# 多模態圖文推理

Llama 3.2-Vision是Meta開發的多模態大語言模型，支持圖像和文本輸入，文本輸出，在視覺識別、圖像推理、圖像描述和圖像問答任務上表現優異。

Llama 3.2-Vision是Meta開發的多模態大語言模型系列，支持圖像+文本輸入和文本輸出，專為視覺識別、圖像推理、圖像描述和圖像問答任務優化。

Llama 3.2-Vision是由Meta開發的多模態大語言模型系列，包含11B和90B兩種規模，支持圖像+文本輸入和文本輸出，針對視覺識別、圖像推理、圖像描述和圖像問答任務進行了優化。