मुख्य सामग्री पर जाएं

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#रैंकस्कोरस्रोत
मल्टीमॉडल रैंकिंग100
44.0
LS

बेंचमार्क स्कोर (LLM Stats)

(LLM Stats (zeroeval))

General

MMLU73.0%स्वयं

Math

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

Multimodal

MMMU50.7%स्वयं

Reasoning

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

Vision

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

AA मूल्यांकन सूचकांक

(Artificial Analysis)

कोई AA मूल्यांकन डेटा उपलब्ध नहीं

LLM Stats श्रेणी स्कोर

(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

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।

बाहरी लिंक