Bisakah saya menjalankan Llama 4 Maverick secara lokal?

Ya, bobotnya terbuka dan tersedia di Hugging Face pada meta-llama/Llama-4-Maverick-17B-128E-Instruct. Total parameter 400 miliar, jadi penyebaran lokal membutuhkan perangkat keras yang besar — periksa panduan VRAM sebelum memutuskan.

Berapa biaya Llama 4 Maverick via API?

Harga pada penyedia inferensi yang didukung adalah $0,19 per juta token input dan $0,65 per juta token output, yang tergolong rendah untuk model dengan kemampuan ini, terutama yang menangani visi.

Apa perbedaan Maverick dengan model Llama 4 lainnya?

Maverick adalah varian multimodal berkapasitas tinggi dalam keluarga Llama 4, menggunakan 128 ahli MoE dan jendela konteks 1 juta token; Meta belum menerbitkan perbandingan fitur langsung dengan model saudara di halaman yang sama.

Llama 4 Maverick

2370°

#llm #meta-llama #visi #multibahasa #konteks panjang #lokal

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Meta | konteks 1.048.576 token | $0.19/M input, $0.65/M output. Llama 4 Maverick 17B Instruct (128E) adalah model bahasa multimodal kapasitas tinggi dari Meta, dibangun dengan arsitektur mixture-of-experts (MoE) dengan 128 ahli dan 17 miliar parameter aktif per proses maju (total 400 miliar). Mendukung input teks multibahasa dan gambar, serta menghasilkan output teks dan kode multibahasa dalam 12 bahasa yang didukung. Dioptimalkan untuk tugas visi-bahasa, Maverick disetel instruksi untuk perilaku asisten, penalaran gambar, dan interaksi multimodal tujuan umum. Maverick memiliki fusi awal…Meta | konteks 1.048.576 token | $0.19/M input, $0.65/M output. Llama 4 Maverick 17B Instruct (128E) adalah model bahasa multimodal kapasitas tinggi dari Meta, dibangun dengan arsitektur mixture-of-experts (MoE) dengan 128 ahli dan 17 miliar parameter aktif per proses maju (total 400 miliar). Mendukung input teks multibahasa dan gambar, serta menghasilkan output teks dan kode multibahasa dalam 12 bahasa yang didukung. Dioptimalkan untuk tugas visi-bahasa, Maverick disetel instruksi untuk perilaku asisten, penalaran gambar, dan interaksi multimodal tujuan umum. Maverick memiliki fusi awal untuk multimodalitas native dan jendela konteks 1 juta token. Dilatih pada campuran terkurasi data publik, berlisensi, dan platform Meta, mencakup ~22 triliun token, dengan batas pengetahuan Agustus 2024. Dirilis pada 5 April 2025 di bawah Lisensi Komunitas Llama 4, Maverick cocok untuk riset dan aplikasi komersial yang memerlukan pemahaman multimodal canggih dan throughput model tinggi.

Panduan untuk model ini

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

LLM lokal terbaik berdasarkan kasus penggunaan (Oktober 2026): model terbuka yang tepat untuk setiap pekerjaan

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Llama 4 Maverick adalah model multimodal besar dari Meta yang dibangun dengan arsitektur mixture-of-experts: 17 miliar parameter aktif per proses maju yang diambil dari total 400 miliar, dengan 128 ahli. Model ini menangani teks dan gambar sebagai input dan menghasilkan teks serta kode sebagai output, dalam 12 bahasa, dengan jendela konteks 1 juta token. Bobotnya terbuka dan harganya jauh di bawah sebagian besar model terdepan, cocok untuk tim yang membutuhkan throughput multimodal serius tanpa tagihan API yang mahal.

Dikenal untuk

Pemahaman gambar asli yang terintegrasi melalui fusi awal, bukan ditambahkan setelah pelatihan.
Jendela konteks 1 juta token — tempelkan basis kode kecil atau dokumen panjang.
Desain MoE menjaga jumlah parameter aktif di 17B, membuat inferensi lebih murah daripada ukuran totalnya.
Output teks dan kode multibahasa dalam 12 bahasa yang didukung.
Bobot terbuka di bawah Lisensi Komunitas Llama 4, tersedia di Hugging Face.

