Modelo multimodal de Meta de 7.000 millones de parámetros que acepta texto e imágenes y, en la versión publicada, responde con texto.
Fue uno de los primeros modelos de pesos abiertos que procesa texto e imagen mezclados en un mismo modelo.
Pesos para investigación en Hugging Face y GitHub (licencia solo de investigación). Se lanzó junto a Chameleon 34B (cada uno con su propia ficha).