Meta'nın Llama 3.2 Modeli: Görsel Yetenekli İlk Açık Llama Neler Getirmişti?

Görsel Yetenekli İlk Açık Llama

Meta, Llama 3.2'yi 25 Eylül 2024'te tanıttı. Model ailesi dört boyuttan oluşuyordu: 1 milyar ve 3 milyar parametreli hafif metin modelleri ile 11 milyar ve 90 milyar parametreli görsel yetenekli modeller. Meta'nın görüntü işleyebilen ilk açık modeli olan Llama 3.2, metinle birlikte görsel girdi alabiliyordu; ses ve video desteği ise bu sürümde yoktu. Modellerin bağlam uzunluğu 128 bin token'dı. Ağırlıklar indirilebilir olarak sunuldu ancak lisans, kabul edilebilir kullanım kurallarıyla sınırlanan kaynak erişimli bir lisanstı; tam anlamıyla açık kaynak sayılmıyordu.

Modelin çok modlu yetenekleri, metin bazlı sorulara görsel bağlam ekleyerek daha zengin yanıtlar üretmesine olanak sağlıyordu. Örneğin bir fotoğrafın içindeki nesneleri tanıyarak metin tabanlı sorulara daha ayrıntılı cevaplar verebiliyordu. 1B ve 3B boyutlu küçük modeller ise telefon gibi cihazlarda çalışacak şekilde tasarlanmıştı.

Türkiye'deki Geliştiriciler İçin Anlamı

Ağırlıkları indirilebilen modeller, yapay zekâ alanında çalışan şirketler, girişimler ve akademik kurumlar için maliyetleri düşürme fırsatı sunuyor. Özellikle mobil uygulama geliştiricileri, cihaz üzerinde çalışabilen küçük modeller sayesinde verinin buluta gönderilmediği uygulamalar tasarlayabiliyor. Akademik çevrelerde de bu tür modeller, görsel işleme ve dil alanındaki araştırmalarda kullanılabilecek önemli araçlar arasında.

Sonraki Sürümler

Llama 3.2 artık Meta'nın en güncel modeli değil. Şirket Aralık 2024'te 70 milyar parametreli Llama 3.3'ü, Nisan 2025'te ise uzmanlar karışımı mimarisine geçen Llama 4 ailesini yayımladı. Llama 4'ün Scout ve Maverick modelleri, 17 milyar etkin parametreyle metin ve görsel girdiyi destekleyen çok dilli modeller olarak sunuldu. Meta, Llama 4'ün bazı testlerde GPT-4o'yu geride bıraktığını açıklamış, ancak kıyaslamalarda halka açık sürüm yerine özelleştirilmiş bir model kullanıldığı ortaya çıkınca tartışma yaşanmıştı.

Gelecekteki Uygulama Alanları

Görsel yetenekli dil modelleri sağlık, eğitim, e-ticaret ve medya gibi sektörlerde geniş uygulama alanları sunuyor. E-ticarette ürün fotoğraflarının otomatik tanımlanması ve açıklamaların oluşturulması, eğitimde ise ders materyallerinin etkileşimli hâle getirilmesi bu alanlara örnek. Llama 3.2, açık ağırlıklı modellerin çok modlu yeteneklere kavuşmasında önemli bir basamak olarak kayıtlara geçti.