Kann ich Llama 3.2 90B Vision lokal ausführen?

Nein. Meta hat die Gewichte für dieses Modell nicht veröffentlicht, es ist nur per API verfügbar und kann nicht lokal betrieben werden.

Was kostet es und wie lang ist der Kontext?

Es kostet 0,35 $ pro Million Eingabetoken und 0,40 $ pro Million Ausgabetoken, mit einem Kontextfenster von 32.768 Token.

Worin unterscheidet sich das 90B vom 11B Vision-Modell?

Beide bearbeiten Bild- und Textaufgaben, aber das 90B ist die größere, genauere Variante; das 11B ist günstiger und schneller, daher zuerst zu testen, wenn die Aufgabe einfach ist.

Llama 3.2 90B Vision Instruct

1338°

#llm #meta-llama #vision #forschung #chat

Vision

Läuft auf Graydient

DeepInfra öffnen

Modell ausführen

Angebote / Werbung

Easy Creator (Prism) Web

Unbegrenzt · Pauschalpreis

Am besten für Anfänger. Leistungsstarke Workflows, geringe Lernkurve.

PirateDiffusion Telegram

Unbegrenzt · Pauschalpreis

Erstelle Videos, Bilder, individuelle Chat-Personas und mehr.

Pro studio (SpyGlass) Web

Unbegrenzt · Pauschalpreis

Durchsuche Modelle, rendere und verfeinere von jedem Browser oder Handy aus.

Discord bot (Vector)

Unbegrenzt · Pauschalpreis

Füge Vector zu deinem Server hinzu oder tritt dem Vector Discord bei. Erschaffe alles!

Unified Editor Web

Unbegrenzt · Pauschalpreis

Editor für Bilder und Videos: rendern, bearbeiten, hochskalieren und mehr auf einer Seite.

Lokale Apps

Einrichtung erforderlich

Richte lokale Programme ein, wenn dein Computer leistungsstark genug ist.

ModelDuel Web

Bezahlen pro Nutzung

Erzeuge denselben Prompt gleichzeitig auf bis zu 50 Checkpoint-/Basismodellen.

GPU in der Cloud mieten

Graydient Cloud GPU

Unbegrenzt · Pauschalpreis

Pauschalpreis, unbegrenzte Nutzung. Dieses Modell mit einem Klick installieren.

RunPod Cloud GPU

Abrechnung pro Minute

GPU pro Minute mieten und Modell selbst einrichten.

Anleitungen zu diesem Modell

Offene Gewichte vs. Open Source vs. Nur API: Was du wirklich darfst

Wie man im Oktober 2026 ein KI-Modell auswählt: Neuigkeiten zu Closed Source und dann die Open-Weights, die sich zum Download lohnen

Was ist eine GGUF-Datei? Quantisierte Modelle erklärt (Q4, Q8, fp8, NF4)

Alle Anleitungen

meta-llama | 32.768 Token Kontext | $0,35/M Eingabe, $0,40/M Ausgabe. Das Llama 90B Vision Modell ist ein erstklassiges multimodales Modell mit 90 Milliarden Parametern, entwickelt für die anspruchsvollsten visuellen Schlussfolgerungs- und Sprachaufgaben. Es bietet unvergleichliche Genauigkeit bei Bildbeschriftungen, visuellen Fragen und fortgeschrittenem Bild-Text-Verständnis. Vortrainiert auf umfangreichen multimodalen Datensätzen und mit menschlichem Feedback feinabgestimmt, ist Llama 90B Vision darauf ausgelegt, die anspruchsvollsten bildbasierten KI-Aufgaben zu bewältigen. Dieses Modell ist ideal für Branchen, die hochmoderne multimodale KI-Fähigkeiten benötigen, insbesondere für komplexe, Echtzeit-Analyse von visuellen und textuellen Daten.

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

Llama 3.2 90B Vision Instruct ist Metas größtes Vision-Sprachmodell der 3.2-Serie, entwickelt für anspruchsvolle Aufgaben, die Bilder und Text mischen – Bildbeschriftung, visuelle Fragenbeantwortung und Dokumentenverständnis. Mit 90 Milliarden Parametern ist es das Schwergewicht der Llama-Reihe. Die Preise sind angesichts der Größe moderat, was es zu einer vernünftigen Wahl für Teams macht, die ernsthafte multimodale Fähigkeiten ohne Spitzenmodell-Kosten benötigen.

