メインコンテンツへスキップ
AITier

Llama 3.2 Instruct 11B (Vision)

MetaLlamaOpen WeightLlama 3.2 Community License

説明

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.

リリース日
2024-09-25
パラメータ
10.6B
コンテキスト長
131K
モダリティ
image, text

能力レーダー

19
general
7
coding
13
reasoning
15
science推定
0
agents
90
multimodal

専門的な科学ベンチマークが利用できない場合、Scienceは推論プロキシを使用して推定します。

ランキング

ドメイン#順位スコアソース
Code Ranking432
8.0
AA
General Ranking428
21.0
AA
Math Reasoning328
13.0
AA
Multimodal Ranking23
84.0
LS
Science455
14.0
AA

ベンチマークスコア (LLM Stats)

Biology

GPQA32.8%自己申告

Finance

MMLU73.0%自己申告

General

MMMU50.7%自己申告
MMMU-Pro33.0%自己申告

Image To Text

DocVQA88.4%自己申告
VQAv2 (test)75.2%自己申告

Math

MGSM68.9%自己申告
MATH51.9%自己申告
MathVista51.5%自己申告

Multimodal

AI2D91.1%自己申告
ChartQA83.4%自己申告

AA評価指数

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カテゴリスコア

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

価格設定

入力価格$0.245 / 1M tokens
出力価格$0.245 / 1M tokens
混合価格（3:1）$0.245 / 1M tokens

速度

トークン/秒86.7 tokens/s
初トークン遅延0.52s
初回答遅延0.52s

利用可能なプロバイダー

(LS内部単位)

プロバイダーデータがありません

外部リンク

LLM Stats