Llama 3.2 90B Vision (multimodal)

MultimodālsNav pieejams
no MetaModeļa ID: llama-3-2-90b-vision-mm

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

Statuss
Nav pieejams
Konteksts
131 072 marķieri
Maks. izvade
8192 marķieri
Ievade → Izvade
Teksts + Attēls → Teksts
Izstrādātājs
Meta
Atjaunināts
2026. gada 25. jūnijs

Llama 3.2 90B Vision (multimodal) pašlaik nav pieejams

Pašlaik nav pieejams: šis modelis ir deaktivizēts.

Jūs joprojām varat lasīt detaļas šajā lapā. Izvēlieties vienu no pieejamajām alternatīvām zemāk, lai uzreiz palaistu salīdzināmu modeli.

Uz alternatīvām
01

Salīdzināmi modeļi

Visi šajā kategorijā
  • 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 $/palaidi

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

    6,00 $/1M ievade

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

    3,60 $/1M ievade

02

Spēļu laukums

Izmēģiniet Llama 3.2 90B Vision (multimodal)

Tērzēšana

Pašlaik nav pieejams

Pašlaik nav pieejams: šis modelis ir deaktivizēts.

Spēļu laukums ir atspējots. Salīdzināmus modeļus varat atrast vienā kategorijā: Skatīt alternatīvas

Izmēģiniet Llama 3.2 90B Vision (multimodal)

Nosūtiet ziņojumu. Atbilde tiek saņemta pilnībā, kad modelis ir pabeigis (bez straumēšanas).

Sistēmas uzvedne
Maks. atbildes garums (marķieri)

Šis palaišanas gadījums

Nav cenas – pašlaik nav pieejams.

Jauns šeit?

10 bezmaksas kredīti (0,10 $), reģistrējies ar Google

Pieejams 24 stundas pēc reģistrācijas, līdz 5 palaišanas gadījumi dienā un maksimāli 2 kredīti uz palaišanas gadījumu. Citas pierakstīšanās metodes sākas bez kredītiem.

03

Par Llama 3.2 90B Vision (multimodal)

ĪsumāUz 2026. gada 25. jūnijs

Llama 3.2 90B Vision (multimodal) ir Meta modelis kategorijā Multimodāls. Llama 3.2 90B Vision (multimodal) pašlaik nav pieejams Railwail platformā. Konteksta logs satur 131 072 žetonus, un viena atbilde var būt līdz 8192 žetonu gara.

Fons

Par Meta AI (FAIR)

Dibināts 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).

Apmeklēt Meta AI (FAIR)

Arhitektūra

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).

Parametri
90B
Konteksts
128 000 marķieri

Iespējas

  • 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

Apmācība un licence

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).

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

Drošības pārbaudes: 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.

Zināmi ierobežojumi

  • 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

Cenas

Pašlaik nav pieejams: šis modelis ir deaktivizēts. Šim modelim pašlaik nav cenas, tāpēc to nevar palaist.

05

API

Izsauciet Llama 3.2 90B Vision (multimodal) ar savu Railwail API atslēgu. Izmantojiet šo modeļa ID pieprasījumā:

Pašlaik nav pieejams

Modelim nav pārbaudītas cenas vai tas ir deaktivizēts; API izsaukumi tiek noraidīti.

06

Specifikācijas

Modeļa ID
llama-3-2-90b-vision-mm
Izstrādātājs
Meta
Kategorija
Multimodāls
Ievade
Teksts, Attēls
Izvade
Teksts
Konteksta logs
131 072 marķieri
Maks. izvade
8192 marķieri
Modeļa izmērs
90B
Licence
Llama 3 Community Licence: free for commercial use up to 700M MAU; redistribution must include the licence and acceptable use policy.
Kataloga ieraksts atjaunināts
2026. gada 25. jūnijs

Tagi

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

Lietošanas gadījumi

Kam to izmanto

  • 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

Bieži uzdotie jautājumi

Kas ir Llama 3.2 90B Vision (multimodal)?

Llama 3.2 90B Vision (multimodal) ir Meta izstrādāts modelis Multimodāls kategorijā. Tas ir uzskaitīts Railwail katalogā, bet pašlaik to nevar palaist.

Cik maksā Llama 3.2 90B Vision (multimodal) Railwail?

Llama 3.2 90B Vision (multimodal) pašlaik nevar tikt palaists Railwail, tāpēc nav pašreizējās cenas. Pieejamās alternatīvas ar cenām ir norādītas tālāk šajā lapā.

Kāds ir Llama 3.2 90B Vision (multimodal) konteksta logs?

Llama 3.2 90B Vision (multimodal) konteksta logs satur 131 072 žetonus. Viena atbilde var būt līdz 8192 žetonu gara.

Cik ātrs ir Llama 3.2 90B Vision (multimodal)?

Railwail platformā Llama 3.2 90B Vision (multimodal) vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.

Vai Llama 3.2 90B Vision (multimodal) ir labāks par BLIP?

Tas ir atkarīgs no uzdevuma. Llama 3.2 90B Vision (multimodal) (Meta) un BLIP (Salesforce) ir abi modeļi Multimodāls kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.

Salīdzināt Llama 3.2 90B Vision (multimodal) un BLIP

Vai Llama 3.2 90B Vision (multimodal) var apstrādāt attēlus?

Jā. Llama 3.2 90B Vision (multimodal) pieņem attēlus kā ievadi papildus tekstam.

Vai es varu izmantot Llama 3.2 90B Vision (multimodal) tieši tagad?

Pašlaik nav pieejams: šis modelis ir deaktivizēts. Lapa paliek tiešsaistē; pieejamās alternatīvas no vienas kategorijas ir norādītas tālāk.

Visi modeļi caur vienu API

Viena API atslēga visiem Railwail modeļiem. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem, 1 kredīts = 0,01 $.