Bekannt für

Starke Bildbeschriftung und visuelle Fragenbeantwortung im 90B-Bereich
Bewältigt komplexe Bild-Text-Verständnisaufgaben in einem einzigen Aufruf
Vortrainiert auf multimodalen Daten, dann mit menschlichem Feedback feinjustiert
Niedrige Kosten im Verhältnis zur Parameterzahl: 0,35 $/M Eingabe, 0,40 $/M Ausgabe

Achte auf

Gewichte sind nicht öffentlich; Zugriff nur per API, keine lokale Nutzung.
Kontextfenster umfasst 32.768 Token – ausreichend, aber nicht großzügig für lange Dokumente plus Bilder.
Das 11B-Geschwistermodell ist günstiger; nur zum 90B greifen, wenn das kleinere Modell für die Aufgabe nicht ausreicht.

Am besten für

Vision

Forschung

Chat und Assistenten

Prompts zum Ausprobieren

Ein komplexes Diagramm lesen

Ich füge ein technisches Diagramm an. Beschreibe jede beschriftete Komponente, erkläre, wie sie verbunden sind, und weise auf alles Ungewöhnliche oder Inkonsistente hin. Sei spezifisch, was du klar lesen kannst und was nicht.

Zwei Produktbilder vergleichen

Ich füge zwei Produktfotos an. Liste alle sichtbaren Unterschiede auf – Farbe, Form, Text, Verpackung, Zustand. Gib dann eine Ein-Satz-Zusammenfassung, welches qualitativ hochwertiger wirkt und warum.

Text aus einem Dokumentenfoto extrahieren

Ich füge ein Foto eines gedruckten Formulars an. Transkribiere den sichtbaren Text exakt, so gut wie möglich das Layout mit einfachem Text bewahrend. Notiere alle unleserlichen oder abgeschnittenen Bereiche.

Vergleichen mit

Sonar
Nur API-Modell
127,072 Token Kontext · $1.00/M Eingabe, $1.00/M Ausgabe
Auto Router
Nur API-Modell
2,000,000 Token Kontext · $-1,000,000.00/M Eingabe, $-1,000,000.00/M Ausgabe
Llama 4 Scout 17B 16E Instruct
Modell mit offenen Gewichten
327,680 Token Kontext · $0.10/M Eingabe, $0.30/M Ausgabe
GPT-6 Luna
Nur API-Modell
1,050,000 Token Kontext · $0.10/M Eingabe, $0.50/M Ausgabe

Mehr Textmodelle von meta-llama

Häufig gestellte Fragen

Kann ich Llama 3.2 90B Vision lokal ausführen?: Nein. Meta hat die Gewichte für dieses Modell nicht veröffentlicht, es ist nur per API verfügbar und kann nicht lokal betrieben werden.
Was kostet es und wie lang ist der Kontext?: Es kostet 0,35 $ pro Million Eingabetoken und 0,40 $ pro Million Ausgabetoken, mit einem Kontextfenster von 32.768 Token.
Worin unterscheidet sich das 90B vom 11B Vision-Modell?: Beide bearbeiten Bild- und Textaufgaben, aber das 90B ist die größere, genauere Variante; das 11B ist günstiger und schneller, daher zuerst zu testen, wenn die Aufgabe einfach ist.

Captain's Urteil
Ein fähiges, preislich angemessenes Vision-Modell für Teams mit echten multimodalen Workloads – prüfen Sie nur vorher, ob das 11B-Modell die Aufgabe nicht auch bewältigt.

Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Wie sich dieser Wert zusammensetzt

Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.

Glossar: die hier verwendeten Begriffe

Heat-Score: Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
Grundwert: Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
Download-Äquivalente: Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
Logarithmische Skala: Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
Likes: Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
Verbreitungsrate: Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
Gemessen und geschätzt: Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
Seeder: Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
AI Horde: Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
Generierungsseiten: Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
OpenRouter Tokens: Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Vollständiges Modell (Checkpoint): Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
LoRA und Embedding: Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
Familie und Gewichte: Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
Alter: Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
Familien-Boost: Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
Stand-in-Wert: Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
Neu! (Schonfrist): Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
Trend: Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
Typisches Modell: Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.

Wie man installiert

Wie man Ollama installiert und eine lokale KI betreibt (Windows, Mac, Linux)

Ähnliche Modelle

Meta Llama 3.1 8B Instruct Turbo

TEXT / LLM

KI-Modelle für Bild-, Video- und Texterzeugung

Llama 3.2 90B Vision Instruct ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen, prüfe den Hitzewert, um den Trend zu sehen, und öffne es auf PirateDiffusion oder BitVector, um es auszuprobieren.

Weitere Text / LLM-Modelle llm meta-llama vision forschung chat

Nach Modellfamilie stöbern