Post #3450

رونمایی متا از مدل‌های Llama ۴: بهیموث ۲ تریلیون پارامتری، ماوریک ۴۰۰ میلیارد پارامتری و اسکات با ۱۰۹ میلیارد پارامتر مدل‌های جدید Scout و Maverick اومدن که اولین مدل‌های چندوجهی (multimodal) و اوپن‌سورس (open-weight) متا با معماری MoE باشن. مدل Llama 4 Scout: یه مدل ۱۷ میلیارد پارامتری (۱۶ متخصص) که تو کلاس خودش بهترینه و روی یه H100 جا می‌شه. ۱۰ میلیون توکن ورودی می‌گیره (طول متن ورودی بی‌سابقه) و از Gemma 3 و Gemini Flash-Lite بهتره. مدل Llama 4 Maverick: اینم ۱۷ میلیارد پارامتریه ولی با ۱۲۸ متخصص. از GPT-4o و Gemini Flash قوی‌تره و تو کدنویسی و استدلال عالیه (با پارامتر کمتر، نزدیک به DeepSeek v3). بهترین نسبت کارایی به هزینه رو داره. مدل Llama 4 Behemoth: این مدل معلم هست (teacher model) با ۲۸۸ میلیارد پارامتر فعال (نزدیک ۲ تریلیون کل پارامتر). تو بنچمارک‌های علمی (STEM) از GPT-4.5 و کلاد و جمنای پرو بهتره. اینا میشن اولین مدل‌های MoE متا (محاسبات بهینه‌تر). چندوجهی ذاتی با ادغام زودهنگام (متن، عکس، ویدیو با هم). آموزش روی ۳۰ تریلیون توکن و ۲۰۰ زبان. رمزگذار بصری (Vision encoder) هم بهتر شده. هدف متا حذف سوگیری و ارائه دیدگاه‌های مختلف بدون قضاوت. Llama 4 نسبت به Llama 3 کمتر جواب‌ها رو رد می‌کنه و متعادل‌تره (شبیه Grok). چطوری استفاده کنیم؟ مدل‌های Scout و Maverick رو همین الان از llama.com و Hugging Face دانلود کنید. همچنین داخل واتس‌اپ، اینستاگرام، مسنجر و وب سایت متا هم ارائه میشه. 🔗meta 🤓@geekalerts