MetaSprachmodell

Llama-3.2-11B-Vision-Instruct

Für Llama-3.2-11B-Vision-Instruct gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.

Leistungnoch ohne Platz

k. A.Gesamtindexhöher ist besser

TempoPlatz 101 von 101

21Token pro Sekundehöher ist besser

Preiskein API-Preis

k. A.je 1 Mio. Tokenniedriger ist besser

KontextPlatz 98 von 103

128 Tsd.Token auf einmal≈ 190 A4-Seiten

BeliebtheitPlatz 243 von 785

42von 100wie im Vormonat

beruht auf Suche, Nutzung und Aufmerksamkeit

Zusammenfassung

Mit 21 Token pro Sekunde schreibt es langsamer als ein typisches Modell (87).

Llama 3.2 11B Vision Instruct erweitert Metas kleinere Llama-Reihe um Bildverständnis und verarbeitet Text sowie Bilder in einem offenen Checkpoint. Genau das unterscheidet ihn von Llama 3.2 3B, das auf Text und Code beschränkt bleibt.

Die Gewichte stehen unter der Llama-3.2-Community-Lizenz. Der Wissensstand endet im Dezember 2023.

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 50 veröffentlichten Benchmark-Werte anzeigen

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

CritPt v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 0
Bewertung: 0
Messgröße: pass@1 accuracy
Einheit: %
Benchmark-Version: v2
Kategorie: reasoning
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: disputed
Abrufdatum: 2026-11-02
Methodik: Exakte AA-Konfiguration: Llama 3.2 Instruct 11B (Vision) (Release llama-3-2-instruct-11b-vision, Zeile llama-3-2-instruct-11b-vision, UUID 5fb47ff6-a30e-4c2c-96f2-55e95a13390f, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der vollständige CritPt-v2-Lauf umfasst 70 Fragen mit fünf Wiederholungen. Der offizielle Grading-Server bewertet pass@1.. Kennung des Quellmodells: artificial-analysis/5fb47ff6-a30e-4c2c-96f2-55e95a13390f/llama-3-2-instruct-11b-vision/llama-3-2-instruct-11b-vision. Name des Quellmodells: Llama-3.2-11B-Vision-Instruct. Anbieter laut Quelle: Meta. Modellstand: Llama 3.2 Instruct 11B (Vision). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Python functions, symbolic expressions, and numerical answers; official grading server. Versuche: 70 questions, five repeats per question, pass@1. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 0,0 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-critpt-v2:v2:standalone:non-reasoning:effort=unspecified:suffix=unspecified
Vergleichsmethodik: Exakte AA-Konfiguration: Llama 3.2 Instruct 11B (Vision) (Release llama-3-2-instruct-11b-vision, Zeile llama-3-2-instruct-11b-vision, UUID 5fb47ff6-a30e-4c2c-96f2-55e95a13390f, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der vollständige CritPt-v2-Lauf umfasst 70 Fragen mit fünf Wiederholungen. Der offizielle Grading-Server bewertet pass@1.. Werkzeugrichtlinie: Python functions, symbolic expressions, and numerical answers; official grading server. Versuche: 70 questions, five repeats per question, pass@1. Reasoning: non-reasoning. Reasoning-Stufe: none
Einordnung: Die AA-Quelle enthält hier den ursprünglichen CritPt-Wert. Die frühere Zuordnung zu CritPt v2 ist falsch; Wert und frühere Beschriftung bleiben als strittiger Altbeleg erhalten.. Der Quelldatensatz markiert diesen Wert als umstritten. Er bleibt als dokumentierte Evidenz sichtbar, ist aber kein belastbarer Vergleichsnachweis.

