O Llama 3.2 apresenta dois tamanhos de modelos visuais: 11B e 90B, projetados para implantação eficiente em GPUs de consumo e aplicações em larga escala, respectivamente. Ambos os modelos oferecem versões básicas e otimizadas por instrução. Além disso, foi introduzido o Llama Guard 3, um modelo de segurança que avalia entradas e saídas do modelo, focando na detecção de conteúdos prejudiciais.

Os novos modelos de texto, com tamanhos de 1B e 3B, são adequados para execução em dispositivos e se destacam em tarefas como reescrita de prompts e resumo. Todos os modelos foram treinados em um vasto conjunto de dados de 60 bilhões de pares de texto e imagem, permitindo uma performance robusta em tarefas de compreensão e raciocínio visual.

1. Modelos visuais com capacidades de raciocínio e compreensão de imagens.

2. Integração com plataformas como Google Cloud e Amazon SageMaker.

3. Mudanças nas políticas de licenciamento que afetam usuários na UE.

O modelo Llama 3.2 foi projetado para suportar múltiplas línguas e é especialmente eficaz em tarefas que combinam texto e imagem. A Meta também enfatizou a importância da segurança e da ética na utilização desses modelos, especialmente com a introdução do Llama Guard.

- Capacidades multimodais: texto e imagem. - Suporte a várias línguas, incluindo português. - Integrações com ferramentas de desenvolvimento populares.

As inovações do Llama 3.2 não apenas ampliam as capacidades de modelos de linguagem, mas também oferecem novas oportunidades para desenvolvedores e empresas que buscam implementar inteligência artificial em suas aplicações.

O lançamento do Llama 3.2 representa um avanço significativo na tecnologia de modelos de linguagem e visão, com implicações importantes para o desenvolvimento de aplicações mais inteligentes e seguras. A Meta continua a liderar o caminho em inovações que combinam diferentes formas de inteligência artificial.

FONTES:

1. Hugging Face

2. Meta

3. Open LLM Leaderboard