Meta anunció el lanzamiento oficial de Llama 3.2, una actualización mayor de su familia de modelos abiertos que introduce capacidades visuales nativas y despliegue ultraligero en dispositivos móviles. Llama 3.2 comprende dos modelos multimodales de 11B y 90B de parámetros diseñados para tareas de comprensión de imágenes, interpretación de tablas y gráficos complejos y extracción documental, capaces de sustituir modelos cerrados en flujos de visión. Paralelamente, Meta presentó modelos de texto puro de 1B y 3B parámetros con ventana de contexto de 128k tokens, optimizados mediante poda y destilación de conocimiento para ejecutarse directamente en procesadores Qualcomm Snapdragon y MediaTek Dimensity, habilitando privacidad total e inferencia instantánea sin conexión a la nube.
Capítulo 01
La noticia en una frase
Meta lanza Llama 3.2, combinando visión multimodal en 11B y 90B con modelos ligeros de 1B y 3B para inferencia privada en procesadores móviles de borde.
En evaluaciones estándar de comprensión visual como DocVQA, ChartQA e InfoVQA, Llama 3.2 90B supera a Claude 3 Sonnet y compite con GPT-4o-mini, mientras que las variantes ligeras de 1B y 3B superan a Gemma 2 2B y Phi-3.5-mini en tareas de seguimiento de instrucciones y resumen con una huella de memoria inferior a 2 GB en FP4.
Capítulo 02