Quelle Artificial Analysis

IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 30.408163265306097
Bewertung: 30.408163265306097
Messgröße: IFBench prompt-level loose accuracy (pass@1)
Einheit: %
Benchmark-Version: AA test set: 294 questions
Kategorie: general
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: superseded
Abrufdatum: 2026-11-02
Methodik: Exakte AA-Konfiguration: Llama 3.2 Instruct 11B (Vision) (Release llama-3-2-instruct-11b-vision, Zeile llama-3-2-instruct-11b-vision, UUID 5fb47ff6-a30e-4c2c-96f2-55e95a13390f, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/5fb47ff6-a30e-4c2c-96f2-55e95a13390f/llama-3-2-instruct-11b-vision/llama-3-2-instruct-11b-vision. Name des Quellmodells: Llama-3.2-11B-Vision-Instruct. Anbieter laut Quelle: Meta. Modellstand: Llama 3.2 Instruct 11B (Vision). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 30,4 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:non-reasoning:effort=unspecified:suffix=unspecified
Vergleichsmethodik: Exakte AA-Konfiguration: Llama 3.2 Instruct 11B (Vision) (Release llama-3-2-instruct-11b-vision, Zeile llama-3-2-instruct-11b-vision, UUID 5fb47ff6-a30e-4c2c-96f2-55e95a13390f, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none
Einordnung: Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.. Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.

Quelle Artificial Analysis

IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 30.408163265306097
Bewertung: 30.408163265306097
Messgröße: IFBench prompt-level loose accuracy (pass@1)
Einheit: %
Benchmark-Version: AA test set: 294 questions
Kategorie: general
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-11-07
Methodik: Exakte AA-Konfiguration: Llama 3.2 Instruct 11B (Vision) (Release llama-3-2-instruct-11b-vision, Zeile llama-3-2-instruct-11b-vision, UUID 5fb47ff6-a30e-4c2c-96f2-55e95a13390f, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/5fb47ff6-a30e-4c2c-96f2-55e95a13390f/llama-3-2-instruct-11b-vision/llama-3-2-instruct-11b-vision. Name des Quellmodells: Llama-3.2-11B-Vision-Instruct. Anbieter laut Quelle: Meta. Modellstand: Llama 3.2 Instruct 11B (Vision). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 30,4 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-07-b96e3ffc8c5b. Prüfsumme der Quelldaten: b96e3ffc8c5b052aa56f96d05e89d02b8cc234a75085820fca0ca2a39e498274. Parserversion: artificial-analysis-rsc-models-v4. Importiert am: 2026-11-07. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:non-reasoning:effort=unspecified:suffix=unspecified
Vergleichsmethodik: Exakte AA-Konfiguration: Llama 3.2 Instruct 11B (Vision) (Release llama-3-2-instruct-11b-vision, Zeile llama-3-2-instruct-11b-vision, UUID 5fb47ff6-a30e-4c2c-96f2-55e95a13390f, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none
Einordnung: Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.

Quelle Artificial Analysis

MMMU-Pro: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 29.3063583815029
Bewertung: 29.3063583815029
Messgröße: pass@1 accuracy
Einheit: %
Benchmark-Version: AA cohort: 1,730 questions
Kategorie: multimodal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: superseded
Abrufdatum: 2026-11-02
Methodik: Exakte AA-Konfiguration: Llama 3.2 Instruct 11B (Vision) (Release llama-3-2-instruct-11b-vision, Zeile llama-3-2-instruct-11b-vision, UUID 5fb47ff6-a30e-4c2c-96f2-55e95a13390f, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Kennung des Quellmodells: artificial-analysis/5fb47ff6-a30e-4c2c-96f2-55e95a13390f/llama-3-2-instruct-11b-vision/llama-3-2-instruct-11b-vision. Name des Quellmodells: Llama-3.2-11B-Vision-Instruct. Anbieter laut Quelle: Meta. Modellstand: Llama 3.2 Instruct 11B (Vision). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 29,3 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-mmmu-pro:AA cohort: 1,730 questions:standalone:non-reasoning:effort=unspecified:suffix=unspecified
Vergleichsmethodik: Exakte AA-Konfiguration: Llama 3.2 Instruct 11B (Vision) (Release llama-3-2-instruct-11b-vision, Zeile llama-3-2-instruct-11b-vision, UUID 5fb47ff6-a30e-4c2c-96f2-55e95a13390f, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: non-reasoning. Reasoning-Stufe: none
Einordnung: Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.. Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.

