AIbase
EN
Model Selection
Tags
多模态图文推理

# 多模态图文推理

Llama 3.2 90B Vision Instruct
Llama 3.2-Vision是Meta开发的多模态大语言模型，支持图像和文本输入，文本输出，在视觉识别、图像推理、图像描述和图像问答任务上表现优异。
图像生成文本 Transformers Supports Multiple Languages
L
meta-llama
15.44k
337
Llama 3.2 90B Vision
Llama 3.2-Vision是Meta开发的多模态大语言模型系列，支持图像+文本输入和文本输出，专为视觉识别、图像推理、图像描述和图像问答任务优化。
图像生成文本 Transformers Supports Multiple Languages
L
meta-llama
3,235
128
Llama 3.2 11B Vision
Llama 3.2-Vision是由Meta开发的多模态大语言模型系列，包含11B和90B两种规模，支持图像+文本输入和文本输出，针对视觉识别、图像推理、图像描述和图像问答任务进行了优化。
图像生成文本 Transformers Supports Multiple Languages
L
meta-llama
31.12k
511
AIbase
Empowering the Future, Your AI Solution Knowledge Base
English简体中文繁體中文にほんご
© 2025AIbase