Kan jag köra Llama 3.2 90B Vision lokalt?

Nej. Meta har inte släppt vikterna för denna modell, så den är endast tillgänglig via API och kan inte köras på egen hårdvara.

Vad kostar det och hur långt är kontextfönstret?

Priset är $0,35 per miljon inmatningstokens och $0,40 per miljon utmatningstokens, med ett kontextfönster på 32 768 tokens.

Hur skiljer sig 90B från 11B Vision-modellen?

Båda hanterar bild- och textuppgifter, men 90B är den större och mer exakta modellen; 11B är billigare och snabbare, värd att prova först om din arbetsbelastning är enkel.

Llama 3.2 90B Vision Instruct

1338°

#llm #meta-llama #vision #forskning #chatt

Vision

Körs på Graydient

Öppna DeepInfra

Kör modellen

Erbjudanden / annonser

Easy Creator (Prism) Webb

Obegränsat · fast avgift

Bäst för nybörjare. Kraftfulla arbetsflöden, låg inlärningströskel.

PirateDiffusion Telegram

Obegränsat · fast avgift

Skapa videor, bilder, anpassade chattpersonligheter med mera.

Pro studio (SpyGlass) Webb

Obegränsat · fast avgift

Bläddra bland modeller, rendera och förbättra från vilken webbläsare eller telefon som helst.

Discord bot (Vector)

Obegränsat · fast avgift

Lägg till Vector till din server eller gå med i Vector Discord. Skapa vad som helst!

Unified Editor Webb

Obegränsat · fast avgift

Redigerare för bilder och video: rendera, redigera, förstora och mer på en sida.

Lokala appar

Kräver installation

Installera lokala program om din dator har tillräcklig prestanda.

ModelDuel Webb

Betala per användning

Generera samma prompt på upp till 50 checkpoint-/basmodeller samtidigt.

Hyra GPU i molnet

Graydient Cloud GPU

Obegränsat · fast avgift

Fast avgift, obegränsad användning. Denna modell installeras med ett klick.

RunPod Cloud GPU

Debiteras per minut

Hyra GPU per minut och installera modellen själv.

Guider för denna modell

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

meta-llama | 32 768 tokens kontext | $0.35/M input, $0.40/M output. Llama 90B Vision-modellen är en toppmodell med 90 miljarder parametrar, multimodal, designad för de mest utmanande visuella resonemangs- och språkuppgifterna. Den erbjuder oöverträffad noggrannhet i bildbeskrivning, visuella frågor och avancerad bild-text-förståelse. Förtränad på enorma multimodala dataset och finjusterad med mänsklig feedback, är Llama 90B Vision konstruerad för att hantera de mest krävande bildbaserade AI-uppgifterna. Denna modell är perfekt för branscher som kräver banbrytande multimodala AI-kapabiliteter, särskilt de som arbetar med komplex, realtids visuell och textuell analys.

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Llama 3.2 90B Vision Instruct är Metas största vision-språkmodell i 3.2-serien, byggd för krävande uppgifter som blandar bilder och text – bildbeskrivning, visuella frågor och dokumentförståelse. Med 90 miljarder parametrar är den i den tyngre delen av Llama-serien. Prissättningen är modest för dess storlek, vilket gör den till ett rimligt val för team som behöver seriös multimodal kapacitet utan frontier-modellens höga kostnader.

Känd för

Stark bildbeskrivning och visuella frågor i 90B-skala
Hantera komplexa bild-textförståelseuppgifter i ett enda anrop
Förtränad på multimodala data och finjusterad med mänsklig feedback
Låg kostnad i förhållande till parameterantal: $0,35/M inmatning, $0,40/M utmatning

Se upp för

Vikterna är inte offentligt släppta; modellen nås endast via API, ingen lokal distribution.
Kontextfönstret är 32 768 tokens – tillräckligt men inte generöst för långa dokument plus bildarbete.
11B-syskonet kostar mindre; välj 90B bara om den mindre modellen inte räcker för din uppgift.

Bäst för

Syn

Forskning

Chatt och assistenter

Promptar att prova

Läs ett komplext diagram

Jag bifogar en teknisk diagram. Beskriv varje märkt komponent, förklara hur de kopplas ihop och påpeka allt som ser ovanligt eller inkonsekvent ut. Var specifik om vad du kan och inte kan läsa tydligt.

Jämför två produktbilder

Jag bifogar två produktbilder. Lista varje synlig skillnad mellan dem – färg, form, text, förpackning, skick. Ge sedan en enmeningssammanfattning av vilken som ser högre kvalitet ut och varför.

Extrahera text från dokumentfoto

Jag bifogar ett foto av ett utskrivet formulär. Transkribera all synlig text exakt som den visas, bevara layouten så gott det går i ren text. Notera eventuella sektioner som är oläsliga eller avklippta.

Jämför med

Sonar
Endast API-modell
127,072 tokens kontext · $1.00/M indata, $1.00/M utdata
Auto Router
Endast API-modell
2,000,000 tokens kontext · $-1,000,000.00/M indata, $-1,000,000.00/M utdata
Llama 4 Scout 17B 16E Instruct
Öppen vikt-modell
327,680 tokens kontext · $0.10/M indata, $0.30/M utdata
GPT-6 Luna
Endast API-modell
1,050,000 tokens kontext · $0.10/M indata, $0.50/M utdata

Fler textmodeller från meta-llama

Vanliga frågor

Kan jag köra Llama 3.2 90B Vision lokalt?: Nej. Meta har inte släppt vikterna för denna modell, så den är endast tillgänglig via API och kan inte köras på egen hårdvara.
Vad kostar det och hur långt är kontextfönstret?: Priset är $0,35 per miljon inmatningstokens och $0,40 per miljon utmatningstokens, med ett kontextfönster på 32 768 tokens.
Hur skiljer sig 90B från 11B Vision-modellen?: Båda hanterar bild- och textuppgifter, men 90B är den större och mer exakta modellen; 11B är billigare och snabbare, värd att prova först om din arbetsbelastning är enkel.

Kaptens omdöme
En kapabel, prisvärd visionmodell för team med verkliga multimodala arbetsflöden – bekräfta bara att 11B inte klarar jobbet innan du betalar för extra skala.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Hur man installerar

Hur man installerar Ollama och kör en lokal AI (Windows, Mac, Linux)

Liknande modeller

AI-modeller för bild-, video- och textgenerering

Llama 3.2 90B Vision Instruct är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller, se dess hettapoäng och prova den på PirateDiffusion eller BitVector.

Fler Text / LLM-modeller llm meta-llama vision forskning chatt

Bläddra efter modellfamilj