Vision
70
Math
60
Reasoning
60
General
60
Healthcare
60
Physics
30
Biology
30
Chemistry
30

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.

Sources externes