Meta推出首个能够处理图像的人工智能开源模型

（爱云资讯消息）在发布上一个大型AI模型仅两个月后，Meta又推出了一项重大更新：其首个能够处理图像和文本的开源模型。

新推出的模型Llama 3.2可以让开发者创建更为先进的AI应用，比如提供实时视频理解的增强现实应用程序；基于内容对图像进行分类的视觉搜索引擎；以及能够总结长篇文本的文档分析工具。

Meta表示，开发者将能够轻松地将新模型投入使用。Meta的生成式AI副总裁阿迈德·阿尔达勒(Ahmad Al-Dahle)在接受外媒采访时表示，开发者只需添加多模态功能，就能展示Llama图像并让其进行交流。

其他AI开发者，包括OpenAI和谷歌，去年已经推出了多模态模型，因此Meta在这里处于追赶地位。随着Meta继续在其Ray-Ban Meta眼镜等硬件上构建AI能力，视觉支持也将发挥关键作用。

Llama 3.2版本包含两个视觉模型（参数量为110亿和900亿）和两个轻量级纯文本模型（参数量为10亿和30亿）。较小的模型是为高通、联发科和其他Arm硬件设计的，Meta显然希望它们能在移动设备上得到应用。

不过，稍微老一点的Llama 3.1版本仍有一席之地：这款模型于今年7月发布，其中包含一个拥有4050亿参数的版本，理论上在生成文本方面将具有更强的能力。