Llama 4 Maverick
2370°
Meta | 1,048,576 令牌上下文 | 输入 $0.19/千，输出 $0.65/千。Llama 4 Maverick 17B Instruct (128E) 是 Meta 推出的高容量多模态语言模型，基于混合专家（MoE）架构，拥有 128 个专家和每次前向传播 170 亿激活参数（总计 4000 亿）。支持多语言文本和图像输入，输出涵盖 12 种支持语言的多语言文本和代码。针对视觉语言任务优化，Maverick 经过指令调优，具备助手式行为、图像推理和通用多模态交互能力。采用早期融合实现原生多模态，支持 100 万令牌上下文窗口。训练数据由公开、授权及 Meta 平台数据混合精选，涵盖约 22 万亿令牌，知识截止于 2024 年 8 月。于 2025 年 4 月 5 日根据 Llama 4 社区许可证发布，适用于需要高级多模态理解和高模型吞吐量的研究及商业应用。
本模型的指南
本地AI到底需要多少显存？
开放权重 vs 开源 vs 仅API：你到底能做什么
按使用场景选最佳本地大语言模型（2026年10月）：每个任务的合适开源模型
什么是 GGUF 文件？量化模型详解（Q4、Q8、fp8、NF4）
船长笔记
2026-10-13 的笔记
Llama 4 Maverick 是 Meta 基于专家混合架构构建的大型多模态模型：每次前向传递激活 170 亿参数，来自总计 4000 亿参数，拥有 128 个专家。它能够处理文本和图像输入，并输出文本和代码，支持 12 种语言，拥有 100 万令牌的上下文窗口。权重开源，价格远低于大多数前沿模型，适合需要高效多模态处理能力且不想承担高昂 API 费用的团队。
以……著称
- 通过早期融合实现原生图像理解，而非训练后附加。
- 100 万令牌上下文窗口——可粘贴小型代码库或长文档。
- MoE 设计使激活参数保持在 170 亿，推理成本低于模型总规模所暗示的水平。
- 支持 12 种语言的多语言文本和代码输出。
- 权重在 Llama 4 社区许可证下开源，托管于 Hugging Face。
注意
- 4000 亿总参数意味着本地部署需要强大硬件；下载前请检查显存。
- Llama 4 社区许可证并非完全自由许可——商业产品开发前请仔细阅读。
- 知识截止于 2024 年 8 月，之后的信息模型不具备。
推荐尝试的提示词
长文档推理
这是一个冗长的合同。请仔细阅读，然后列出所有对买方产生义务的条款、每项义务的截止日期，以及如果错过截止日期的处罚。请具体说明并引用相关条款编号。
描述并评析图像
我附上了一个数据仪表盘的截图。请识别每个图表显示的内容，指出任何异常或误导性数据，并建议一种布局调整，使最重要的数字一目了然。
多语言代码解释
请用西班牙语逐行解释以下 Python 函数，然后用相同逻辑用 TypeScript 重写。每行 TypeScript 代码上方添加简短注释说明其功能。最后指出原代码未处理的边界情况。
与……比较
- Llama 3.2 3B Instruct开源权重模型131,072 令牌上下文 · $0.05/M 输入，$0.33/M 输出
- Llama 3.1 70B Instruct开源权重模型131,072 令牌上下文 · $0.40/M 输入，$0.40/M 输出
- Llama Guard 4 12B开源权重模型163,840 令牌上下文 · $0.18/M 输入，$0.18/M 输出
- Llama 4 Scout开源权重模型1,310,720 令牌上下文 · $0.18/M 输入，$0.59/M 输出
来自 meta-llama 的更多文本模型
常见问题
- 我可以本地运行 Llama 4 Maverick 吗？
- 可以，权重开源并托管于 Hugging Face 的 meta-llama/Llama-4-Maverick-17B-128E-Instruct。总参数量为 4000 亿，本地部署需要强大硬件——请先查看显存指南。
- 通过 API 使用 Llama 4 Maverick 费用是多少？
- 支持的推理服务商价格为每百万输入令牌 0.19 美元，每百万输出令牌 0.65 美元，对于具备视觉能力的模型来说价格较低。
- Maverick 与其他 Llama 4 模型有何不同？
- Maverick 是 Llama 4 系列中高容量的多模态变体，使用 128 个 MoE 专家和 100 万令牌上下文窗口；Meta 尚未在同一页面发布与兄弟模型的详细功能对比。
船长评语罕见的组合：开源权重、真正的视觉支持、百万令牌上下文，以及不会让你心疼的价格——前提是你有足够的硬件运行它。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
Llama 4 Maverick 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153