Llama 3.2 11b Vision Instruct 出现在两份研究材料的基线名单里
ISPRS 刊出的一篇论文介绍了一个叫 BEDI 的评估基准,定位是首个面向无人机具身智能体的标准化开放性评估基准。开源模型一侧,基准选用了 Llama 3.2 11b Vision Instruct,参数量标注为 7B 到 11B,部署硬件是 NVIDIA A6000 GPU。闭源一侧则挑了 GPT-4o 等高性能模型子集,用于动态虚拟环境任务。基准把开源与闭源分成两条线评测,这个做法本身说明了当前具身智能评测的一个现实:能跑在自有显卡上的模型,和只能调 API 的模型,评估条件根本不是一回事。
边缘设备上的导航基线
东南大学的一篇视觉语言导航综述里,Llama 3.2 11b Vision Instruct 以另一个名字出现:EfficientNavLLaMA-3.2-11B。它和 LLaVA-34B 被并列提及,配套硬件写的是 Jetson AGX Orin。这是一块功耗和显存都受限的边缘板卡,不是数据中心卡。
综述摘要里还出现了一个 18.6% 的数字,但摘要没有交代它对应哪项指标,是成功率、推理加速比还是显存占用,需要回到原文核对。可以确认的是,这份综述讨论的是大模型如何同时处理“听懂指令”和“完成导航”两件事,而被放进效率讨论里的,是一个 11B 级别的多模态模型。
企业选型清单里的一个例子
3 月 27 日的一则 AI 早报在讲企业如何落地视觉理解流程时,举的例子就是 Llama 3.2 11b Vision Instruct,并提示企业决策者关注这类模型。同一份材料里还提到 Gemini 3.1 Flash Live 在音频方向上的更新,两条消息放在一起看,脉络比较清楚:多模态能力正在从“能不能做”转向“在哪块卡上做、成本多少”。
模型本身的规格不复杂。Llama 3.2 的 11B 和 90B 是多模态版本,可以理解图像,Instruct 版本经过指令微调,更擅长理解自然语言描述并生成代码。11B 这个尺寸的意义在于,它落在单卡可部署的区间内,这也是它反复被研究选作开源基线的直接原因。
两份材料相隔不到一个月,一份做基准、一份做综述,都把同一个 11B 模型放在了与闭源大模型对照的位置上。这说明在无人机、边缘导航这类算力和功耗都吃紧的场景里,评测社区已经默认需要一个可复现的开源参照物,而目前填这个位置的是 Llama 3.2 11b Vision Instruct。至于它在 BEDI 上的实际得分,以及综述里那个 18.6% 的确切含义,要等论文正文公开后才能确认。
来源
- [LLM数值精度论文速递(2026.3.13)](https://weixin.sogou.com/link?url=dn9a_-gY295K0Rci_xozVXfdMkSQTLW6cwJThYulHEtVjXrGTiVgS5y89MFGL-sKO0Qu7hbxJeeYO9KVaGNjUVqXa8Fplpd9AQ6VnpuCMM45IV1khyDEfnAZtYGOfwBB-wEYlodUtlQtL9OHyXsLdAvSQciQwFw9rsivsT63ewS4AdfVH4_d5-IF2tauMW90iE6mnXK_9gFIIYbLGt_gYQR6bMCOgmaUfHQrwVH_eTbKmfs9lDUIJu1r3TGnNaqsXK1O4pfIV9R5Nu7CnoSqqg..&type=2&query=Llama 3.2 11b Vision Instruct %E6%9C%80%E6%96%B0%E5%8A%A8%E6%80%81&token=AB29F6E07A039982E7E1862774B14777E77C4DCB6B010971)
