Robocikowo>ROBOCIKOWO
Llama 4 Maverick
Modele AI›Llama

Llama 4 Maverick

4 Maverick (17B-128E) · Rodzina: Llama
Natywnie multimodalny model Meta (Llama 4) w architekturze MoE: 17B parametrow aktywnych i 400B lacznie (128 ekspertow), kontekst 1M, early fusion tekstu i obrazu; otwarte wagi (Llama 4 Community License).
✓ Aktywny✓ Publiczny dostęp⚖ Open weightsLLMModel multimodalnyModel używający narzędzi📁 Llama
Okno kontekstowe
1M
tokenów
Parametry
400B total / 17B active (MoE: 128 ekspertow)
parametrów
Data premiery
5 kwietnia 2025
🏢Meta AIProducent
Dostęp:DownloadAPIHostedWdrożenie:💻 Lokalnie☁ Cloud

Przegląd

Llama 4 Maverick to natywnie multimodalny model jezykowy firmy Meta, wprowadzony 5 kwietnia 2025 roku jako czesc rodziny Llama 4 (obok Llama 4 Scout). Jest to pierwsza generacja Llama zbudowana w architekturze Mixture-of-Experts (MoE), z naprzemiennymi warstwami gestymi i MoE. Ma 17 mld parametrow aktywnych i 400 mld lacznie, z 128 ekspertami.

Model wykorzystuje early fusion, laczac tokeny tekstu i obrazu w jednym rdzeniu (natywna multimodalnosc). Obsluguje kontekst do 1 mln tokenow. Powstal m.in. dzieki destylacji z wiekszego modelu Llama 4 Behemoth (288B aktywnych, 16 ekspertow). Wedlug Meta Maverick to najlepszy model multimodalny w swojej klasie, pokonujacy GPT-4o i Gemini 2.0 Flash na szeregu benchmarkow, a jego eksperymentalna wersja czatowa uzyskala ELO 1417 na LMArena.

Wagi udostepniono na licencji Llama 4 Community License (otwarte wagi z ograniczeniami, m.in. dla podmiotow o >700 mln aktywnych uzytkownikow miesiecznie), co pozwala na self-hosting. Model dostepny jest m.in. przez Hugging Face oraz API dostawcow (np. OpenRouter).

Klasyfikacja
LLMModel multimodalnyModel używający narzędzi
Rodzina: Llama
Zastosowania
KodowanieChatbotyAnaliza dokumentówQ&A / Odpowiadanie na pytaniaMultimodalne rozumienie dokumentówPraca z wiedzą
Dostęp i wdrożenie
PobieranieAPIHostowane
LokalnieChmura
Wagi: Open weights
Kluczowe parametry
📏 Kontekst: 1M
🧩 Parametry: 400B total / 17B active (MoE: 128 ekspertow)
✓ Narzędzia · ✓ Fine-tuning
📥 Wejście: tekst, obraz
Platformy
Hugging Face HubOpenRouter

Specyfikacja techniczna

Okno kontekstowe
1M
tokenów
Parametry
400B total / 17B active (MoE: 128 ekspertow)
parametrów
Knowledge cutoff
1 sie 2024
Data graniczna wiedzy
Licencja
Llama 4 Community License
Wymagania sprzętowe
Duzy model MoE (400B wag) - wymaga wieloakceleratorowego serwera (np. wezel GPU) lub kwantyzacji do self-hostingu; 17B aktywnych parametrow obniza koszt inferencji. Obsluga: Transformers, vLLM.
Funkcje:✓ Używanie narzędzi✓ Fine-tuning
Modalności
⬇ Wejście (Input)
textimage
⬆ Wyjście (Output)
textcode

Możliwości i zastosowania

Natywne możliwości modelu
Rozumowanie
Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.
Kategoria: reasoning
Rozumowanie wieloetapowe
Prowadzenie wieloetapowego toku rozumowania w długich, złożonych zadaniach.
Kategoria: reasoning
Długi kontekst
Obsługa dużych okien kontekstowych — dziesiątek do setek tysięcy (lub milionów) tokenów wejścia. Umożliwia analizę całych baz kodu, długich dokumentów, wielu równolegle rozmów bez utraty wcześniejszych informacji. GPT-5.1 wspiera 400 000 tokenów.
Kategoria: language
Programowanie
Generowanie, analizowanie i modyfikowanie kodu w wielu językach programowania. Obejmuje pisanie funkcji, debugowanie, refaktoryzację, code review, tworzenie testów. Mierzone benchmarkami takimi jak HumanEval, SWE-bench.
Kategoria: coding
Wywoływanie funkcji
Natywne wsparcie dla ustrukturyzowanego wykorzystania narzędzi, umożliwiające przepływy pracy oparte na agentach.
Kategoria: planning
Wyjście strukturyzowane
Generowanie danych w ustrukturyzowanych formatach, np. JSON.
Kategoria: structured_generation
Rozumienie obrazu
Analiza i interpretacja treści obrazów.
Kategoria: vision
Rozumienie wykresów
Odczyt i interpretacja wykresów, tabel i diagramów.
Kategoria: vision
OCR
Rozpoznawanie tekstu na obrazach i w dokumentach.
Kategoria: vision
Wielojęzyczność
Kompetencje w wielu językach naturalnych (od kilku do stu+): rozumienie, generowanie, tłumaczenie, code-switching w obrębie jednej rozmowy. Modele frontier obsługują szeroki wachlarz języków ze zbliżoną jakością.
Kategoria: language
Planowanie
Tworzenie i realizacja planów działania dla złożonych zadań.
Kategoria: planning
Dziedziny zastosowań
KodowanieChatbotyAnaliza dokumentówQ&A / Odpowiadanie na pytaniaMultimodalne rozumienie dokumentówPraca z wiedzą

Wyniki benchmarków

1 benchmark
LMArena (Chatbot Arena) - wersja eksperymentalna
Elo · Eksperymentalna wersja czatowa Llama 4 Maverick uzyskala ELO 1417 na LMArena (wg Meta).
1417Elo
📅 5 kwi 2025
Zrodlo: blog Meta (05.04.2025). Wynik dotyczy wersji eksperymentalnej, nie wag publicznych.

Cennik

Architektura techniczna

Rdzeń architektury (Core Architecture)
TRTransformerMOMoEMLMultimodal LLM
Forma modelu (Model Form)
MLMultimodal LLM
Techniki trenowania (Training Techniques)
KDKDITInstruction Tuning
Powiązane technologie
FCFunction Calling

Wdrożenie i bezpieczeństwo

🔒 Security / Enterprise
✓ Zweryfikowane informacje enterprise

Otwarte wagi (Llama 4 Community License) - mozliwy self-hosting / on-premises z pelna kontrola danych. Licencja nakada ograniczenia (m.in. dla podmiotow o >700 mln MAU wymagana osobna zgoda). Wspiera wywolywanie funkcji i integracje z narzedziami.

Aktualizacja: 31 lip 2026↗ Dokumentacja security

Źródła i powiązane strony