Ferret-UI-Llama8b とは
本モデルは利用者インターフェース上の指示・位置・推論に向けた多モーダル大規模言語モデルと紹介されている。
できること
- 必要な Python ファイルを手元に置く
- 画像と提示の文を用意する
- inference_and_run を呼び必要なら範囲を渡す
長所と短所
✓ 良い点
- 画像と文に基づく対話に対応する
- 画像の内容からの文生成を含む
! 注意したい点
- 構成は利用者インターフェースの課題が中心
- 推論には手元の Python ファイルと画像が要る
よくある質問
土台のモデルは?
資料は Gemma-2B と Llama-3-8B を挙げる。
範囲はどう指定する?
資料は推論の呼び出しに bounding box を渡すと説明。
最終評価日: 2026-11-15
その他 AIコーディングツール ツール
すべて見る →-
100 Vibe Coding 作りながら学ぶ vibe coding 無料ツール エンタープライズツール 開発者ツール API連携 コーディング -
10Web プロンプトから WordPress サイト(ホスティング付き) 無料ツール 開発者ツール ノーコード開発 コーディング サイト構築ツール -
16x Prompt AI コーディングのコンテキスト管理 無料ツール ワークフロー自動化 開発者ツール API連携 コーディング -
a0.dev チャットで作るモバイルアプリをストアへ 無料ツール 開発者ツール ノーコード開発 コーディング アプリ構築ツール -
Adalo ビジュアルキャンバスで作るノーコードアプリ 無料ツール 開発者ツール ノーコード開発 コーディング アプリ構築ツール -
AgentQL 自然言語でウェブからデータを抽出 フリーミアムツール 開発者ツール ブラウザ拡張機能 データ抽出 コーディング