Llama 3.2

Llama 3.2の概要と開発元

Llama 3.2は、Metaが2024年9月25日にリリースしたモデル群です。このリリースでは2つの明確な方向性が打ち出されました。1つは、スマートフォンやノートPCなど処理能力が限られたデバイスでの動作を想定した超小型テキストモデル、Llama 3.2 1Bおよび3Bです。もう1つは、Meta初となるLlamaのビジョン（画像認識）モデル、Llama 3.2 11B Visionおよび90B Visionです。画像とテキストを同時に入力し、テキストで回答を得ることができます。すべてのモデルはLlama 3.2 Community Licenseのもとでダウンロード可能です。

Llama 3.2ファミリー

Llama 3.2 1Bおよび3B（テキスト）

Metaのモデルカードによると、1Bモデルのパラメータ数は約12.3億です。両小型モデルとも128Kのコンテキストウィンドウをサポートし、最大9兆トークン、2023年12月までのデータでトレーニングされています。これらは、より大規模なLlama 3.1 8Bおよび70Bモデルの出力を学習させる「知識蒸留（knowledge distillation）」と呼ばれる手法を取り入れて構築されました。Metaは想定用途として、アシスタントチャット、知識検索、要約、モバイルデバイスでの執筆支援、クエリやプロンプトの書き直しなどを挙げています。

また、Metaはメモリ消費を抑えてスマートフォン向けプロセッサで動作するよう圧縮された、1Bおよび3Bの量子化バージョンも公開しています。これらの量子化バージョンのコンテキストウィンドウは8Kトークンと短くなっています。

Llama 3.2 11Bおよび90B Vision

ビジョンモデルは、Llama 3.1テキストモデルをベースに、個別にトレーニングされたビジョンアダプターを組み合わせて構築されています。画像エンコーダーが認識した情報を言語モデルに渡す仕組みです。Metaは主な用途として、画像認識、画像に関する推論、キャプション生成、画像に関する一般的な質問への回答を挙げており、128Kのコンテキストウィンドウに対応しています。重要な点として、画像とテキストを組み合わせるタスクで公式にサポートされている言語は英語のみです。

Llama 3.2の強み

• オンデバイスAI：1Bおよび3Bモデルはスマートフォンや軽量ノートPCでも動作するほど軽量なため、アプリをオフラインで動かし、データを端末内にとどめることができます。
• 高速かつ低コストなテキスト処理：大規模モデルを使うまでもない要約、書き直し、分類、短い返答などに最適です。
• 英語での画像理解：ビジョンモデルは写真の描写、グラフや文書の読み取り、画像に関する質問への回答が可能です。
• 実験や学習用途：小型モデルは、ローカル環境でのAI実行やファインチューニングを初めて試す方にとって人気の第一歩となっています。

テキスト処理では、英語、ドイツ語、フランス語、イタリア語、ポルトガル語、ヒンディー語、スペイン語、タイ語の8言語が公式にサポートされています。

注意すべき制限事項

• 小型ゆえの限界：1Bおよび3Bモデルの知識量は大型モデルよりはるかに少なく、事実関係や推論におけるミスも多くなります。Meta自身も、モバイルデバイスのような制約の厳しい環境向けであると明記しています。
• 知識の鮮度：トレーニングデータは2023年12月で終了しています。
• 画像機能は英語のみ：画像とテキストを組み合わせたタスクは英語のみの対応で、画像生成機能はありません。
• ビジョンモデルのEU制限：MetaのLlama 3.2利用規約では、マルチモーダルモデルのライセンス権は欧州連合（EU）に居住する個人または拠点を持つ企業には付与されないと定められています。すでにこれらのモデルを組み込んだ製品のエンドユーザーには影響しません。なお、1Bおよび3Bのテキストモデルはマルチモーダルではありません。
• 画像処理における世代交代：Llama 4 ScoutおよびMaverickは画像をネイティブに処理し、より多くの言語をサポートしています。

Llama 3.2の公式な入手方法

MetaはHugging Faceのmeta-llama組織下ですべてのLlama 3.2モデルを公開しています（例：meta-llama/Llama-3.2-3B-Instruct、meta-llama/Llama-3.2-11B-Vision-Instruct）。モデルページでライセンスに同意するとファイルが利用可能になります。ビジョンモデルのモデルカードはこちらから確認できます。

ローカル環境では、Ollamaを使って小型モデルを利用できます。ollama run llama3.2で3Bバージョン（約2.0GB）が、ollama run llama3.2:1bで1Bバージョン（約1.3GB）がダウンロードされます。LM Studioやllama.cppでも動作します。詳しくはLlamaをローカルで実行する方法をご覧ください。

クラウドAPI経由の場合、OpenRouterではLlama 3.2 1Bが100万トークンあたり入力$0.027／出力$0.201、Llama 3.2 3Bが入力$0.0509／出力$0.335となっています（2026年10月時点のOpenRouter定価）。Llamaモデルの呼び出し方についてはAPIガイドをご覧ください。

ライセンス条件の基本的な方針は他のLlamaバージョンと同様で、「Built with Llama」のクレジット表記、利用規約、月間アクティブユーザー数7億人の規定が含まれます。詳細はライセンスページで解説しています。

プライバシーについて

Llama 3.2の最大のプライバシー上の利点は、小型モデルをお手持ちのデバイス上だけで完結して実行できる点です。データがスマートフォンやPCの外に出ることはありません。クラウドプロバイダー経由で利用する場合は、各プロバイダーのプライバシー規約が適用されます。

Llama 3.2の比較

Llama 3.1 8Bと比べると、3Bモデルはより小型で軽量ですが、性能面では劣ります。Llama 4との比較では、3.2のビジョンモデルは一世代前であり、画像処理に対応する言語が少なく、EU向けの制限条項も適用されます。一方、Llama 4は主要モデル自体が画像を直接扱えます。写真について手軽に質問したい場合は、当サイトのチャットでLlama 4を使うのが最もシンプルです。歴代モデルのリリース経緯はLlamaの歴史をご覧ください。

よくある質問

Llama.OnlineのチャットでLlama 3.2は使えますか？

いいえ、当チャットではLlama 3.2を提供していません。画像処理にはLlama 4 MaverickまたはScoutを、高速なテキストの回答にはLlama 3.1 8Bをご利用ください。

Llama 3.2はスマートフォンで動かせますか？

はい、1Bおよび3Bモデルはそのような用途を想定して設計されています。特にMetaがモバイルプロセッサ向けにリリースした量子化バージョンが適しています。動作にはローカルモデル対応のアプリが必要です。

画像を認識できるLlama 3.2モデルはどれですか？

11Bおよび90B Visionモデルのみです。1Bおよび3Bモデルはテキスト専用です。

EU在住者でもLlama 3.2を利用できますか？

テキストモデルはライセンスに基づき利用可能です。ビジョンモデルに関しては、MetaのポリシーによりEUに拠点を置く個人や企業にはライセンス権が付与されませんが、これらのモデルを組み込んだ製品のエンドユーザーには影響しません。なお、本記述は一般的な情報提供であり、法的アドバイスではありません。