🔥LLaMa 3.2 - Multimodal в опенсорсе! Теперь в LLama официально завезли поддержку изображений! До этого мы имели в open-source только сторонние поделки вроде LLaVa и InternVL (они брали Llama3 за основу и тюнили). Теперь модель понимает графики и диаграммы, описывает изображения и может находить на них объекты по описаниям. Например, пользователь может спросить, в каком месяце его компания имела лучшие продажи, и модель даст ответ на основе доступных графиков. Есть несколько размеров: - Маленькая модель - 11B параметров - Средняя - 90B. Обходит GPT-4o-mini по Vision бенчам. - Более легковесные text-only модели: 1B и 3B параметров. Как раз, чтобы бегать локально на девайсах. 3B обходит Gemma 2 и Phi-3.5 - Mini. - Контекст 128,000 токенов, как и в LLama 3.1 С легковесными моделями можно создавать персонализированые приложения с агентами в закрытой среде - например, резюмировать ваши сообщения, емейлы или отправлять приглашения в календарь. И теперь с Llama 3.2 ждём очередной большой скачок качества Multimodal LLM в опенсорсе! Блогпост Веса на HF @ai_newz