Quelle Artificial Analysis

MMMU-Pro: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 29.3063583815029
Bewertung: 29.3063583815029
Messgröße: pass@1 accuracy
Einheit: %
Benchmark-Version: AA cohort: 1,730 questions
Kategorie: multimodal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Quellentyp: independent-evaluator
Auswertung: Artificial Analysis
Status: active
Abrufdatum: 2026-11-07
Methodik: Exakte AA-Konfiguration: Llama 3.2 Instruct 11B (Vision) (Release llama-3-2-instruct-11b-vision, Zeile llama-3-2-instruct-11b-vision, UUID 5fb47ff6-a30e-4c2c-96f2-55e95a13390f, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Kennung des Quellmodells: artificial-analysis/5fb47ff6-a30e-4c2c-96f2-55e95a13390f/llama-3-2-instruct-11b-vision/llama-3-2-instruct-11b-vision. Name des Quellmodells: Llama-3.2-11B-Vision-Instruct. Anbieter laut Quelle: Meta. Modellstand: Llama 3.2 Instruct 11B (Vision). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 29,3 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-07-b96e3ffc8c5b. Prüfsumme der Quelldaten: b96e3ffc8c5b052aa56f96d05e89d02b8cc234a75085820fca0ca2a39e498274. Parserversion: artificial-analysis-rsc-models-v4. Importiert am: 2026-11-07. Quellenkohorte: artificial-analysis-mmmu-pro:AA cohort: 1,730 questions:standalone:non-reasoning:effort=unspecified:suffix=unspecified
Vergleichsmethodik: Exakte AA-Konfiguration: Llama 3.2 Instruct 11B (Vision) (Release llama-3-2-instruct-11b-vision, Zeile llama-3-2-instruct-11b-vision, UUID 5fb47ff6-a30e-4c2c-96f2-55e95a13390f, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Der AA-Lauf umfasst 1.730 Fragen mit zehn Antwortoptionen. Die Antwort wird per regulärem Ausdruck extrahiert und als pass@1 bewertet.. Werkzeugrichtlinie: Ten-option multiple choice; regex answer extraction. Versuche: pass@1, one run per question. Reasoning: non-reasoning. Reasoning-Stufe: none
Einordnung: Die Benchmarkseite nennt 3.460 Fragen für den vollständigen MMMU-Pro-Datensatz; die AA-Methodik beschreibt einen 1.730-Fragen-Lauf.

Quelle Artificial Analysis

VQAv2 (test) (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 75.2
Bewertung: 75.2
Messgröße: Accuracy
Einheit: %
Benchmark-Version: test
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.2 Vision model card (commit e2e67cd)
Status: active
Abrufdatum: 2026-10-17
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Spalte Llama 3.2 11B Instruct; 0-shot; Accuracy.
Einordnung: Die Karte veröffentlicht je Tabellenzeile weder Stichprobengrößen noch Konfidenzintervalle.

Quelle Meta Llama 3.2 Vision model card (commit e2e67cd) (am 2. November 2026 nicht abrufbar) https://raw.githubusercontent.com/meta-llama/llama-models/e2e67cd8b0feca839666b7082dcc1c4fc0ae11e2/models/llama3_2_vision/MODEL_CARD.md

MMLU (CoT) (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 73
Bewertung: 73
Messgröße: Macro_avg/acc
Einheit: %
Benchmark-Version: 0-shot CoT
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.2 Vision model card (commit e2e67cd)
Status: active
Abrufdatum: 2026-10-17
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Spalte Llama 3.2 11B Instruct; 0-shot; Macro_avg/acc.
Einordnung: Die Karte veröffentlicht je Tabellenzeile weder Stichprobengrößen noch Konfidenzintervalle.