Waspadai

400 miliar total parameter berarti penyebaran lokal membutuhkan perangkat keras serius; periksa VRAM Anda sebelum mengunduh.
Lisensi Komunitas Llama 4 tidak sepenuhnya permisif — baca lisensi sebelum membangun produk komersial.
Batas pengetahuan adalah Agustus 2024; apa pun setelah itu tidak diketahui model ini.

Terbaik untuk

Multibahasa

Penglihatan

Konteks panjang

Jalankan secara lokal

Anggaran

Prompt untuk dicoba

Berpikir kritis atas dokumen panjang

Berikut adalah kontrak panjang. Bacalah dengan cermat lalu daftarkan setiap klausul yang menciptakan kewajiban bagi pembeli, tenggat waktu yang melekat pada setiap kewajiban, dan penalti jika tenggat waktu terlewat. Jelaskan secara spesifik dan kutip nomor bagian yang relevan untuk setiap item.

Deskripsikan dan kritik sebuah gambar

Saya melampirkan tangkapan layar dashboard data. Identifikasi apa yang ditampilkan setiap grafik, tunjukkan data yang tampak anomali atau menyesatkan, dan sarankan satu perubahan tata letak yang membuat angka terpenting lebih mudah ditemukan sekilas.

Penjelasan kode multibahasa

Jelaskan fungsi Python berikut baris demi baris dalam bahasa Spanyol, lalu tulis ulang dalam TypeScript dengan logika yang sama. Tambahkan komentar singkat di atas setiap baris TypeScript yang menjelaskan fungsinya. Terakhir, catat kasus tepi yang tidak ditangani oleh kode asli.

Bandingkan dengan

Llama 3.2 3B Instruct
Model dengan bobot terbuka
konteks 131,072 token · $0.05/M input, $0.33/M output
Llama 3.1 70B Instruct
Model dengan bobot terbuka
konteks 131,072 token · $0.40/M input, $0.40/M output
Llama Guard 4 12B
Model dengan bobot terbuka
konteks 163,840 token · $0.18/M input, $0.18/M output
Llama 4 Scout
Model dengan bobot terbuka
konteks 1,310,720 token · $0.18/M input, $0.59/M output

Model teks lain dari meta-llama

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Llama 4 Maverick secara lokal?: Ya, bobotnya terbuka dan tersedia di Hugging Face pada meta-llama/Llama-4-Maverick-17B-128E-Instruct. Total parameter 400 miliar, jadi penyebaran lokal membutuhkan perangkat keras yang besar — periksa panduan VRAM sebelum memutuskan.
Berapa biaya Llama 4 Maverick via API?: Harga pada penyedia inferensi yang didukung adalah $0,19 per juta token input dan $0,65 per juta token output, yang tergolong rendah untuk model dengan kemampuan ini, terutama yang menangani visi.
Apa perbedaan Maverick dengan model Llama 4 lainnya?: Maverick adalah varian multimodal berkapasitas tinggi dalam keluarga Llama 4, menggunakan 128 ahli MoE dan jendela konteks 1 juta token; Meta belum menerbitkan perbandingan fitur langsung dengan model saudara di halaman yang sama.

Putusan Kapten
Kombinasi langka: bobot terbuka, dukungan visi asli, jendela konteks sejuta token, dan harga yang tidak memberatkan — jika Anda memiliki perangkat keras untuk menjalankannya.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

DeepSeek V4 Flash 0731

TEXT / LLM

Qwen3 30B A3B Instruct 2507

Model AI untuk Pembuatan Gambar, Video & Teks

Llama 4 Maverick adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm meta-llama visi multibahasa konteks panjang lokal anggaran

Jelajahi berdasarkan Keluarga Model