Llama 3.2 90B Vision (multimodal)

MultimodalusNeprieinama
iš MetaModelio ID: llama-3-2-90b-vision-mm

Meta's flagship vision-language model. 90B parameters, image understanding + chat, strong VQA performance.

Būsena
Neprieinama
Kontekstas
131 072 žetonų
Maks. išvestis
8 192 žetonų
Įvestis → išvestis
Tekstas + Vaizdas → Tekstas
Kūrėjas
Meta
Atnaujinta
2026 m. birželio 25 d.

Llama 3.2 90B Vision (multimodal) šiuo metu neprieinamas

Šiuo metu nepasiekiama: šis modelis buvo išjungtas.

Šiame puslapyje galite perskaityti išsamią informaciją. Norėdami iš karto paleisti panašų modelį, pasirinkite vieną iš žemiau pateiktų prieinamų alternatyvų.

Į alternatyvas
01

Panašūs modeliai

Visi šioje kategorijoje
  • BLIPSalesforce

    Salesforce BLIP. Vision-language model for image captioning and visual question answering. Given an image it writes a short natural-language caption, or answers a question about the image when one is supplied. A widely used baseline for automatic captioning.

    ≈ 0,00030 USD/paleidimas

  • Anthropic's April 2026 flagship. 87.6% on SWE-bench Verified, 3x higher image resolution, output self-verification, vision + reasoning.

    6,00 USD/1M įv

  • Anthropic's balanced mid-tier model from February 2026. Best price/performance for production workloads: 5x cheaper than Opus, near-flagship quality.

    3,60 USD/1M įv

02

Žaidimų aikštelė

Išbandyti Llama 3.2 90B Vision (multimodal)

Pokalbis

Šiuo metu neprieinamas

Šiuo metu nepasiekiama: šis modelis buvo išjungtas.

Žaidimų aikštelė išjungta. Panašius modelius rasite toje pačioje kategorijoje: Peržiūrėti alternatyvas

Išbandyti Llama 3.2 90B Vision (multimodal)

Parašykite žinutę. Atsakymas pasirodo visas, kai modelis baigtas (be transliavimo).

Sistemos užrašas
Maks. atsakymo ilgis (žetonai)

Šis paleidimas

Nėra kainos – šiuo metu neprieinama.

Naujas čia?

10 nemokami kreditai (0,10 USD), kai užsiregistruojate naudodami Google

Galima naudoti 24 valandų po registracijos, iki 5 paleidimų per dieną ir daugiausia 2 kreditų per paleidimą. Kiti prisijungimo būdai pradedami be kreditų.

03

Apie Llama 3.2 90B Vision (multimodal)

TrumpaiNuo 2026 m. birželio 25 d.

Llama 3.2 90B Vision (multimodal) yra Meta modelis iš Multimodalus kategorijos. Llama 3.2 90B Vision (multimodal) šiuo metu nėra prieinamas per Railwail. Konteksto langas saugo 131 072 žetonų, o vienas atsakymas gali būti iki 8 192 žetonų ilgio.

Fonas

Apie Meta AI (FAIR)

Įkurta 2013 · Menlo Park, California, USA

Meta AI is the research arm of Meta Platforms, established in 2013 as Facebook AI Research (FAIR) by Yann LeCun. FAIR has open-sourced many foundational models including PyTorch, RoBERTa, DETR, SAM and the LLaMA family. LLaMA 1 was released in February 2023, LLaMA 2 in July 2023, LLaMA 3 in April 2024 and LLaMA 3.1 (405B) in July 2024. Llama 3.2 launched in September 2024 at Meta Connect, introducing the first multimodal models in the LLaMA family (vision-enabled 11B and 90B) together with tiny on-device text-only siblings (1B, 3B). All Llama 3.2 vision weights are released under the Llama 3 Community Licence and are widely used by enterprise customers via Meta's partner ecosystem (Hugging Face, AWS Bedrock, Azure AI Studio, Google Vertex, Together AI, Groq, Fireworks).

Apsilankyti Meta AI (FAIR)

Architektūra

Decoder-only Transformer with cross-attended vision encoder

Llama 3.2 90B Vision combines the 70B-parameter Llama 3.1 text backbone (extended to 90B with vision components) and a Vision Transformer image encoder integrated via cross-attention adapter layers, similar in spirit to Flamingo but reusing the LLaMA architecture. The vision tower processes each image to a sequence of visual tokens which are injected into specific cross-attention layers of the LLM decoder while the original text-only weights remain frozen during the multimodal training stage, preserving text-only performance. Pretraining used 6B image-text pairs followed by multi-stage supervised fine-tuning and Direct Preference Optimisation (DPO) on a curated set of image instructions, math and chart data. The model supports a 128K context window and accepts up to 1120x1120 image inputs natively (with tiling for larger images). It does not support video or audio. Llama 3.2 90B Vision is released under the Llama 3 Community Licence (free for commercial use under 700M MAU).

