mPLUG-Owl2-Llama2-7B — мультимодальная модель семейства mPLUG-Owl2, разработанная Alibaba и опубликованная в экосистеме DAMO Academy. Модель сочетает трансформерную архитектуру с языковой основой Llama 2 и предназначена для диалогового взаимодействия с мультимодальными данными.

Модель рассчитана на англоязычные сценарии, в которых требуется анализ изображений и формирование ответов в формате диалога: описание визуального содержимого, ответы на вопросы по изображениям и интерпретация пользовательских запросов с учётом визуального контекста. Размер модели составляет 6,6 млрд параметров, а нативная длина контекста — 2048 токенов. Для работы используется PyTorch и библиотека Transformers.

Модель распространяется по лицензии Apache-2.0. Карточка содержит ограниченное описание возможностей, поэтому конкретные показатели качества, поддерживаемые форматы входных данных и рекомендации по развёртыванию не определены.