Японская мультимодальная модель на базе Llama-3.1-Swallow-70B для диалога и ответов на вопросы по изображениям.

Подходит для: ответы на вопросы о содержимом изображения на японском языке · описание объектов и сцен на изображении · извлечение визуальных сведений для японского диалога