Source: https://ailoot.ai/models/nb/meta-llama-3-2-11b-vision-instruct/ Canonical: https://ailoot.ai/models/nb/meta-llama-3-2-11b-vision-instruct/ Language: nb # Llama 3.2 11B Vision Instruct [Markdown](https://ailoot.ai/models/nb/meta-llama-3-2-11b-vision-instruct/index.md) · [JSON](https://ailoot.ai/models/nb/meta-llama-3-2-11b-vision-instruct/facts.json) ## [Llama 3.2 11B Vision Instruct](https://ailoot.ai/models/nb/meta-llama-3-2-11b-vision-instruct/) Llama 3.2 Vision 11B Instruct er en Meta-modell for spørsmål om bilder, beskrivelser av scener og analyse av tekst sammen med dokumentets oppsett. - [**Ailoot · OpenAI Chat** `POST /v1/chat/completions` `meta/llama-3.2-11b-vision-instruct`](https://ailoot.ai/models/nb/meta-llama-3-2-11b-vision-instruct/#method-0) Om modellen Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden. #### Språkmodell med visuell adapter Llama 3.2 Vision 11B Instruct tar imot tekst og bilder og formulerer resultatet som tekst. Grunnlaget er språkmodellen Llama 3.1; en separat trent visuell adapter overfører bilderepresentasjoner til den gjennom kryssoppmerksomhet. Instruct-versjonen er tilpasset instruksjoner og dialog. Modellen har omtrent 10,6 milliarder parametere, vanligvis betegnet som 11B. Konteksten er på 128 tusen tokener. Forhåndstreningen omfatter bilde- og tekstpar; kunnskapen i treningsdataene er avgrenset til desember 2023. #### Arbeid med visuell informasjon Modellen gjenkjenner synlige objekter, resonnerer om scener og svarer på spørsmål om bilder. For dokumenter tar den hensyn både til teksten som leses, og plasseringen av elementene. Oppgavene omfatter: - Svar på spørsmål om et bilde og detaljene i det. - Analyse av en dokumentside med hensyn til tekst og oppsett. - Tekstbeskrivelse av en scene og objektene som vises. - Sammenligning av et bilde med en beskrivelse. - Kobling av en språklig instruksjon til et objekt eller område i bildet. Ut fra et diagram kan modellen hjelpe med å finne måneden med høyest salg; ut fra et kart kan den svare om en rute. I slike oppgaver knyttes spørsmålet til en bestemt visuell detalj. Informasjonen som trekkes ut, blir til et tekstsvar, ikke et separat bilde. #### Språk og begrensninger For tekstoppgaver er engelsk, tysk, fransk, italiensk, portugisisk, hindi, spansk og thai oppgitt. For kombinasjonen av bilde og tekst støttes engelsk offisielt. Bredere språktrening innebærer ikke at visuelle oppgaver støttes likt på alle språk. Modellen lager svar, ikke bilder. Visuell funksjonalitet krever en metode med egnet inndataformat; navnet Vision bestemmer ikke i seg selv hvilke data som tas imot. Praktisk oppgave ### Praktisk oppgave Teknisk eksempel på engelsk ``` 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. ``` #### Forventet resultat ``` A highest-month statement, the two numerical changes and a two-sentence data caption. ``` #### Kontroller resultatet ``` Check the two differences against 25−18 and 21−25 and ensure no visual feature or causal explanation is invented. ``` **Ailoot · OpenAI Chat** `POST /v1/chat/completions` `meta/llama-3.2-11b-vision-instruct` [`meta/llama-3.2-11b-vision-instruct`](https://ailoot.ai/models/nb/#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` ### Start Llama 3.2 Vision 11B Instruct er en Meta-modell for spørsmål om bilder, beskrivelser av scener og analyse av tekst sammen med dokumentets oppsett. Godkjente inndata Tekst Resultater Tekst ### Tilgjengelig i Ailoot · inndata & metoder **Ailoot · OpenAI Chat** `POST /v1/chat/completions` Inndatatyper `text` Utdatatyper `text` Kontekst 4 096 tokens Maksimale utdata 1 024 tokens Utdataformat json eller SSE | Felt | Type | Krav | Verdier & grenser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser meta/llama-3.2-11b-vision-instruct | Standard— | | Felt`messages` | Type`message[]` | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— | | Felt`messages[].role` | Type`string` | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— | | Felt`messages[].content` | Type`string\|content_part[]\|null` | KravValgfritt | Verdier & grenser | Standard— | | Felt`messages[].tool_calls` | Type`tool_call[]` | KravValgfritt | Verdier & grenser | Standard— | | Felt`messages[].tool_call_id` | Type`string` | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— | | Felt`messages[].name` | Type`string` | KravValgfritt | Verdier & grenser | Standard— | | Felt`messages[].reasoning_content` | Type`string` | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— | | Felt`messages[].reasoning_details` | Type`object\|array` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`max_tokens` | Type`integer` | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— | | Felt`max_completion_tokens` | Type`integer` | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— | | Felt`stream` | Type`boolean` | KravValgfritt | Verdier & grenser | Standardfalse | | Felt`stream_options.include_usage` | Type`boolean` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`temperature` | Type`number` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`top_p` | Type`number` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`stop` | Type`string\|string[]` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`tools` | Type`function_tool[]` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`tools[].type` | Type`string` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`tools[].function.name` | Type`string` | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— | | Felt`tools[].function.description` | Type`string` | KravValgfritt | Verdier & grenser | Standard— | | Felt`tools[].function.parameters` | Type`JSON_schema` | KravValgfritt | Verdier & grenser | Standard— | | Felt`tool_choice` | Type`string\|object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`parallel_tool_calls` | Type`boolean` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`response_format` | Type`object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`reasoning_effort` | Type`string` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`reasoning` | Type`object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`service_tier` | Type`string` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`instructions` | Type`string` | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— | | Felt`functions` | Type`function[]` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`function_call` | Type`string\|object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`prompt_cache_options` | Type`object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | Kombinasjoner av inngående materialer **Tekst** · UTF8-tekst `messages[].content` Metodeparametere og livssyklus | Parameter | Avtale | | --- | --- | | Parameter`material_types` | Avtaletext | | Parameter`required` | Avtalemodel, messages | | Parameter`optional_controls` | Avtalenull | | Parameter`content_type` | Avtaleapplication/json | | Parameter`text_file_material` | Avtalefaktisk UTF-8-innhold satt inn som tekst; fil-ID-er eller URL-adresser (URLs) trenger separat, eksakt støtte | Livssyklus: `exact retained published method` Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen. ### Priser #### Satser for Ailoot-metoder Inndata 0,0003 USD */ 1K* Utdata 0,0011 USD */ 1K* Lesing fra hurtigbuffer 0,0003 USD */ 1K* Skriving til hurtigbuffer 0,0003 USD */ 1K* Skriving til hurtigbuffer, 5 min 0,0003 USD */ 1K tokens* Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. [Slik fungerer reservasjon og oppgjør →](https://ailoot.ai/docs/nb/billing/reserve/) ### Eksempelforespørsler #### Ailoot · OpenAI Chat TeksteksempelPython SDKNode.js SDKPython-strømming ```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") ``` ### Motta og lagre resultater #### Ailoot · OpenAI Chat json eller SSE ##### Behold alle ferdige resultater Behold alle fullstendige returnerte svar, filer og innholdsdeler. Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata. ##### Hvis det opprinnelige svaret må kontrolleres Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis. Svarfelter | Felt | Type | | --- | --- | | Felt`choices[].index` | Typeinteger | | Felt`choices[].message.content` | Typestring\|null | | Felt`choices[].message.tool_calls` | Typetool\_call\[\] | | Felt`choices[].message.reasoning_content` | Typestring | | Felt`choices[].message.reasoning_details` | Typeobject\|array | | Felt`choices[].finish_reason` | Typestring\|null | | Felt`usage` | Typeobject | Feil og neste trinn | Svar | Vilkår | Neste trinn | | --- | --- | --- | | Svar400 · `invalid_request_error` | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. | ### Aliaser #### Modellaliaser **Ailoot** [`meta/llama-3.2-11b-vision-instruct`](https://ailoot.ai/models/nb/#m=meta%2Fllama-3.2-11b-vision-instruct&route=Core&caller=meta%2Fllama-3.2-11b-vision-instruct&fmt=chat) #### Aliaser for metodestier Bruk metodestiene som vises ovenfor. #### Tilknyttede anroper-ID-er [`meta/llama-3.2-11b-vision-instruct`](https://ailoot.ai/models/nb/#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 Hvilke inndata og resultater er tilgjengelige? `POST /v1/chat/completions` · `meta/llama-3.2-11b-vision-instruct`: `text` → `text` Hvilke felt bruker forespørselen? `POST /v1/chat/completions` · `meta/llama-3.2-11b-vision-instruct`: `model`, `messages`, `stream` Hvilke grenser gjelder? `POST /v1/chat/completions` · `meta/llama-3.2-11b-vision-instruct`: `ctx`: `4096`; `max_out`: `1024`; `messages.min_items`: `1` Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon. ## Selskapet og dets prosjektportefølje Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. ## Kjøp tokener med rabatt. Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp. Abonnement Velg et rabattabonnement for faste forespørsler. Kampanjekode opptil 50% Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje. Kostnader i historikken Modell, tokener og beløp lagres for hver forespørsel. [Velg abonnement](https://ailoot.ai/docs/nb/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/nb/) ## Koble API-et til produktet du selger. SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg. Kommersiell applikasjon Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten. Forhandlerlisens Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg. Dokumenter på nettstedet Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling. [Be om forhandlerlisens](mailto:support@ailoot.ai) · [Offentlig tilbud og lisensavtale](https://ailoot.ai/legal/offer?lang=nb) ## Ailoot · Selskapet og dets prosjektportefølje Ailoot bygger på etablert driftserfaring, en stor kundebase, stabil tjeneste og løpende KPI-kontroll. Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. Ailoot bruker denne driftserfaringen til API-tilgang til AI-funksjoner i kundenes produkter, agenter, applikasjoner og automatiseringer.