
Llama 3.2 Vision是一个多模态大型语言模型(LLMs)的集合,它包括预训练和指令调整的图像推理生成模型,有两种参数规模:11B(110亿参数)和90B(900亿参数)。
Llama 3.2 Vision在视觉识别、图像推理、字幕以及回答有关图像的通用问题方面进行了优化,在常见的行业基准上优于许多可用的开源和封闭多模式模型。

算力魔方®4060版是一款包含4060 8G显卡的迷你主机,运行:
ollama run llama3.2-vision
完成Llama 3.2 Vision 11B模型下载和部署。

将图片输入Llama3.2-Vision,然后直接输入问题,即可获得图片信息,如下面视频所示: