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 | #Место | Оценка | Источник |
|---|---|---|---|
| Мультимодальный рейтинг | 100 | 44.0 | LS |
Оценки бенчмарков (LLM Stats)
(LLM Stats (zeroeval))General
MMLU
73.0%Сам.
Math
MGSM
68.9%Сам.
MATH
51.9%Сам.
MathVista
51.5%Сам.
Multimodal
MMMU
50.7%Сам.
Reasoning
ChartQAMasry et al. (2022)
83.4%Сам.
GPQANYU + Cohere + Anthropic (2023)
32.8%Сам.
Vision
AI2D
91.1%Сам.
DocVQADocVQA (2020)
88.4%Сам.
VQAv2 (test)
75.2%Сам.
MMMU-Pro
33.0%Сам.
Индексы оценки AA
(Artificial Analysis)Нет данных AA оценки
Оценки категорий LLM Stats
(LLM Stats (zeroeval))Image To Text90
Language70
Legal70
Multimodal70
Finance70
Vision70
Math60
Reasoning60
General60
Healthcare60
Physics30
Biology30
Chemistry30
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.