MATH (CoT) (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 51.9
Bewertung: 51.9
Messgröße: final_em
Einheit: %
Benchmark-Version: 0-shot CoT
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.2 Vision model card (commit e2e67cd)
Status: active
Abrufdatum: 2026-10-17
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Spalte Llama 3.2 11B Instruct; 0-shot; final_em.
Einordnung: Die Karte veröffentlicht je Tabellenzeile weder Stichprobengrößen noch Konfidenzintervalle.

GPQA (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 32.8
Bewertung: 32.8
Messgröße: Accuracy
Einheit: %
Benchmark-Version: 0-shot
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.2 Vision model card (commit e2e67cd)
Status: active
Abrufdatum: 2026-10-17
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Spalte Llama 3.2 11B Instruct; 0-shot; Accuracy.
Einordnung: Die Karte veröffentlicht je Tabellenzeile weder Stichprobengrößen noch Konfidenzintervalle.

MGSM (CoT) (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 68.9
Bewertung: 68.9
Messgröße: em
Einheit: %
Benchmark-Version: 0-shot CoT
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 3.2 Vision model card (commit e2e67cd)
Status: active
Abrufdatum: 2026-10-17
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Spalte Llama 3.2 11B Instruct; 0-shot; em.
Einordnung: Die Karte veröffentlicht je Tabellenzeile weder Stichprobengrößen noch Konfidenzintervalle.

VRC-Bench final-answer accuracy (original 11B Vision Instruct baseline) (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 48.4
Bewertung: 48.4
Messgröße: final-answer accuracy
Einheit: %
Kategorie: multimodal
Richtung: Mehr ist besser
Quellentyp: independent-evaluator
Auswertung: LlamaV-o1: Rethinking Step-by-step Chain-of-Thought Reasoning in Vision-Language Models
Status: active
Abrufdatum: 2026-10-17
Methodik: Unabhängige Evaluation. Tabelle 1; ursprüngliches Llama-3.2-11B-Vision-Instruct-Basismodell auf VRC-Bench; Genauigkeit der Endantwort.

Quelle LlamaV-o1: Rethinking Step-by-step Chain-of-Thought Reasoning in Vision-Language Models

VRC-Bench reasoning-step score (original 11B Vision Instruct baseline) (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 58.37
Bewertung: 58.37
Messgröße: reasoning-step performance
Einheit: %
Kategorie: multimodal
Richtung: Mehr ist besser
Quellentyp: independent-evaluator
Auswertung: LlamaV-o1: Rethinking Step-by-step Chain-of-Thought Reasoning in Vision-Language Models
Status: active
Abrufdatum: 2026-10-17
Methodik: Unabhängige Evaluation. Tabelle 1; ursprüngliches Llama-3.2-11B-Vision-Instruct-Basismodell auf VRC-Bench; Wert der Reasoning-Schritte.

Quelle LlamaV-o1: Rethinking Step-by-step Chain-of-Thought Reasoning in Vision-Language Models

Seite 1 von 5

Beliebtheit im Vergleich

Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.

Beliebtheitsindex

Die 100 beliebtesten Modelle dieser Kategorie, 0 bis 100, höher ist beliebter

20 von 101 Modellen

GPT-6 Astra83

Claude Haiku 5.577

GPT-6 Sol73

GPT-573

DeepSeek V4.1 Flash 101769

Kimi K367

MiniCPM-V 4.7 35B-A3B63

GPT-6.1 Sol63

Claude Opus 563

Qwen 3.8 Flash62

Llama-3.2-11B-Vision-Instruct42

DeepSeek V4.1 Flash 1017

MiniCPM-V 4.7 35B-A3B

GPT-6.1 Sol

Claude Opus 5

Qwen 3.8 Flash

Llama-3.2-11B-Vision-Inst…

Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 7. November 2026

Llama-3.2-11B-Vision-InstructK2 Horizon 375B-A23B 42Command R 42DeepSeek V4 Flash 0731 42GLM-4.5V 42

Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:

11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit

Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.

