مدل Llama-3.2-90B-Vision-Instruct در آژور

اطلاعات مدل

شناسه (Slug)

llama-3-2-90b-vision-instruct

تاریخ انتشار

۴ مهر ۱۴۰۳

سازمان

Azure

دسترسی

رایگان

داده‌های تحلیلی

شاخص‌ها

هوش ۶,۰

کدنویسی —

عامل (Agentic) —

شمار پارامترها

۹۰,۰B پارامتر

مجوز

Llama 3.2

ورودی

متن

خروجی

متن

پنجرهٔ زمینه

۱۳۱,۱ هزار توکن

میانگین قیمت ورودی (در ۱ میلیون توکن)

$0,05

میانگین قیمت خروجی (در ۱ میلیون توکن)

$0,33

نوع استفاده

درک تصویر

بنچمارک‌ها

general

MMLU ۸۶,۰% #33

ریاضی

MGSM ۸۶,۹% #14

MATH ۶۸,۰% #44

MathVista ۵۷,۳% #29

چندحالته

MMMU ۶۰,۳% #44

استدلال

ChartQA ۸۵,۵% #13

GPQA ۴۶,۷% #192

بینایی

AI2D ۹۲,۳% #10

DocVQA ۹۰,۱% #21

VQAv2 ۷۸,۱% #3

TextVQA ۷۳,۵% #12

InfographicsQA ۵۶,۸% #1

MMMU-Pro ۴۵,۲% #62

تامین‌کننده‌ها (Providers)

این مدل از طریق 10 ارائه‌دهنده قابل دسترسی است.

ارائه‌دهنده	نوع	نام مدل	مدل اصلی	ورودی ($/1M)	خروجی ($/1M)	رایگان
GitHub Models	—	Llama-3.2-90B-Vision-Instruct	`meta/llama-3.2-90b-vision-instruct`	$0.00	$0.00	رایگان
Nvidia	—	llama-3.2-90b-vision-instruct	`meta/llama-3.2-90b-vision-instruct`	$0.00	$0.00	رایگان
Together AI	—	nim/meta/llama-3.2-90b-vision-instruct	`nim/meta/llama-3.2-90b-vision-instruct`	$0.00	$0.00	—
IO.NET	—	Llama 3.2 90B Vision Instruct	`meta-llama/Llama-3.2-90B-Vision-Instruct`	$0.35	$0.40	—
Requesty	—	—	`deepinfra/meta-llama/Llama-3.2-90B-Vision-Instruct`	$0.35	$0.40	—
AIHubMix ویژه	گفتگو کدنویسی	Llama-3.2-90B-Vision-Instruct	`meta-llama/Llama-3.2-90B-Vision-Instruct`	$0.50	$0.50	—
Fireworks AI	—	Llama 3.2 90B Vision Instruct	`llama-v3p2-90b-vision-instruct`	$0.90	$0.90	—
Azure OpenAI	—	Llama-3.2-90B-Vision-Instruct	`llama-3.2-90b-vision-instruct`	$2.04	$2.04	—
LangDB	—	llama-3.2-90b-vision-instruct	`llama-3.2-90b-vision-instruct`	-	-	—
Airforce API	—	llama-3.2-90b-vision-instruct	`llama-3.2-90b-vision-instruct`	-	-	—

معرفی مدل

مدل Llama-3.2-90B-Vision-Instruct روی پلتفرم ابری Azure، یکی از قدرتمندترین ابزارهای هوش مصنوعی برای پردازش پیشرفته تصویر و متن است. این مدل با ظرفیت ۹۰ میلیارد پارامتر، توانایی خیره‌کننده‌ای در درک محتوای بصری، تحلیل دقیق تصاویر و پاسخگویی به دستورات متنی پیچیده دارد. توسعه‌دهندگان می‌توانند از این مدل چندوجهی (Multimodal) برای ساخت برنامه‌های کاربردی هوشمند، تحلیل داده‌های تصویری و اتوماسیون فرآیندهای سازمانی بهره ببرند. زیرساخت مقیاس‌پذیر آژور دسترسی سریع، امنیت بالا و اجرای بهینه این مدل قدرتمند را برای پروژه‌های بزرگ تضمین می‌کند.