Source: https://ailoot.ai/models/ja/meta-llama-3-2-11b-vision-instruct/ Canonical: https://ailoot.ai/models/ja/meta-llama-3-2-11b-vision-instruct/ Language: ja # Llama 3.2 11B Vision Instruct [Markdown](https://ailoot.ai/models/ja/meta-llama-3-2-11b-vision-instruct/index.md) · [JSON](https://ailoot.ai/models/ja/meta-llama-3-2-11b-vision-instruct/facts.json) ## [Llama 3.2 11B Vision Instruct](https://ailoot.ai/models/ja/meta-llama-3-2-11b-vision-instruct/) Llama 3.2 Vision 11B Instructは、画像についての質問、シーンの説明、文書のレイアウトとともにテキストを分析する用途に向けたMetaのモデルです。 - [**Ailoot · OpenAI チャット** `POST /v1/chat/completions` `meta/llama-3.2-11b-vision-instruct`](https://ailoot.ai/models/ja/meta-llama-3-2-11b-vision-instruct/#method-0) モデルについて この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。 #### 視覚アダプタを備えた言語モデル Llama 3.2 Vision 11B Instructは、テキストと画像を受け取り、テキストで結果を示します。基盤は言語モデルのLlama 3.1です。別途学習された視覚アダプタが、交差注意機構を通じて画像の表現を伝えます。Instruct版は、指示の実行と対話に合わせて調整されています。 モデルのサイズは約10.6Bパラメータで、通常は11Bと表記します。コンテキストは128kトークンです。事前学習は画像とテキストのペアを対象とし、学習データの知識は2023年十二月までです。 #### 視覚的な情報を扱う モデルは、見えている物体を認識し、シーンについて推論し、画像に関する質問に答えます。文書では、読み取ったテキストだけでなく、要素の配置も考慮します。想定されるタスクには、次のものがあります。 - 画像やその細部についての質問への応答。 - テキストとレイアウトを考慮した文書ページの分析。 - シーンや画像内の物体のテキストによる説明。 - 画像と説明文の照合。 - 言葉での指示と、画像内の物体や領域との対応付け。 グラフから売上が最も多かった月を調べたり、地図から経路について答えたりする支援ができます。こうしたタスクでは、質問が具体的な視覚上の細部と結び付いています。抽出した情報はテキストの応答になり、独立した画像にはなりません。 #### 言語と制限 テキストのタスクには、英語、ドイツ語、フランス語、イタリア語、ポルトガル語、ヒンディー語、スペイン語、タイ語が挙げられています。画像とテキストの組み合わせについて、正式に対応しているのは英語です。より広い言語で学習していることは、視覚的なタスクがすべての言語で同じように対応していることを意味しません。 モデルが作成するのは応答であり、画像ではありません。視覚的な能力には、対応する入力形式を持つメソッドが必要です。Visionという名前だけで、受け取るデータの構成が決まるわけではありません。 実用タスク ### 実用タスク 英語の技術例 ``` Explain transcribed chart values Use these transcribed chart values: January sales 18 units, February 25, March 21. The vertical axis is units sold. Identify the highest month, describe the month-to-month changes and write a two-sentence caption. Use only the transcribed data; do not infer causes, revenue or details about chart appearance. ``` #### 期待される結果 ``` A highest-month statement, the two numerical changes and a two-sentence data caption. ``` #### 結果の確認 ``` Check the two differences against 25−18 and 21−25 and ensure no visual feature or causal explanation is invented. ``` **Ailoot · OpenAI チャット** `POST /v1/chat/completions` `meta/llama-3.2-11b-vision-instruct` [`meta/llama-3.2-11b-vision-instruct`](https://ailoot.ai/models/ja/#m=meta%2Fllama-3.2-11b-vision-instruct&route=Core&caller=meta%2Fllama-3.2-11b-vision-instruct&fmt=chat) Meta /`meta/llama-3.2-11b-vision-instruct` ### はじめに Llama 3.2 Vision 11B Instructは、画像についての質問、シーンの説明、文書のレイアウトとともにテキストを分析する用途に向けたMetaのモデルです。 対応する入力 テキスト 結果 テキスト ### Ailootで利用可能 · 入力とメソッド **Ailoot · OpenAI チャット** `POST /v1/chat/completions` 入力の種類 `text` 出力の種類 `text` コンテキスト 4,096 tokens 最大出力 1,024 tokens 出力形式 jsonまたはSSE | フィールド | 種類 | 要件 | 値と制限 | デフォルト | | --- | --- | --- | --- | --- | | フィールド`model` | 種類`string` | 要件必須 | 値と制限 meta/llama-3.2-11b-vision-instruct | デフォルト— | | フィールド`messages` | 種類`message[]` | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— | | フィールド`messages[].role` | 種類`string` | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— | | フィールド`messages[].content` | 種類`string\|content_part[]\|null` | 要件任意 | 値と制限 | デフォルト— | | フィールド`messages[].tool_calls` | 種類`tool_call[]` | 要件任意 | 値と制限 | デフォルト— | | フィールド`messages[].tool_call_id` | 種類`string` | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— | | フィールド`messages[].name` | 種類`string` | 要件任意 | 値と制限 | デフォルト— | | フィールド`messages[].reasoning_content` | 種類`string` | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— | | フィールド`messages[].reasoning_details` | 種類`object\|array` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`max_tokens` | 