Alle technischen Daten

Architektur

Parameter: 11 Mrd.; Quelle: Parameter
Wissensstand: Dezember 2023; Quelle: Wissensstand

Ein- und Ausgabe

Kontextfenster: 128.000 Token; Quelle: Kontextfenster
Maximale Ausgabe: 4.096 Token; Quelle: Maximale Ausgabe
Eingaben: Text, Bild; Quelle: Eingaben
Ausgaben: Text; Quelle: Ausgaben
Tool-Aufrufe: Ja; Quelle: Tool-Aufrufe

Wasserzeichen und Herkunft

KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.

KI-Wasserzeichen: Unbekannt; ohne Quelle
Wasserzeichen-Technik: Nicht bekannt; ohne Quelle

Lizenz und Zugang

Gewichte: Offene Gewichte; Quelle: Gewichte
Zugang: API; Quelle: Zugang
Lizenz: Llama 3.2 Community; Quelle: Lizenz

Häufige Fragen zu Llama-3.2-11B-Vision-Instruct

Bis wann reicht das Wissen von Llama-3.2-11B-Vision-Instruct?

Bis Dezember 2023, laut Meta. Das ist 9 Monate vor der Veröffentlichung.

Angabe von Meta

Dez.Feb.Apr.JuniAug.WissensstandDezember 2023Veröffentlicht25.09.2024

Wie groß ist das Kontextfenster von Llama-3.2-11B-Vision-Instruct?

128.000 Token. So viel Text liest Llama-3.2-11B-Vision-Instruct auf einmal, das sind rund 190 A4-Seiten.

Seitenzahl als Faustregel nach Artificial Analysis

KontextfensterToken, die das Modell auf einmal liest · höher ist besser

GLM-5.1200 Tsd.

DeepSeek-V3 0324164 Tsd.

GLM-4.5131 Tsd.

GPT OSS 120B131 Tsd.

Llama-3.2-11B-Vision-InstructPlatz 98 von 103128 Tsd.

DeepSeek-V3.2128 Tsd.

DeepSeek-R1128 Tsd.

Wie schnell ist Llama-3.2-11B-Vision-Instruct?

21 Token pro Sekunde. Das ist langsamer als ein typisches Modell mit 87.

Gemessen von Artificial Analysis am 06.11.2026. AA 3.0.0, einschließlich Zeit bis zum ersten Token, über verfügbare Workloads und fünf Tage gemittelt.

TempoToken pro Sekunde · höher ist besser

MiMo V2.6 Flash35

GLM-4.733

Kimi K3.1 Pro33

DeepSeek-V3.233

MiMo-V2.5-Pro33

GLM-4.632

Llama-3.2-11B-Vision-InstructPlatz 101 von 10121

Kann ich Llama-3.2-11B-Vision-Instruct lokal nutzen?

Ja, die Gewichte sind offen.

Angaben von Meta

Offene Gewichte: ja
Lizenz: Llama 3.2 Community
Parameter: 11 Mrd.
davon aktiv je Token: k. A.

Quellen und Datenstand

Alle 23 Quellen anzeigen

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

Auswerter	Testreihen	Erfasste aktive Messwerte
Artificial Analysis	2	2
LMArena	0	1
Scale AI Evals	0	1

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten. 2 Messwerte sind noch keiner Testreihe zugeordnet.

