Перейти к основному содержанию

Llama 3.2 Instruct 11B (Vision)

MetaLlamaОткрытые весаLlama 3.2 Community License

Описание

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.

Дата выхода
2024-09-25
Параметры
10.6B
Длина контекста
—
Модальности
image, text

Радар способностей

60
general
0
coding
60
reasoning
26
scienceоцен.
42
agents
90
multimodal

При отсутствии специализированных научных бенчмарков Science оценивается по научным категориям LLM Stats или на основе рассуждений.

Рейтинги

Домен#МестоОценкаИсточник
Мультимодальный рейтинг100
44.0
LS

Оценки бенчмарков (LLM Stats)

(LLM Stats (zeroeval))

General

MMLU73.0%Сам.

Math

MGSM68.9%Сам.
MATH51.9%Сам.
MathVista51.5%Сам.

Multimodal

MMMU50.7%Сам.

Reasoning

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

Vision

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

Индексы оценки AA

(Artificial Analysis)

Нет данных AA оценки

Оценки категорий 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

Цены

Цена ввода$0.345 / 1M токенов
Цена вывода$0.345 / 1M токенов

Скорость

Токенов/сек25.4
Задержка первого токена1.31s
Время до первого ответа1.31s

Рейтинг цен провайдеров

Рейтинг цен провайдеров

1 провайдеров

ПровайдерВводВывод
1MetaОсновной
$0.345
$0.345

Сравнение цен разных API-провайдеров для этой модели.

Внешние ссылки