Llama 3.2 发布：首次引入多模态图像支持

在 Meta Connect 2024 活动上，Mark Zuckerberg 宣布了全新的 Llama 3.2 模型系列，在开源模型中首次引入了对多模态图像的支持。

Llama 3.2：针对设备本地任务优化

Llama 3.2 系列包含了两个较小的模型——Llama 3.2 1B 和 3B，它们经过深度优化，专为本地和边缘设备任务而设计，能够在移动设备和笔记本电脑上高效运行。

Llama 3.2 1B 和 3B 是通过对 Llama 3.1 8B 和 70B 模型进行剪枝和蒸馏得到的，非常适合用于本地任务的：摘要、指令跟随、文本重写，甚至能本地调用函数生成动作意图。

Meta 表示，Llama 3.2 的性能超越了 Google 的 Gemma 2 的 2.6B 和微软的 Phi-3.5-mini 模型。开发者还可以将它们部署在高通和 MediaTek 等 ARM 平台上，以支持多种 AI 应用。

Llama 3.2：为 AI 赋予视觉能力

规模更大的 Llama 3.2 11B 和 90B 模型引入了多模态图像支持，并取代了只支持文本的 Llama 3.1 8B 和 70B 模型。Meta 表示，它们可以与 Anthropic 的 Claude 3 Haiku 和 OpenAI 的 GPT-4o mini 等封闭模型相媲美。

Llama 3.2 模型将与 Meta AI 聊天机器人集成，用户可以在网络、WhatsApp、Instagram、Facebook 和 Messenger 上进行体验。作为视觉模型，你可以上传图像并提出相关问题。例如，上传一张食谱图片，模型可以分析并提供详细的制作步骤；你还可以让 Meta AI 捕捉你的面部图像，并在不同的场景或肖像中重新构想你的形象。

这些视觉模型在解读图表等信息时表现非常出色，尤其是在 Instagram 和 WhatsApp 社交平台上，它们还能为用户自动生成字幕。