Art	Nachweis und Datenstand
Geschwindigkeit	Median der bereitstellenden Anbieter, Non-reasoning. AA 3.0.0, einschließlich Zeit bis zum ersten Token, über verfügbare Workloads und fünf Tage gemittelt. Abgerufen am 6. November 2026. Quelle: Artificial Analysis · Geschwindigkeit (Artificial Analysis)Messmethode der Geschwindigkeit
Eingabe	Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. Quelle: models.dev catalog · models.dev catalog (abgerufen 27. Oktober 2026) · Meta model catalog snapshot · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. Quelle: models.dev catalog · models.dev catalog (abgerufen 27. Oktober 2026) · Meta model catalog snapshot · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Recherchestand	Recherchestand 15. Oktober 2026. 11 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Nicht veröffentlicht	score-units-and-evaluation-library Hinweis Metas Karte nennt weder explizite Einheiten der Scores noch Decoding-Einstellungen je Aufgabe oder die genaue Version der Auswertungsbibliothek.
Nicht veröffentlicht	per-row-sample-count Hinweis Die Karte veröffentlicht je Tabellenzeile weder Stichprobengrößen noch Konfidenzintervalle.
Nicht veröffentlicht	confidence interval Hinweis Für die Tabellenwerte des Modells wird kein Konfidenzintervall berichtet.
Nicht veröffentlicht	serving route and checkpoint revision Hinweis Die Studie nennt den Checkpoint, jedoch keine Serving-Route oder Gewichtsrevision.
Nicht veröffentlicht	evaluated N Originalwortlaut The leaderboard reports preference-vote totals but no fixed task-case N; Votes are not copied to sampleCount.
Ungeklärt	confidence interval Originalwortlaut The Score cell displays ±, but the official policy does not define that notation as a confidence interval; no CI field is populated.
Ungeklärt	score direction Originalwortlaut The captured source does not explicitly state higher-is-better or lower-is-better; higherIsBetter remains null.
Nicht veröffentlicht	per-model prompts and generation settings Originalwortlaut No exact prompt, decoding settings, or serving configuration is published in the captured row.
Weitere Quelle	Hugging Face (abgerufen 15. Oktober 2026) · Hugging Face, Llama 3.2 11B Vision Instruct · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere Quelle	Artificial Analysis (abgerufen 2. November 2026)
Weitere Quelle	Artificial Analysis (abgerufen 2. November 2026; 7. November 2026)1 2
Weitere Quelle	Meta Llama 3.2 Vision model card (commit e2e67cd) (abgerufen 17. Oktober 2026) (am 2. November 2026 nicht abrufbar) https://raw.githubusercontent.com/meta-llama/llama-models/e2e67cd8b0feca839666b7082dcc1c4fc0ae11e2/models/llama3_2_vision/MODEL_CARD.md
Weitere Quelle	LlamaV-o1: Rethinking Step-by-step Chain-of-Thought Reasoning in Vision-Language Models (abgerufen 17. Oktober 2026)
Weitere Quelle	Chat-TS: Enhancing Multi-Modal Reasoning Over Time-Series and Natural Language Data (abgerufen 17. Oktober 2026)
Weitere Quelle	ACL Anthology, AbjadNLP 2026, KazakhOCR (abgerufen 18. Oktober 2026)
Weitere Quelle	Arena leaderboard (abgerufen 18. Oktober 2026)
Weitere Quelle	ACL Anthology paper 2025.acl-long.689 (abgerufen 19. Oktober 2026)
Weitere Quelle	Scale Labs VISTA leaderboard (abgerufen 23. Oktober 2026)
Weitere Quelle	Multimodal RewardBench leaderboard (abgerufen 23. Oktober 2026)
Weitere Quelle	Modellmetadaten (abgerufen 17. Oktober 2026)
Weitere Quelle	Modellmetadaten (abgerufen 18. Oktober 2026)
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Ollama: kumulierte Downloads für den Beliebtheitsindex
Weitere Quelle	Replicate: kumulierte Ausführungen für den Beliebtheitsindex
Weitere Quelle	Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA
Weitere Quelle	Creative Commons Attribution 4.0

Alle Benchmark-Werte

Messungen ohne passende Vergleichswerte

Beliebtheit im Vergleich

Beliebtheitsindex

Zeitlicher Verlauf

Ähnliche Modelle

Alle technischen Daten

Architektur

Ein- und Ausgabe

Wasserzeichen und Herkunft

Lizenz und Zugang

Häufige Fragen zu Llama-3.2-11B-Vision-Instruct

Bis wann reicht das Wissen von Llama-3.2-11B-Vision-Instruct?

Wie groß ist das Kontextfenster von Llama-3.2-11B-Vision-Instruct?

Wie schnell ist Llama-3.2-11B-Vision-Instruct?

Kann ich Llama-3.2-11B-Vision-Instruct lokal nutzen?

Quellen und Datenstand

Benchmarkquellen im Überblick