Meta最近推出了Llama 3.2，这是其首个能够处理图像和文本的开源AI模型。这个新模型的开发意味着开发者现在可以创建更加先进的AI应用程序，例如提供实时视频理解的增强现实应用、基于内容对图像进行分类的视觉搜索引擎，以及能够总结长篇文本的文档分析工具。Llama 3.2模型系列包括两个视觉模型（参数量为110亿和900亿）和两个轻量级纯文本模型（参数量为10亿和30亿），其中较小的模型是为高通、联发科和其他Arm硬件设计的，以便在移动设备上应用。
Meta的AI副总裁阿迈德·阿尔达勒(Ahmad Al-Dahle)提到，开发者可以轻松地将新模型投入使用，只需添加多模态功能，就能展示Llama图像并让其进行交流。Meta的竞争对手，包括OpenAI和谷歌，去年已经推出了多模态模型，因此Meta在这方面处于追赶地位。
Llama 3.2的发布，加上Meta在其Ray-Ban Meta眼镜等硬件上构建的AI能力，显示了Meta在AI领域的雄心壮志。Meta也在继续推动其AI硬件的发展，比如更新了Ray-Ban Meta智能眼镜，增加了实时AI视频处理和实时语言翻译等功能。
此外，Meta还发布了Llama 3.1，这是一个拥有4050亿参数的模型，理论上在生成文本方面将具有更强的能力。Llama 3.1的发布，加上现在的Llama 3.2，显示了Meta在AI领域的快速进展和对开源AI模型的承诺。
Meta的AI模型现在可以通过AWS、Azure和Google Cloud等云服务提供商来运行，这意味着开发者可以在这些平台上部署和定制Meta的AI模型。Meta的这些举措，旨在推动开源AI模型的发展，并使其成为行业的标准。
