# 画像テキスト連携推論

ラマ4スカウトはMetaが発表した170億パラメータの混合エキスパートモデル(MoE)で、多言語テキストと画像理解をサポートし、PEFT/LoRA互換性を考慮した線形化エキスパートモジュール設計を採用しています。

Llama 4 ScoutはMetaが開発したマルチモーダル大規模言語モデルで、混合専門家アーキテクチャを採用し、テキストと画像理解をサポート、パラメータ規模は170億（活性化）/1090億（総計）。

Llama 4 ScoutはMetaが開発したマルチモーダルAIモデルで、混合専門家アーキテクチャを採用し、12言語のテキストと画像インタラクションをサポート、17Bの活性化パラメータと109Bの総パラメータを有します。

マルチモーダル視覚指示追従タスク専用に設計されたトルコ語視覚言語モデルで、視覚（画像）とテキスト入力を同時に処理し、トルコ語で提供される指示を理解して実行できます。

テキストと画像の入出力を交互にサポートするマルチモーダルモデルで、カメレオン7Bモデルをベースにアライメント・オブ・エブリシングフレームワークで画像生成能力を強化