Llama 3.2 90B Instruct
Llama 3.2 90B is a large multimodal language model optimized for visual recognition, image reasoning, and captioning tasks. It supports a context length of 128,000 tokens and is designed for deployment on edge and mobile devices, offering state-of-the-art performance in image understanding and generative tasks.
Identité
| Organisation | Meta |
|---|---|
| Pays | — |
| Famille | — |
| Type | llm |
| Date de sortie | 2024-09-25 |
| Licence | llama 3.2 |
| Licence commerciale | oui |
| Licence open source | non |
| Poids ouverts | oui |
| Auto-hébergement (DGX Spark) | oui — ≤ 107 Md (Q8/FP8) |
| Modalités | image|text |
| Fenêtre de contexte | 128 000 |
| KV cache / token (Q8) | — |
| Paramètres totaux | 90 B |
| Paramètres actifs (session) | 90 B |
| Source des paramètres actifs | web : https://huggingface.co/meta-llama/Llama-3.2-90B-Vision-Instruct |
| Curation des paramètres actifs | 2026-11-04 |
| Prix par session | — |
| Tokens / tâche (Data Players) | 1.2 M |
| Tokens / tâche (Terminal-Bench) | 83.3 M (est.) |
| Ratio Terminal-Bench / Data Players | 69.4× |
| Coût / tâche (Terminal-Bench) | — |
| Tokens d'entraînement | — |
| Coupure de connaissance | — |
| Créé le | 2026-05-07T16:53:30.993146Z |
| Mis à jour le | 2026-11-04T06:04:51.384912Z |
| Source | LLM Stats |
| URL | https://llm-stats.com/models/llama-3.2-90b-instruct |
Prix par fournisseur
Statut du modèle (offres + auto-hébergement) : partiel — auto-hébergement DGX Spark (≤ 107 Md).
Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».
Aucune donnée.
Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.
SouverainetéScores par catégorie (top_scores)
| Catégorie | Score |
|---|---|
| image_to_text | 0.80 |
| language | 0.90 |
| legal | 0.90 |
| math | 0.70 |
| multimodal | 0.70 |
| physics | 0.50 |
| reasoning | 0.70 |
| finance | 0.90 |
| general | 0.70 |
| healthcare | 0.70 |
| biology | 0.50 |
| chemistry | 0.50 |
| vision | 0.70 |
Scores par benchmark
| Benchmark | Catégorie | Score | Max | Normalisé (API) | Vérifié | Auto-déclaré | Daté du |
|---|---|---|---|---|---|---|---|
| ai2d | vision | 0.92 | 1.00 | 0.92 | non | oui | 2026-11-04T06:04:51.397380Z |
| chartqa | reasoning | 0.85 | 1.00 | 0.85 | non | oui | 2026-11-04T06:04:51.402346Z |
| docvqa | vision | 0.90 | 1.00 | 0.90 | non | oui | 2026-11-04T06:04:51.405489Z |
| gpqa | reasoning | 0.47 | 1.00 | 0.47 | non | oui | 2026-11-04T06:04:51.409051Z |
| infographicsqa | vision | 0.57 | 1.00 | 0.57 | non | oui | 2026-11-04T06:04:51.425652Z |
| math | math | 0.68 | 1.00 | 0.68 | non | oui | 2026-11-04T06:04:51.428909Z |
| mathvista | math | 0.57 | 1.00 | 0.57 | non | oui | 2026-11-04T06:04:51.432075Z |
| mgsm | math | 0.87 | 1.00 | 0.87 | non | oui | 2026-11-04T06:04:51.436604Z |
| mmlu | general | 0.86 | 1.00 | 0.86 | non | oui | 2026-11-04T06:04:51.440096Z |
| mmmu | multimodal | 0.60 | 1.00 | 0.60 | non | oui | 2026-11-04T06:04:51.443841Z |
| mmmu-pro | vision | 0.45 | 1.00 | 0.45 | non | oui | 2026-11-04T06:04:51.448208Z |
| textvqa | vision | 0.73 | 1.00 | 0.73 | non | oui | 2026-11-04T06:04:51.451667Z |
| vqav2 | vision | 0.78 | 1.00 | 0.78 | non | oui | 2026-11-04T06:04:51.454668Z |
Classements
Aucune donnée.
Données
Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04