Parametrai
90B
Kontekstas
128 000 žetonų

Galimybės

  • Open-weights 90B vision-language model under Llama 3 Community Licence
  • 128K token context window
  • Image input up to 1120x1120 with tiling for larger images
  • Chart, diagram, OCR and document understanding
  • Strong on MMMU, MathVista, ChartQA and DocVQA among open-weights models
  • Multilingual: English, German, French, Italian, Portuguese, Spanish, Hindi, Thai
  • Tool use and JSON output via Llama 3.1 alignment recipe
  • Best for: open-weights multimodal apps, on-premise document AI, indie research

Mokymas ir licencija

Pretrained on 6B image-text pairs from public web and licensed sources; supervised fine-tuning and DPO on curated multimodal instruction data. Text knowledge inherited from Llama 3.1 (15T tokens).

Licencija: Llama 3 Community Licence: free for commercial use up to 700M MAU; redistribution must include the licence and acceptable use policy.

Saugumo testai: Meta publishes a comprehensive model card with red-team findings on CBRN, child-safety and hate-speech vectors, plus Llama Guard 3 and Prompt Guard 2 companion models for production safety.

Žinomos ribotybės

  • No video or audio input
  • Latency and cost dominated by 90B params; requires multi-GPU serving
  • Licence restricts the largest hyperscaler use cases
  • Vision quality below GPT-4o and Claude 3.5 Sonnet on hardest charts
  • English-centric in vision domain
04

Kainos

Šiuo metu nepasiekiama: šis modelis buvo išjungtas. Šiuo metu šiam modeliui nėra nustatytos kainos, todėl jo negalima paleisti.

05

API

Iškvieskite Llama 3.2 90B Vision (multimodal) naudodami savo Railwail API raktą. Šioje užklausoje naudokite šią modelio ID:

Šiuo metu nepasiekiama

Modelis neturi patikrintos kainos arba yra išjungtas; API skambučiai atmetami.

06

Specifikacijos

Modelio ID
llama-3-2-90b-vision-mm
Kūrėjas
Meta
Kategorija
Multimodalus
Įvestis
Tekstas, Vaizdas
Išvestis
Tekstas
Konteksto langas
131 072 žetonų
Maks. išvestis
8 192 žetonų
Modelio dydis
90B
Licencija
Llama 3 Community Licence: free for commercial use up to 700M MAU; redistribution must include the licence and acceptable use policy.
Katalogo įrašas atnaujintas
2026 m. birželio 25 d.

Žymos

  • meta
  • llama
  • multimodal
  • vision
  • open-weights
07

Panaudojimo atvejai

Kam tai naudojama

  • Open-weights document AI and OCR pipelines
  • On-premise vision-language assistants
  • Chart and diagram understanding for analytics
  • Compliance and regulated-industry multimodal apps
  • Research baselines for vision-language models
08

Dažnai užduodami klausimai

Kas yra Llama 3.2 90B Vision (multimodal)?

Llama 3.2 90B Vision (multimodal) yra Meta modelis iš Multimodalus kategorijos. Jis yra Railwail kataloge, tačiau šiuo metu negali būti paleistas.

Kiek kainuoja Llama 3.2 90B Vision (multimodal) Railwail?

Llama 3.2 90B Vision (multimodal) šiuo metu negali būti paleistas Railwail, todėl nėra dabartinės kainos. Toliau šiame puslapyje pateikiamos galimos alternatyvos su kainomis.

Koks yra Llama 3.2 90B Vision (multimodal) konteksto langas?

Llama 3.2 90B Vision (multimodal) konteksto langas saugo 131 072 žetonų. Vienas atsakymas gali būti iki 8 192 žetonų ilgio.

Koks yra Llama 3.2 90B Vision (multimodal) greitis?

Llama 3.2 90B Vision (multimodal) Railwail platformoje dar nėra pakankamai išmatuotų vykdymų, kad būtų galima nurodyti vykdymo laiką. Jis priklauso nuo įvesties, nustatymų ir teikėjo apkrovos.

Ar Llama 3.2 90B Vision (multimodal) geriau nei BLIP?

Tai priklauso nuo užduoties. Llama 3.2 90B Vision (multimodal) (Meta) ir BLIP (Salesforce) yra abu modeliai iš Multimodalus kategorijos. Palyginimo puslapyje jų kainos ir specifikacijos rodomos viena šalia kitos.

Palyginti Llama 3.2 90B Vision (multimodal) ir BLIP

Ar Llama 3.2 90B Vision (multimodal) gali apdoroti vaizdus?

Taip. Llama 3.2 90B Vision (multimodal) priima vaizdus kaip įvestį, be teksto.

Ar dabar galiu naudoti Llama 3.2 90B Vision (multimodal)?

Šiuo metu nepasiekiama: šis modelis buvo išjungtas. Puslapis lieka aktyvus; toliau pateikiamos galimos alternatyvos iš tos pačios kategorijos.

Visi modeliai per vieną API

Vienas API raktas visiems Railwail modeliams. Naudojimas apmokestinamas iš iš anksto nupirktų kreditų, 1 kreditas = 0,01 USD.