Llama 3.2 Instruct 11B (Vision)
MetaLlamaओपन वेटLlama 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
—
मोडैलिटीज़
image, text
क्षमता रडार
60
general
0
coding
60
reasoning
26
scienceअनुमानित
42
agents
90
multimodal
समर्पित विज्ञान बेंचमार्क उपलब्ध न होने पर Science का अनुमान LLM Stats विज्ञान स्कोर या तर्क से लगाया जाता है।
रैंकिंग
| डोमेन | #रैंक | स्कोर | स्रोत |
|---|---|---|---|
| मल्टीमॉडल रैंकिंग | 100 | 44.0 | LS |
बेंचमार्क स्कोर (LLM Stats)
(LLM Stats (zeroeval))General
MMLU
73.0%स्वयं
Math
MGSM
68.9%स्वयं
MATH
51.9%स्वयं
MathVista
51.5%स्वयं
Multimodal
MMMU
50.7%स्वयं
Reasoning
ChartQAMasry et al. (2022)
83.4%स्वयं
GPQANYU + Cohere + Anthropic (2023)
32.8%स्वयं
Vision
AI2D
91.1%स्वयं
DocVQADocVQA (2020)
88.4%स्वयं
VQAv2 (test)
75.2%स्वयं
MMMU-Pro
33.0%स्वयं
AA मूल्यांकन सूचकांक
(Artificial Analysis)कोई AA मूल्यांकन डेटा उपलब्ध नहीं
LLM Stats श्रेणी स्कोर
(LLM Stats (zeroeval))Image To Text90
Language70
Legal70
Multimodal70
Finance70
Vision70
Math60
Reasoning60
General60
Healthcare60
Physics30
Biology30
Chemistry30
मूल्य निर्धारण
इनपुट मूल्य$0.345 / 1M टोकन
आउटपुट मूल्य$0.345 / 1M टोकन
गति
टोकन/सेकंड25.4
पहले टोकन में देरी1.31s
पहले उत्तर में देरी1.31s
प्रदाता मूल्य रैंकिंग
प्रदाता मूल्य रैंकिंग
1 प्रदाता
प्रदाताइनपुटआउटपुट
1Metaप्राथमिक
$0.345
$0.345
इस मॉडल के लिए विभिन्न API प्रदाताओं के मूल्य निर्धारण की तुलना करें।