種類`integer` | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— | | フィールド`max_completion_tokens` | 種類`integer` | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— | | フィールド`stream` | 種類`boolean` | 要件任意 | 値と制限 | デフォルトfalse | | フィールド`stream_options.include_usage` | 種類`boolean` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`temperature` | 種類`number` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`top_p` | 種類`number` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`stop` | 種類`string\|string[]` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`tools` | 種類`function_tool[]` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`tools[].type` | 種類`string` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`tools[].function.name` | 種類`string` | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— | | フィールド`tools[].function.description` | 種類`string` | 要件任意 | 値と制限 | デフォルト— | | フィールド`tools[].function.parameters` | 種類`JSON_schema` | 要件任意 | 値と制限 | デフォルト— | | フィールド`tool_choice` | 種類`string\|object` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`parallel_tool_calls` | 種類`boolean` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`response_format` | 種類`object` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`reasoning_effort` | 種類`string` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`reasoning` | 種類`object` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`service_tier` | 種類`string` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`instructions` | 種類`string` | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— | | フィールド`functions` | 種類`function[]` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`function_call` | 種類`string\|object` | 要件任意 | 値と制限 モデルによる | デフォルト— | | フィールド`prompt_cache_options` | 種類`object` | 要件任意 | 値と制限 モデルによる | デフォルト— | 入力素材の組み合わせ **テキスト** · UTF8テキスト `messages[].content` メソッドのパラメータとライフサイクル | パラメータ | 仕様 | | --- | --- | | パラメータ`material_types` | 仕様text | | パラメータ`required` | 仕様model, messages | | パラメータ`optional_controls` | 仕様null | | パラメータ`content_type` | 仕様application/json | | パラメータ`text_file_material` | 仕様実際のUTF-8内容をテキストとして挿入します。ファイルID/URLsには別途、正確な対応が必要です | ライフサイクル: `exact retained published method` メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。 ### 料金 #### Ailootのメソッド料金 入力 $0.0003 */ 1K* 出力 $0.0011 */ 1K* キャッシュ読み取り $0.0003 */ 1K* キャッシュ書き込み $0.0003 */ 1K* キャッシュ書き込み、5分 $0.0003 */ 1K tokens* Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。[金額の確保と精算の仕組み →](https://ailoot.ai/docs/ja/billing/reserve/) ### リクエスト例 #### Ailoot · OpenAI チャット テキストのサンプルPython SDKNode.js SDKPythonストリーミング ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "meta/llama-3.2-11b-vision-instruct", "messages": []}') f=Path(os.environ["AILOOT_TEXT_FILE"]) if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material") text=f.read_text(encoding="utf-8") if not text.strip():raise SystemExit("Source material must contain text") p["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\n\n"+text}] Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0) resp = client.chat.completions.create( model="meta/llama-3.2-11b-vision-instruct", messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}], ) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(resp.to_dict(mode="json")) ``` ```js import OpenAI from "openai"; if (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request"); const client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 }); const resp = await client.chat.completions.create({ model: "meta/llama-3.2-11b-vision-instruct", messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }], }); import { writeFileSync } from "node:fs"; function saveResult(data, stem = "result") { writeFileSync(stem + ".json", JSON.stringify(data, null, 2)); console.log(JSON.stringify(data, null, 2)); const saveBlob = (encoded, suffix, label) => { const raw = Buffer.from(encoded, "base64"); const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix; const file = `${stem}-${label}.