Florence-2-large-ft माइक्रोसॉफ्ट द्वारा विकसित एक उन्नत दृश्य आधार मॉडल है जो व्यापक दृश्य और दृश्य-भाषा कार्यों को संभालने के लिए प्रॉम्प्ट-आधारित दृष्टिकोण का उपयोग करता है। यह मॉडल सरल पाठ संकेतों के माध्यम से छवि विवरण, ऑब्जेक्ट पहचान और विभाजन जैसे कार्यों को निष्पादित करने में सक्षम है। यह FLD-5B डेटासेट का उपयोग करता है, जिसमें 5.4 अरब एनोटेशन हैं जो 12.6 करोड़ छवियों को कवर करते हैं, बहु-कार्य सीखने को सक्षम करते हैं। मॉडल की अनुक्रम-से-अनुक्रम आर्किटेक्चर इसे शून्य-शॉट और ठीक-ट्यूनिंग सेटिंग्स दोनों में उत्कृष्ट प्रदर्शन करने में सक्षम बनाती है, जो इसे एक प्रतिस्पर्धी दृश्य आधार मॉडल के रूप में स्थापित करती है।