Novost je Meta predstavila na letni konferenci Meta Connect 2024.
Kmalu po izdaji zadnjega velikega modela umetne inteligence (AI) AI se je Meta vrnila z veliko posodobitvijo: svojim prvim odprtokodnim modelom, ki lahko obdeluje slike in besedilo.
Metina večjezična družina modelov Llama je dosegla različico 3.2, kar pomeni, da je več modelov Llama zdaj multimodalnih Llama 3.2 vključuje modele vida (s parametri 11B in 90B), pa tudi lahke modele samo z besedilom (parametra 1B in 3B).
Večji modeli podpirajo primere uporabe slik in imajo sposobnost razumevanja grafikonov in grafov, slik z napisi in natančnega določanja predmetov iz opisov v naravnem jeziku. Lahko tudi izvlečejo podrobnosti iz slik in ustvarijo napise.
Lahki modeli pa lahko razvijalcem pomagajo zgraditi prilagojene aplikacije v zasebnem okolju – npr. povzemanje nedavnih sporočil ali pošiljanje koledarskih povabil za nadaljnja srečanja.
Meta pravi, da je model Llama 3.2 konkurenčen Anthropicovemu Claude 3 Haikuju in OpenAI-jevemu GPT4o-mini pri prepoznavanju slik in drugih nalogah vizualnega razumevanja. Hkrati naj bi prekašal Gemmo in Phi 3,5-mini na področjih, kot so sledenje navodilom, povzemanje, uporaba orodij in hitro prepisovanje.
V večini sveta je mogoče multimodalne modele Llama prenesti in uporabljati na številnih platformah v oblaku, vključno s Hugging Face, Microsoft Azure, Google Cloud in AWS. Meta jih gosti tudi na uradnem spletnem mestu Llama, in jih uporablja za napajanje svojega pomočnika Meta AI prek WhatsAppa, Instagrama in Facebooka. V EU trenutno še ni na voljo.
