Всего через два месяца после выпуска большой языковой модели Llama 3.1 компания Meta* представила её обновлённую версию Llama 3.2 — первую открытую систему искусственного интеллекта, которая может обрабатывать как изображения, так и текст.
OpenAI и Google запустили собственные мультимодальные модели ИИ ещё в прошлом году, поэтому Meta* сейчас оказалась в положении догоняющей. Поддержка работы с изображениями играет важную роль — Meta* продолжает наращивать возможности ИИ на устройствах, включая очки Ray-Ban Meta*. Пакет Llama 3.2 включает две модели, поддерживающие работу с изображением (с 11 и 90 млрд параметров) и две облегчённые текстовые модели (с 1 и 3 млрд параметров). Меньшие предназначены для работы на чипах Qualcomm, MediaTek и других Arm-процессорах — Meta* явно рассчитывает, что они будут применяться на мобильных устройствах. При этом выпущенная в июле Llama 3.1 по-прежнему является сильным предложением — одна из версий имеет 405 млрд параметров, и в генерации текста она должна превосходить более новые.
