测试 Meta 的全新 Llama 3.2 90B Vision 型号 它与 Pixtral 和 Qwen 2 VL 相比如何

简介

Meta 花了一段时间才发布其 Llama 系列的首批视觉模型。在 Llama 3 发布一年半后，我们现在有了 3.2，其中包括 4 个新模型。

1B 和 3B 是轻量级的纯文本模型，旨在适用于边缘和移动设备，包括预训练和指令调整版本。它们支持 128K 个标记的上下文长度，并且是同类产品中最先进的，适用于在边缘本地运行的设备上用例，例如摘要、指令跟踪和重写任务。
在广泛生态系统的支持下，Llama 3.2 11B 和 90B 视觉模型可以替代相应的文本模型，同时在图像理解任务上的表现优于封闭模型（如 Claude 3 Haiku）。

推荐文章

• 《使用 PyTorch 从头构建自己的大型语言模型 LLM(教程含完成源码)》 权重1，本地类、PyTorch类、从头构建自己类

• 《本地电脑大模型系列之 16 使用 LangGraph 和 Llama 3 的本地 Agentic RAG (教程含源码)》 权重1，本地类、LangGraph类、Llama 3类