Meta 基于混合专家（MoE）架构开发的高性能多模态语言模型，每次推理动态激活 170 亿参数（总参数量达 4000 亿），集成 128 个专家模块。该模型支持 12 种语言的文本/图像输入及文本/代码输出，专为视觉-语言任务优化，通过指令微调实现类助手交互、图像推理和通用多模态应用。