推論	いいえ
入力モダリティ	対応：テキスト、画像
出力モダリティ	対応：テキスト
知識のカットオフ	2023/12/01
コンテキストウィンドウ	128k Arial 12ポイントのA4用紙約192ページ分
総パラメーター数	11B
ライセンス	LLAMA 3.2 COMMUNITY LICENSE AGREEMENT
モデルウェイト	Hugging Face

各指標は同じクラスのモデルと比較します。

非推論モデル → 他の非推論モデルとのみ比較
推論モデル → 推論モデルと非推論モデルの両方と比較
オープンウェイトモデル → 同じ規模クラスの他のオープンウェイトモデルとのみ比較：

極小：パラメーター数≤4B
小：パラメーター数4B～40B
中：パラメーター数40B～150B
大：パラメーター数>150B

独自モデル → 入力／出力のブレンド料金を3:1として、同じ料金帯の独自モデルとオープンウェイトモデルを比較：

100万トークンあたり<$0.15
100万トークンあたり$0.15～$1
100万トークンあたり>$1

知能

Artificial Analysis Intelligence Index · Higher is better

No publicly available API

タスクあたりの時間

Inference time (minutes) per Intelligence Index task · Lower is better

No publicly available API

タスクあたりの費用

Weighted average cost (USD) per Intelligence Index task · Lower is better

No publicly available API

知能

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index：オープンウェイトとプロプライエタリ

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Intelligence Index とタスクあたりのコスト

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

ベンチマーク

Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

MMMU-Pro

Visual reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

Openness Index

Artificial Analysis Openness Index：スコア

Openness Indexはモデルのオープン性を0～100の正規化尺度で評価します（高いほどオープン）

費用

Intelligence Index タスクあたりのコスト

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Artificial Analysis Intelligence Index の実行コスト

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

料金：キャッシュヒット・入力・出力

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

パフォーマンス

タスクあたりの時間（分）、出力速度（毎秒トークン数）、最初の回答トークンまでの時間と最初のトークンまでの時間（秒）で測定

Intelligence Indexのタスクあたりの時間

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

出力速度

Output tokens divided by total request time, including time to first token · Higher is better

Output tokens, including reasoning tokens, received per second over a request's full duration, from sending the request to receiving the final token. The headline value averages each Performance v3 workload over the past 5 days, then averages the workloads.

最初の回答トークンまでの時間

最初の回答トークン受信までの秒数 · 推論モデルの「思考」時間を含む

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

コンテキストウィンドウ

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

モデル規模（オープンウェイトモデルのみ）

モデルサイズ：総パラメータ数とアクティブパラメータ数

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

詳細

								ウェイト
Llama 3.2 Instruct 11B (Vision)	Meta	-	11B	128k	$0.35	-	21	🤗

Metaの他のリリース

よくある質問

Llama 3.2 Instruct 11B (Vision)に関するよくある質問

Llama 3.2 Instruct 11B (Vision)は2024年9月25日にリリースされました。

Llama 3.2 Instruct 11B (Vision)はMetaが開発しました。

Llama 3.2 Instruct 11B (Vision)の最初の回答トークンまでの時間は4.08秒です（このモデルを提供するプロバイダー間の中央値に基づく）。同程度の規模の他の非推論オープンウェイトモデルと比べて長い部類の水準です（中央値：2.68秒）。

Llama 3.2 Instruct 11B (Vision)の料金は入力100万トークンあたり$0.34（高い部類、中央値：$0.13）、出力100万トークンあたり$0.34（平均よりやや高い、中央値：$0.25）です。このモデルを提供するプロバイダー間の中央値に基づきます。

Llama 3.2 Instruct 11B (Vision)の料金は入力100万トークンあたり$0.34、出力100万トークンあたり$0.34です（このモデルを提供するプロバイダー間の中央値に基づく）。キャッシュヒット／入力／出力を7:2:1とするブレンド料金は、100万トークンあたり$0.35です。料金はプロバイダーによって異なる場合があります。プロバイダー料金を比較

