Posso eseguire Llama 4 Maverick localmente?

Sì, i pesi sono aperti e ospitati su Hugging Face all'indirizzo meta-llama/Llama-4-Maverick-17B-128E-Instruct. Il conteggio totale dei parametri è 400B, quindi il deployment locale richiede hardware sostanziale — controlla la guida VRAM prima di impegnarti.

Quanto costa Llama 4 Maverick via API?

Il prezzo sui provider di inferenza supportati è di $0,19 per milione di token in ingresso e $0,65 per milione di token in uscita, che è basso per un modello con queste capacità, specialmente uno che gestisce la visione.

In cosa Maverick differisce dagli altri modelli Llama 4?

Maverick è la variante multimodale ad alta capacità della famiglia Llama 4, usa 128 esperti MoE e una finestra di contesto di 1 milione di token; Meta non ha pubblicato un confronto diretto funzionalità per funzionalità con i modelli fratelli sulla stessa pagina.

Llama 4 Maverick

2370°

#llm #meta-llama #visione #multilingue #contesto lungo #locale

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

Meta | contesto di 1.048.576 token | $0.19/M input, $0.65/M output. Llama 4 Maverick 17B Instruct (128E) è un modello linguistico multimodale ad alta capacità di Meta, costruito su un'architettura mixture-of-experts (MoE) con 128 esperti e 17 miliardi di parametri attivi per passaggio in avanti (400B totali). Supporta input testuali e immagini multilingue, e produce output testuali e di codice multilingue in 12 lingue supportate. Ottimizzato per compiti vision-language, Maverick è istruito per comportamenti da assistente, ragionamento su immagini e interazione multimodale generale. Maverick…Meta | contesto di 1.048.576 token | $0.19/M input, $0.65/M output. Llama 4 Maverick 17B Instruct (128E) è un modello linguistico multimodale ad alta capacità di Meta, costruito su un'architettura mixture-of-experts (MoE) con 128 esperti e 17 miliardi di parametri attivi per passaggio in avanti (400B totali). Supporta input testuali e immagini multilingue, e produce output testuali e di codice multilingue in 12 lingue supportate. Ottimizzato per compiti vision-language, Maverick è istruito per comportamenti da assistente, ragionamento su immagini e interazione multimodale generale. Maverick presenta fusione precoce per multimodalità nativa e una finestra di contesto di 1 milione di token. È stato addestrato su una miscela curata di dati pubblici, con licenza e da piattaforme Meta, coprendo circa 22 trilioni di token, con cutoff di conoscenza ad agosto 2024. Rilasciato il 5 aprile 2025 sotto la Llama 4 Community License, Maverick è adatto per ricerca e applicazioni commerciali che richiedono comprensione multimodale avanzata e alto throughput del modello.

Guide per questo modello

Quanta VRAM serve davvero per l'AI locale?

Pesi aperti vs open source vs solo API: cosa puoi davvero fare

Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Llama 4 Maverick è il grande modello multimodale di Meta basato su un'architettura mixture-of-experts: 17 miliardi di parametri attivi per ogni passaggio in avanti estratti da un totale di 400 miliardi, con 128 esperti. Gestisce testo e immagini in ingresso e produce testo e codice in uscita, in 12 lingue, con una finestra di contesto di 1 milione di token. Pesi aperti e prezzo molto inferiore alla maggior parte dei modelli di punta, è adatto a team che necessitano di un serio throughput multimodale senza una bolletta API elevata.

Conosciuto per

Comprensione nativa delle immagini integrata tramite fusione precoce, non aggiunta dopo l'addestramento.
Finestra di contesto di 1 milione di token — incolla un piccolo codice o un lungo documento.
Il design MoE mantiene il conteggio dei parametri attivi a 17B, rendendo l'inferenza più economica rispetto alla dimensione totale.
Output di testo e codice multilingue in 12 lingue supportate.
Pesi aperti sotto la Llama 4 Community License, disponibili su Hugging Face.

Attenzione a

400B parametri totali significa che il deployment locale richiede hardware serio; controlla la VRAM prima di scaricare.
La Llama 4 Community License non è completamente permissiva — leggila prima di costruire un prodotto commerciale.
Il cutoff della conoscenza è agosto 2024; tutto ciò che è successivo non è conosciuto dal modello.

Ideale per

Prompt da provare

Ragiona su un documento lungo

Ecco un contratto lungo. Leggilo attentamente e poi elenca ogni clausola che crea un obbligo per l'acquirente, la scadenza associata a ogni obbligo e qualsiasi penalità in caso di mancato rispetto della scadenza. Sii specifico e cita il numero della sezione rilevante per ogni punto.

Descrivi e critica un'immagine

Allego uno screenshot di una dashboard dati. Identifica cosa mostra ogni grafico, segnala eventuali dati anomali o fuorvianti e suggerisci una modifica al layout che renda il numero più importante più facile da trovare a colpo d'occhio.

Spiegazione di codice multilingue

Spiega la seguente funzione Python riga per riga in spagnolo, poi riscrivila in TypeScript con la stessa logica. Aggiungi un breve commento sopra ogni riga TypeScript che spieghi cosa fa. Infine, indica eventuali casi limite che il codice originale non gestisce.

Confronta con

Llama 3.2 3B Instruct
Modello con pesi aperti
Contesto di 131,072 token · Input $0.05/M, output $0.33/M
Llama 3.1 70B Instruct
Modello con pesi aperti
Contesto di 131,072 token · Input $0.40/M, output $0.40/M
Llama Guard 4 12B
Modello con pesi aperti
Contesto di 163,840 token · Input $0.18/M, output $0.18/M
Llama 4 Scout
Modello con pesi aperti
Contesto di 1,310,720 token · Input $0.18/M, output $0.59/M

Altri modelli di testo da meta-llama

Domande frequenti

Posso eseguire Llama 4 Maverick localmente?: Sì, i pesi sono aperti e ospitati su Hugging Face all'indirizzo meta-llama/Llama-4-Maverick-17B-128E-Instruct. Il conteggio totale dei parametri è 400B, quindi il deployment locale richiede hardware sostanziale — controlla la guida VRAM prima di impegnarti.
Quanto costa Llama 4 Maverick via API?: Il prezzo sui provider di inferenza supportati è di $0,19 per milione di token in ingresso e $0,65 per milione di token in uscita, che è basso per un modello con queste capacità, specialmente uno che gestisce la visione.
In cosa Maverick differisce dagli altri modelli Llama 4?: Maverick è la variante multimodale ad alta capacità della famiglia Llama 4, usa 128 esperti MoE e una finestra di contesto di 1 milione di token; Meta non ha pubblicato un confronto diretto funzionalità per funzionalità con i modelli fratelli sulla stessa pagina.

Verdetto del capitano
Una combinazione rara: pesi aperti, supporto reale alla visione, contesto da un milione di token e un prezzo che non punge — se hai l'hardware per eseguirlo.

Scheda modello su Hugging Face

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

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

Come si calcola questo punteggio

Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Modelli simili

Nemotron 3 Nano 30B A3B

TEXT / LLM

GPT 4.1

TEXT / LLM

Llama 3.3 70B Instruct

TEXT / LLM

gpt oss 120b

TEXT / LLM

Modelli di IA per generare immagini, video e testo

Llama 4 Maverick è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm meta-llama visione multilingue contesto lungo locale budget

Sfoglia per famiglia di modelli