Llama 3.2 3B · Meta
લામા ૩.૨ ૩બી એ પરિવારમાં સૌથી નાનું મોડેલ છે. તરત જ જવાબો, સામાન્ય વાતચીત અથવા સરળ કાર્યો માટે ઉત્તમ જ્યાં ઝડપ ઊંડાઈ કરતા વધારે મહત્વની છે.
લિફટ Llama 3.2 3B
લામા ૩.૨ ૩બી એ પરિવારમાં સૌથી નાનું મોડેલ છે. તરત જ જવાબો, સામાન્ય વાતચીત અથવા સરળ કાર્યો માટે ઉત્તમ જ્યાં ઝડપ ઊંડાઈ કરતા વધારે મહત્વની છે.
તે શું માટે ઉભરી આવે છે: સ્નેપશોટ · ઓછા સ્ત્રોત · સરળ કાર્યો માટે સારું.
કેવી રીતે વાપરવું Llama 3.2 3B
-
1
લખો અથવા અપલોડ કરો
ઉપરના બોક્સમાં તમે જે ઇચ્છો તે લખો - અથવા ફાઇલને અપલોડ કરો જો સાધન પૂછે.
-
2
બનાવો
મુખ્ય બટન પર ક્લિક કરો. મહેરબાની કરીને ૨-૩૦ સેકન્ડો રાહ જુઓ, મોડેલ અને ઇનપુટ માપ પર આધાર રાખીને.
-
3
ડાઉનલોડ અથવા વહેંચો
પરિણામ ડાઉનલોડ કરો અથવા સીધી કડી વહેંચો. વૉટરમાર્ક વગર, ઉપયોગ કરવા માટે તૈયાર.
વારંવાર પૂછાતા પ્રશ્નો
લાઈમ ૩.૨ ૩બીનો ઉપયોગ કરવા માટે કેટલો ખર્ચ થાય છે?
લલાટ ૩.૨ ૩બી પ્રો મોડેલ છે: તેનો ઉપયોગ કરવા માટે ૧૦ ટોકનનો ખર્ચ થાય છે (અમારા માટે $૦.૦૫નો વાસ્તવિક ખર્ચ). તમારે પ્રો યોજના ($૯/મહિના → ૧૫,૦૦૦ ટોકન) અથવા એક-શૉટ પેકની જરૂર છે. જો તમારી પાસે પહેલાથી જ મફત ખાતામાં ટોકન હોય તો તમે તેને સીધા ખર્ચ કરી શકો છો.
Flame 3.2 3B નો કેટલો ઉપયોગ Pro યોજના સાથે આવે છે?
પ્રો ($9/મહિના) તમને 15,000 પુનરાવર્તિત ટોકન આપે છે. 10 ટોકન પ્રતિ લામા 3.2 3B ઉપયોગ, તે ~1,500 સંપૂર્ણ ચક્ર ઉપયોગ છે. જો તમે ટૂંકી છો, એક-શૉટ પેક (5,000 / 25,000 / 80,000 ટોકન) એક વર્ષ પહેલા સમાપ્ત ન થતા બચતને ઉમેરશે.
લામા 3.2 3B વિશેષ છે કેમ?
મેટા લામા કુટુંબના સંપૂર્ણ વજનોને પ્રકાશિત કરે છે - સામાન્ય ચેટ, કોડ અને બહુભાષી માટે સારી રીતે ચકાસાયેલ. તેની ખાસ મજબૂતીઓ છે: તરત જ, ઓછા સ્ત્રોત અને સરળ કાર્યો માટે સારું.
કેવી રીતે ઝડપથી 3.2 3B નું પ્રતિસાદ આપે છે?
Call 3.2 3B એ કેટેલોગમાં ઝડપી મોડેલોમાંનું એક છે: સામાન્ય જવાબો ૨-૫ સેકન્ડમાં. વાસ્તવિક સમય પણ પ્રશ્ન લંબાઈ અને ડેટાસેન્ટર ભાર પર આધારિત છે - મોટા સંદર્ભ મોડેલો વધારે સમય લે છે જ્યારે તમે લાંબા લખાણને દાખલ કરો.
હું ia.gratis પર Flame 3.2 3B કેવી રીતે વાપરી શકું?
તમે પસંદગીકારમાં Call 3.2 3B પસંદ કરીને /chat/ માંથી Call 3.2 3B વાપરી શકો છો, અથવા POST શરીરમાં `model=call-3-2-3b` સાથે REST API મારફતે. ઝડપી સાર: સંકુચિત કોલ. તરત જ જવાબો માટે. આંતરિક મોડેલ ઓળખ `call-3-2-3b` છે - API સંકલન વખતે ઉપયોગી.