- [东南大学视觉语言导航最新综述!大模型如何破解“听懂+导航”双重难题](https://weixin.sogou.com/link?url=dn9a_-gY295K0Rci_xozVXfdMkSQTLW6cwJThYulHEtVjXrGTiVgS5y89MFGL-sKO0Qu7hbxJeeYO9KVaGNjUVqXa8Fplpd9KX5LR8xH7-dlEj5OSX3YfCycMJ5Sh7854UxCmaBsshtuN1hf9HkNx-xIlsm8JIQl3eLBNzYTpEmXrOMPrfhv-wGGXOhHLJ1CHmEswOKfeWWOqkR-qd5t1KwgYZFg9zC0qqfnnkkT1AcCTtha5osKpPTUpWONvqBtmdpXyxqeSuf0OK9DLfgmPA..&type=2&query=Llama 3.2 11b Vision Instruct %E6%9C%80%E6%96%B0%E5%8A%A8%E6%80%81&token=AB29F6E07A039982E7E1862774B14777E77C4DCB6B010971)
- [转见AI早报 | Apple Siri将接入Gemini/Claude(2026.03.27)](https://weixin.sogou.com/link?url=dn9a_-gY295K0Rci_xozVXfdMkSQTLW6cwJThYulHEtVjXrGTiVgS5y89MFGL-sKO0Qu7hbxJeeYO9KVaGNjUVqXa8Fplpd9qPPBTeI3yPT1KEDSm_8cLCt5ygv5KFxitz7FzfBl04_aZpQBaTOpIuQi2jdflyep4P3fCjLPfH-oaq6CPdKB4KN7ATQkqg_cWZdWJIOTEtrNaDSgI2DA-RuM9lFuaHWoJH9j1GYsz1kAsrmgpChudtOirGSZiWKwZLS5D-sLVcPwdVqCwyPdzA..&type=2&query=Llama 3.2 11b Vision Instruct %E6%9C%80%E6%96%B0%E5%8A%A8%E6%80%81&token=AB29F6E07A039982E7E1862774B14777E77C4DCB6B010971)
- [科研成果速递-ISPRS | BEDI:首个面向无人机具身智能体的标准化开放性评估基准](https://weixin.sogou.com/link?url=dn9a_-gY295K0Rci_xozVXfdMkSQTLW6cwJThYulHEtVjXrGTiVgS5y89MFGL-sKO0Qu7hbxJeeYO9KVaGNjUVqXa8Fplpd9pB8RJASZPRsDKbkKyXfxvJcD-aAK7DGJO9rCUyYJ89bWDpdFhRAoO7DaXe9-8Va1cmK_JZd50XFUAvOZhR7qIfbmKdVgvT60cBCmsdu5BgsO6m90VMibiFOmA0swSznZGhp0yWFpgIpJnZRUvSmJpzaTUZwToBTj_06zAJUZzjNflztgI7RZ1g..&type=2&query=Llama 3.2 11b Vision Instruct %E6%9C%80%E6%96%B0%E5%8A%A8%E6%80%81&token=AB29F6E07A039982E7E1862774B14777E77C4DCB6B010971)
- [一文读懂 Llama](https://weixin.sogou.com/link?url=dn9a_-gY295K0Rci_xozVXfdMkSQTLW6cwJThYulHEtVjXrGTiVgS5y89MFGL-sKO0Qu7hbxJeeYO9KVaGNjUVqXa8Fplpd9Q4G0gLFF2ZITHJYAWwTSfaEvD8xMFaEb7L2ojgAgnrT2VtZ5-iQQoadpSkLJJWWYPF-wt7B-VY5RL5v_MRsAGDhYvMxdiy_1d-wY8n5NVq2pe-18GHTl_6iADSLeUTG7h6Xnp_T3i3S1DZp_0TjjA0Efx-4v8rv2hgiR-AWRPzLYl_Q5RRZQjg..&type=2&query=Llama 3.2 11b Vision Instruct %E6%9C%80%E6%96%B0%E5%8A%A8%E6%80%81&token=AB29F6E07A039982E7E1862774B14777E77C4DCB6B010971)