Llama 3.2 11B

Llama 3.2 11B Vision Instruct Llama 3.2 11B Vision Instruct

去官网

Llama 3.2 11B Vision Instruct 是 Meta 于 2024 年 9 月发布的多模态指令微调模型，拥有 110 亿参数，支持图像与文本混合输入，输出文本结果。该模型优化了图像识别、视觉问答、图像描述和文档解析等任务，支持最长 128K token 的上下文输入，适用于内容生成、智能问答、教育辅助等场景。可通过 Hugging Face 和 Amazon Bedrock 等平台部署使用。

Llama 3.2 11B Free Llama 3.2 11B Free

去官网

Llama 3.2 11B Vision Instruct Turbo 是 Meta 于 2024 年 9 月 25 日发布的多模态语言模型，拥有 110 亿参数，支持图像和文本输入，输出文本结果。该模型专为图像描述、视觉问答和文档理解等任务优化，支持最长 128K token 的上下文处理和最高 1120×1120 分辨率的图像输入，适用于多语言场景。

Llama 3.2 11B Vision Instruct Llama 3.2 11B Vision Instruct

去官网

Llama 3.2 11B Vision Instruct是一款结合视觉与语言处理的先进模型，基于110亿参数，专为执行视觉指令和多模态任务优化设计。该模型能够理解图像和文本的结合，精准处理视觉输入，并提供详细的文本响应，适用于图像分析、视觉问答、智能监控等应用。Llama 3.2 11B Vision Instruct通过强大的视觉理解与文本生成能力，帮助企业在多媒体数据处理和跨模态任务中实现高效自动化。