Llama-3.2-11B-Vision-Instruct
Meta · meta-llama/Llama-3.2-11B-Vision-Instruct
Licença dos pesos: Termos do publicador: Llama 3.2 · código e componentes podem ter outros termos
Qualidade
Qualidade · LMArena · visão
LMArena 2026-10-19 · preferência humana · maior é melhor · este modelo em destaque
- Cor = publicador
Fonte: LMArena 2026-10-19 · coletado 2026-10-25 · dataset · CC BY 4.0 · modelos sem pontuação não aparecem (sem pontuação ≠ 0)
993 ± 11 · LMArena · visão · Intervalo de confiança 981–1.004 · 4.817 votos
Informado pelo publicador
- MMMU (val, CoT)
- 50,7Image · College-level Problems and Mathematical Reasoning
- MMMU-Pro, Standard (10 opts, test)
- 33,0Image · College-level Problems and Mathematical Reasoning
- MMMU-Pro, Vision (test)
- 23,7Image · College-level Problems and Mathematical Reasoning
- MathVista (testmini)
- 51,5Image · College-level Problems and Mathematical Reasoning
- ChartQA (test, CoT)
- 83,4Image · Charts and Diagram Understanding
- AI2 Diagram (test)
- 91,1Image · Charts and Diagram Understanding
- DocVQA (test)
- 88,4Image · Charts and Diagram Understanding
- VQAv2 (test)
- 75,2Image · General Visual Question Answering
Todos os resultados informados
Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Benchmarks - Image Reasoning › Instruction Tuned Models); coluna “Llama 3.2 11B”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo
Qualidade × memória
Sem par qualidade × memória comparável
Este registro não tem nota em um benchmark comparado com memória de planejamento.
Meta lançou Llama-3.2-11B-Vision-Instruct em 2024-09-25: um modelo de visão e linguagem que responde sobre imagens, com 10,7B parâmetros pela contagem do Hugging Face e licença Termos do publicador: Llama 3.2. Idiomas declarados pelo publicador: en, de, fr, it, pt, hi, es, th.
Licença: uso comercial permitido com condições: Acima de 700 mi de usuários mensais exige licença da Meta; exibir "Built with Llama"; versões multimodais não são licenciadas a pessoas ou empresas sediadas na UE (Política de Uso Aceitável). Em Q4 os pesos somam cerca de 8 GB antes da reserva de cada máquina; resolução da imagem, quadros de vídeo e contexto somam memória, e o encoder visual precisa de suporte no runtime escolhido. O download exige aceitar os termos do publicador no Hugging Face.
Roda em
Cabe na memória rápida 90
A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.
Mostrar todos os 90
Na memória, fora da parte rápida 26
Dentro da memória da máquina, fora da parte rápida: na placa de vídeo, as camadas que não cabem rodam na CPU a partir da RAM do PC (a RAM informada, ou 32 GB presumidos); no Mac, acima da fatia de GPU padrão do macOS. Não é um número de velocidade.
Mostrar todos os 26
Falta um degrau de memória 3
As mesmas máquinas com o próximo tamanho de memória o comportariam na memória rápida.
Perfis de hardware agrupados pela estimativa de planejamento Q4 em cada máquina (GPUs dedicadas reservam 2 GB; memória unificada e do sistema, 25%, de 2 a 8 GB): cabe na memória rápida, fica na memória mas fora da parte rápida (camadas na RAM do PC, ou acima da fatia de GPU do macOS), ou falta um degrau de memória. Não é compatibilidade nem velocidade medida.
Velocidade medida
Nenhuma medição publicada para este checkpoint
Tokens por segundo só aparecem quando uma fonte os publica com hardware, build e configuração. Nunca são estimados.
Como rodar
Compatibilidade de runtime e tokens por segundo não foram medidos para este registro. Metadados publicados e estimativa de memória não comprovam uma execução local.
Biblioteca na fonte: transformers
Formas documentadas de rodar
Não foi possível ler a ficha do modelo (ausente ou restrita)
Detalhes técnicos
O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.
- Checkpoint / fonte
- meta-llama/Llama-3.2-11B-Vision-Instruct
- Tarefa
- image-text-to-text
- Arquitetura
- MllamaForConditionalGeneration
- Biblioteca na fonte
- transformers
- Licença dos pesos
- Termos do publicador: Llama 3.2Llama 3.2 MODEL_CARD_VISION.md (meta-llama/llama-models, GitHub) · consultado em 2026-10-18fonte
- Uso comercial
- Permitido com condições Acima de 700 mi de usuários mensais exige licença da Meta; exibir "Built with Llama"; versões multimodais não são licenciadas a pessoas ou empresas sediadas na UE (Política de Uso Aceitável) · Llama 3.2 Community License (meta-llama/llama-models) · consultado em 2026-10-18texto da licença
- Idiomas
- en, de, fr, it, pt, hi, es, thMetadados do model card · consultado em 2026-10-25fonte
- Lançamento
- Llama 3.2 Vision MODEL_CARD_VISION.md, 'Model Release Date: Sept 25, 2024' (meta-llama/llama-models, GitHub) · consultado em 2026-10-18fonte
Todos os campos guardados
- Revisão conferida
- 9eb2daaa8597bf192a8b0e73f848f3a102794df5
- Arquitetura
- MllamaForConditionalGeneration
- Biblioteca
- transformers
- Tag de tarefa no Hub
- image-text-to-text
- Formatos
- transformers, safetensors, pytorch
- Acesso
- Restrito (manual)
- Tipo de publicador
- Oficial
- Repositório criado
- 2024-09-18criação não é o lançamento do modelo
- Repositório atualizado
- 2024-12-04um commit não é data de lançamento
- Downloads no Hub (30 dias) · curtidas
- 57.014 · 1.679só este repositório · lido em 2026-10-25
- Estado no catálogo
- Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário
Fontes
Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.
- Ficha do publicador
- Licença: Llama 3.2 MODEL_CARD_VISION.md (meta-llama/llama-models, GitHub)
- Data de lançamento: Llama 3.2 Vision MODEL_CARD_VISION.md, 'Model Release Date: Sept 25, 2024' (meta-llama/llama-models, GitHub)
Fatos curados verificados: 2026-10-18. A licença e a data de lançamento citam as fontes do publicador; parâmetros, arquivos e tarefa vêm do registro do Hugging Face, e a memória é uma estimativa rotulada a partir da contagem de parâmetros. Um valor que nenhuma fonte informa fica vazio; um commit do repositório não é a data de lançamento do modelo.






























