いいえ。Llama 3.2 Instruct 11B (Vision)は推論モデルではありません。思考の連鎖による長い推論を行わず、直接回答します。

Llama 3.2 Instruct 11B (Vision)はテキスト、画像入力に対応しています。

Llama 3.2 Instruct 11B (Vision)はテキスト出力に対応しています。

はい。Llama 3.2 Instruct 11B (Vision)は画像入力に対応し、画像の分析、説明、画像に関する質問への回答が可能です。

はい。Llama 3.2 Instruct 11B (Vision)はマルチモーダルです。テキスト、画像入力を処理し、テキスト出力を生成できます。

Llama 3.2 Instruct 11B (Vision)のコンテキストウィンドウは128kトークンです。これは、モデルが1回のリクエストで処理できるテキストと会話履歴の量を決定します。

はい。Llama 3.2 Instruct 11B (Vision)はオープンウェイトモデルです。モデルウェイトが一般公開されており、ダウンロードしてセルフホストできます。

Llama 3.2 Instruct 11B (Vision)のパラメーター数は11Bです。

Llama 3.2 Instruct 11B (Vision)はLLAMA 3.2 COMMUNITY LICENSE AGREEMENTライセンスで公開されています。商用利用は制限付きで認められています。ライセンスを表示

Llama 3.2 Instruct 11B (Vision)の知識のカットオフは2023年12月です。モデルの学習データには、この日付までの情報が含まれます。

はい。Llama 3.2 Instruct 11B (Vision)は1社のプロバイダーを通じてAPIで利用できます。 APIプロバイダーを比較

Llama 3.2 Instruct 11B (Vision)は1社のAPIプロバイダーを通じて利用できます。プロバイダーを比較

Llama 3.2 Instruct 11B (Vision)の知能、性能、料金の分析

モデル概要

冗長性

技術仕様

このクラスのモデル：75件

知能

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index：オープンウェイトとプロプライエタリ

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index とタスクあたりのコスト

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Openness Index

Artificial Analysis Openness Index：スコア

費用

Intelligence Index タスクあたりのコスト

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index の実行コスト

Cost to Run Artificial Analysis Intelligence Index

料金：キャッシュヒット・入力・出力

Cache Hit

パフォーマンス

Intelligence Indexのタスクあたりの時間

Time per Intelligence Index Task

Time Period

出力速度

End-to-End Output Speed

最初の回答トークンまでの時間

Time to First Answer Token

コンテキストウィンドウ

コンテキストウィンドウ

Context Window for RAG

Context Window

モデル規模（オープンウェイトモデルのみ）

モデルサイズ：総パラメータ数とアクティブパラメータ数

Total Parameters

Active Parameters at Inference Time

詳細

Metaの他のリリース

よくある質問

Llama 3.2 Instruct 11B (Vision)はいつリリースされましたか？

Llama 3.2 Instruct 11B (Vision)の開発元はどこですか？

Llama 3.2 Instruct 11B (Vision)の遅延はどの程度ですか？

Llama 3.2 Instruct 11B (Vision)の料金はいくらですか？

Llama 3.2 Instruct 11B (Vision) APIの料金はいくらですか？

Llama 3.2 Instruct 11B (Vision)は推論モデルですか？

Llama 3.2 Instruct 11B (Vision)はどの入力モダリティに対応していますか？

Llama 3.2 Instruct 11B (Vision)はどの出力モダリティに対応していますか？

Llama 3.2 Instruct 11B (Vision)は画像を処理できますか？

Llama 3.2 Instruct 11B (Vision)はマルチモーダルですか？

Llama 3.2 Instruct 11B (Vision)のコンテキストウィンドウはどのくらいですか？

Llama 3.2 Instruct 11B (Vision)はオープンソースですか？

Llama 3.2 Instruct 11B (Vision)のパラメーター数はいくつですか？

Llama 3.2 Instruct 11B (Vision)のライセンスは何ですか？

Llama 3.2 Instruct 11B (Vision)の知識のカットオフはいつですか？

Llama 3.2 Instruct 11B (Vision)はAPIで利用できますか？

Llama 3.2 Instruct 11B (Vision)はどこで利用できますか？