前段时间，Meta 开源了 Llama 3.2 轻量化模型，为移动端跑大模型提供了新选择！
同时，Llama 3.2 视觉模型（Llama 3.2 Vision）也正式开源，号称媲美 GPT-4o。
前两天，Llama 3.2 Vision 已在 Ollama 上线！
今日分享，就对它实测一番。
最后，应用到我们上篇的票据识别任务中，看看效果真有官宣的那么惊艳么？
1. Llama 3.2 亮点
老规矩，还是简短介绍下：Llama 3.2 都有哪些亮点？
一句话：轻量化 + 视觉多模态能力！
具体点：
文本模型：有 1B 和 3B 版本，即便参数少，也支持128k tokens的上下文长度；基于LoRA和SpinQuant 对模型进行深度优化，内存使用量减少41%，推理效率翻了2-4倍。 多模态模型：有 11B 和 90B 版本，在视觉理解方面，与Claude3 Haiku和GPT 4o-mini 可 PK。
2. Llama 3.2 实测
Ollama 是面向小白友好的大模型部署工具，为此本篇继续采用 Ollama 跑 Llama 3.2。
不了解 Ollama 的小伙伴，可翻看教程：
本地部署大模型？Ollama 部署和实战，看这篇就够了
2.1 环境准备
参考上述教程，假设你在本地已经准备好 Ollama。
当前 Ollama Library 中已支持 Llama 3.2 下载，因此，一行命令拉起 llama3.2-vision。
ollama run llama3.2-vision
如果遇到如下报错：
pulling manifest
Error: pull model manifest: 412:
The model you are attempting to pull requires a newer version of Ollama.
说明你的 ollama 版本需要更新了。
如果你也和我一样，采用 docker 安装，则需要删除容器，重新下载最新镜像进行安装：
docker stop ollama
docker rm ollama
docker image rm ollama/ollama
# 注：海外镜像，国内用户需自备梯子
docker pull ollama/ollama
可以发现，当前最新版本为 0.4.1：
ollama --version
ollama version is 0.4.1
然后，再起一个容器：
docker run -d --gpus "device=2" -v ollama:/root/.ollama -p 3002:11434 --restart unless-stopped --name ollama ollama/ollama
注：我这里指定 --gpus "device=2"，如果单张显存不够，需指定多张卡，Ollama 会帮你自动分配。
显存占用情况如何？
2.2 文本模型
进入容器，并下载模型 llama3.2 3B版本：
docker exec -it ollama /bin/bash
ollama run llama3.2
显存占用：请确保至少 4 G 显存。
2.3 多模态模型
进入容器，并下载模型 llama3.2-vision 11B版本：
docker exec -it ollama /bin/bash
ollama run llama3.2-vision
显存占用：请确保至少 12 G 显存。
注：ollama 中模型默认采用了 4bit 量化。
3. 接入 Dify
3.1 模型接入
要把 Ollama 部署的模型接入 Dify 有两种方式。
首先，找到设置 - 模型供应商。
方式一：找到 Ollama 类型，然后进行添加，记得把Vision能力打开：
方式二：
把 Ollama 模型接入 OneAPI，然后在模型供应商这里选择 OpenAI-API-compatible。
不了解 OneAPI 的小伙伴可以回看教程：一键封装成OpenAI协议，强推的一款神器！
个人更推荐 方式二，你会体会到接口统一的快乐~
3.2 应用集成
最后，我们在上篇的基础上，把用到 Qwen2-VL 的组件，LLM 全部替换成刚刚接入的 llama3.2-vision，如下图：
实测效果咋样？
嗯~ o(￣▽￣)o 价格等基本信息还是抓到了。
只是，相比上篇实测的 Qwen2-VL 就差点意思了：
从中文指令遵循上看：给到同样的提示词，llama3.2-vision 压根不按你的意图来； 从识别结果上看：中文 OCR 也被 Qwen2-VL 甩开好几条街。
当然，换用 90B 的模型会不会好很多？感兴趣的朋友可以试试~
