本文へスキップ

Llama-3.2-11B-Vision

画像と文章を扱うマルチモーダルモデル

公式サイトを見る

Llama-3.2-11B-Vision とは

Llama-3.2-11B-Vision は Meta によるマルチモーダル LLM と紹介され、画像と文章を組み合わせて扱う。

できること

  • 画像と文章の提示を組み合わせる
  • 上げた画像に合う文章を探す

長所と短所

✓ 良い点

  • DocVQA への対応が挙がる
  • 文章の課題で複数言語が挙がる

! 注意したい点

  • 画像と文章の利用は英語のみと記載
  • 利用は Llama 3.2 の許諾に従う

よくある質問

公開元は?

資料は Meta を挙げる。

文書は読める?

文章と配置を理解する DocVQA が挙がる。

最終評価日: 2026-11-15

その他 AI画像生成 ツール

すべて見る →

評価方法