Meta在官网文章指出，Llama 4 Scout为一款具备170亿活跃参数、由16位专家组成的多模态模型，支援高达1,000万token的上下文长度，适用于长文件总结、多档案分析与大型程式码库推理。其iRoPE架构大幅提升长文本的泛化能力。在图像定位与图文对齐表现上亦领先同侪，可精准回应使用者图像查询，强化视觉问答体验。整体而言，该模型在推理、编码、多语言与影像任务上皆优于前代产品。
Llama 4 Maverick则是另一款170亿活跃参数、由128位专家组成的模型，在同类型多模态模型中表现最佳，超越GPT-4o与Gemini 2.0 Flash，在多项基准测试中名列前茅。其推理与程式编写能力与新推出的DeepSeek v3不相上下，但所使用的活跃参数不到后者的一半。Llama 4 Maverick兼具顶尖效能与极高的成本效益，其实验性聊天版本在LMArena平台测得ELO分数为1417，展现强大综合实力。
Llama 4系列模型皆由Meta最新的教师模型Llama 4 Behemoth蒸馏而来。Behemoth拥有高达2,880亿活跃参数与16位专家，总参数近两兆，为Meta目前最强大模型，并在数学与科学标竿测试中超越GPT-4.5、Claude Sonnet 3.7与Gemini 2.0 Pro。
此次Llama 4系列全面采用Mixture of Experts（MoE）架构，每次推论仅启用部分参数，显著提升训练与运算效率。例如Llama 4 Maverick虽拥有4,000亿总参数，却能於单一NVIDIA H100主机上部署，降低运算资源需求。
在多模态能力方面，Llama 4具备原生支援文字、图片与影片资料的处理能力。Meta采用early fusion技术，将多模态资讯整合进统一模型骨干，并强化影像编码器，让模型可处理多图输入并执行视觉推理任务，实现更自然的人机互动。
后训练（Post-Training）阶段方面，Meta重新设计流程，采用轻量监督式微调（SFT）、线上强化学习（RL）与直接偏好最佳化（DPO）三阶段策略，并针对资料难度进行动态筛选，提升模型在推理、编码与对话等任务的整体平衡性。Llama 4 Maverick在LMArena评比中获得1417分，显示其卓越的通用型AI能力。
Meta重申对开源社群的承诺，强调Llama 4内建多层次防护与审查机制，包括Llama Guard、Prompt Guard与CyberSecEval等工具，协助开发者侦测不当输入与输出，降低模型滥用风险。针对模型偏见问题，Meta指出Llama 4相较于Llama 3.3，在争议性议题上的拒答率已由7%降至2%以下，回应也更具平衡性，展现打造能同理多元观点AI系统的努力。
Meta预告，将于4月29日举办LlamaCon，揭示Llama 4 Behemoth完整细节，并公布Llama生态系未来布局，强调Llama 4系列是推动次世代人机互动的重要基石，未来将持续拓展产品整合与开发者应用场景，打造更智慧、更具人性化的AI体验。目前Llama 4 Scout与Maverick模型已可于llama.com与Hugging Face免费下载，亦可透过Meta AI即时体验其功能。
點擊閱讀下一則新聞