${ext}`; writeFileSync(file, raw); console.log("Saved", file); }; for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block)); for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {})); for (const [i, item] of (data.output || []).entries()) { console.log("Output", i, JSON.stringify(item)); if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`); } for (const [ci, candidate] of (data.candidates || []).entries()) { for (const [pi, part] of (candidate.content?.parts || []).entries()) { console.log("Candidate/part", ci, pi, JSON.stringify(part)); const blob = part.inlineData || part.inline_data; if (blob?.data) { const mime = blob.mimeType || blob.mime_type; const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin"; saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`); } } } } saveResult(resp); ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='meta/llama-3.2-11b-vision-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### 結果を受け取って保存 #### Ailoot · OpenAI チャット jsonまたはSSE ##### 完了した結果をすべて保存 返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。 すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。 ##### 元のレスポンスを確認する場合 リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。 レスポンスのフィールド | フィールド | 種類 | | --- | --- | | フィールド`choices[].index` | 種類integer | | フィールド`choices[].message.content` | 種類string\|null | | フィールド`choices[].message.tool_calls` | 種類tool\_call\[\] | | フィールド`choices[].message.reasoning_content` | 種類string | | フィールド`choices[].message.reasoning_details` | 種類object\|array | | フィールド`choices[].finish_reason` | 種類string\|null | | フィールド`usage` | 種類object | エラーと次の手順 | レスポンス | 条件 | 次の手順 | | --- | --- | --- | | レスポンス400 · `invalid_request_error` | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 | ### エイリアス #### モデルのエイリアス **Ailoot** [`meta/llama-3.2-11b-vision-instruct`](https://ailoot.ai/models/ja/#m=meta%2Fllama-3.2-11b-vision-instruct&route=Core&caller=meta%2Fllama-3.2-11b-vision-instruct&fmt=chat) #### メソッドパスのエイリアス 上記に表示されたメソッドパスを使用してください。 #### 関連する呼び出し用ID [`meta/llama-3.2-11b-vision-instruct`](https://ailoot.ai/models/ja/#m=meta%2Fllama-3.2-11b-vision-instruct&route=Core&caller=meta%2Fllama-3.2-11b-vision-instruct&fmt=chat) FAQ · meta/llama-3.2-11b-vision-instruct 利用できる入力と結果は何ですか？ `POST /v1/chat/completions` · `meta/llama-3.2-11b-vision-instruct`: `text` → `text` リクエストはどの項目を使用しますか？ `POST /v1/chat/completions` · `meta/llama-3.2-11b-vision-instruct`: `model`, `messages`, `stream` どの制限が適用されますか？ `POST /v1/chat/completions` · `meta/llama-3.2-11b-vision-instruct`: `ctx`: `4096`; `max_out`: `1024`; `messages.min_items`: `1` AilootをClaude Code、OpenCode、Hermes、自分のアプリに接続しましょう。 ## 企業とそのプロジェクト群 企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。 ## トークンを割引価格で購入。 継続利用にサブスクリプション割引。プロモコードでトークン購入が最大50%割引。 サブスクリプション 定期的なリクエストに合う割引プランを選びましょう。 最大50%のプロモコード 購入時にコードを入力すると、実施中のキャンペーンに沿って価格を再計算します。 支出を履歴で確認 各リクエストのモデル、トークン、金額が保存されます。 [サブスクリプションを選ぶ](https://ailoot.ai/docs/ja/billing/subscriptions/) · [モデルの価格を見る](https://ailoot.ai/models/ja/) ## 販売する製品に、 APIを組み込みましょう。 SaaS、アプリ、ボットをAilootの公式サービス提供条件とライセンス契約に基づいて接続できます。再販にはリセラーライセンスを申請できます。 商用アプリ サービスの有料機能に、文章、画像、動画、音声の生成を組み込めます。 リセラーライセンス プロジェクトの説明とアクセスの仕組みをお送りください。利用・再販条件の書面を申請できます。 サイトで契約文書を確認 接続前にサービス提供条件、ライセンス契約、データ処理ポリシーを読めます。 [リセラーライセンスを申請](mailto:support@ailoot.ai) · [サービス提供条件とライセンス契約](https://ailoot.ai/legal/offer?lang=ja) ## Ailoot · 企業とそのプロジェクト群 Ailootは、蓄積した運営経験、幅広い顧客基盤、安定したサービス、継続的なKPI管理を基盤としています。 企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。 Ailootはこの運営経験を、お客様の製品、エージェント、アプリケーション、自動化でAI機能を利用するためのAPIアクセスに活かしています。