मुख्य सामग्री पर जाएं
AITier

Llama 3.2 Instruct 11B (Vision)

MetaLlamaOpen WeightLlama 3.2 Community License

विवरण

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.

रिलीज़ तिथि
2024-09-25
पैरामीटर
10.6B
संदर्भ लंबाई
131K
मोडैलिटीज़
image, text

क्षमता रडार

19
general
7
coding
13
reasoning
15
scienceअनुमानित
0
agents
90
multimodal

समर्पित विज्ञान बेंचमार्क उपलब्ध न होने पर Science तर्क प्रॉक्सी का उपयोग करके अनुमान लगाता है।

रैंकिंग

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

बेंचमार्क स्कोर (LLM Stats)

Biology

GPQA32.8%स्वयं

Finance

MMLU73.0%स्वयं

General

MMMU50.7%स्वयं
MMMU-Pro33.0%स्वयं

Image To Text

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

Math

MGSM68.9%स्वयं
MATH51.9%स्वयं
MathVista51.5%स्वयं

Multimodal

AI2D91.1%स्वयं
ChartQA83.4%स्वयं

AA मूल्यांकन सूचकांक

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

LLM Stats श्रेणी स्कोर

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

मूल्य निर्धारण

इनपुट मूल्य$0.245 / 1M tokens
आउटपुट मूल्य$0.245 / 1M tokens
मिश्रित मूल्य (3:1)$0.245 / 1M tokens

गति

टोकन/सेकंड86.7 tokens/s
पहले टोकन में देरी0.52s
पहले उत्तर में देरी0.52s

उपलब्ध प्रदाता

(LS आंतरिक इकाइयाँ)

कोई प्रदाता डेटा उपलब्ध नहीं

बाहरी लिंक

LLM Stats