Meta发布Llama 3.2：首款开源多模态模型
Meta在发布大型AI模型仅两个月后，推出首个可处理图像和文本的开源模型Llama 3.2。该模型为开发者构建增强现实、视觉搜索及文档分析等先进AI应用提供了新机遇。
核心参数与性能表现
Meta首席执行官马克·扎克伯格表示：“这是我们首款开源多模态模型，将使众多需视觉理解的应用成为可能。”该系列包含两个视觉模型（110亿和900亿参数）及两个移动端轻量级文本模型（10亿和30亿参数）。
Llama 3.2支持长达12.8万token上下文，具备处理数百页文本的能力，可执行更复杂任务。Meta称其在图文理解方面与Claude 3 Haiku、GPT-4o-mini相当，并在指令遵循、摘要生成及工具使用等领域表现出色。同时，官方已发布Llama堆栈分发版本，便于开发者在多环境中部署。
生态布局与硬件赋能
目前，Llama 3.2已在llama.com和Hugging Face平台开放下载。此举是Meta强化AI竞争的关键一步，对提升Ray-Ban Meta眼镜等硬件设备的AI能力意义重大。此外，Meta还计划集成知名人物声音，以进一步优化用户互动体验。