モデル選定

マルチモーダル画像テキスト推論

# マルチモーダル画像テキスト推論

Llama 3.2 90B Vision Instruct

Llama 3.2-VisionはMetaが開発したマルチモーダル大規模言語モデルで、画像とテキストの入力、テキスト出力をサポートし、視覚認識、画像推論、画像説明、画像質問応答タスクで優れた性能を発揮します。

画像生成テキスト

Transformers 複数言語対応

Llama 3.2 90B Vision

Llama 3.2-VisionはMetaが開発したマルチモーダル大規模言語モデルシリーズで、画像+テキスト入力とテキスト出力をサポートし、視覚認識、画像推論、画像説明、画像質問応答タスクに最適化されています。

画像生成テキスト

Transformers 複数言語対応

Llama 3.2 11B Vision

Llama 3.2-VisionはMetaが開発したマルチモーダル大規模言語モデルシリーズで、11Bと90Bの2つのサイズがあり、画像+テキスト入力とテキスト出力をサポートし、視覚認識、画像推論、画像説明、画像質問応答タスクに最適化されています。

画像生成テキスト

Transformers 複数言語対応

おすすめAIモデル

Llama 3 Typhoon V1.5x 8b Instruct

タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化

大規模言語モデル

Transformers 複数言語対応

Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。

対話システム

Transformers 英語

Roberta Base Chinese Extractive Qa

RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。

質問応答システム中国語

AIbase

未来を切り開く、あなたのAIソリューション知識ベース

English 简体中文繁體中文にほんご

© 2025AIbase