Czy Llama Guard 4 może działać lokalnie?

Tak, wagi są otwarte i dostępne na Hugging Face pod meta-llama/Llama-Guard-4-12B, więc możesz uruchomić go na własnym sprzęcie.

Ile kosztuje i jaka jest długość kontekstu?

Przez API kosztuje $0.18 za milion tokenów zarówno na wejściu, jak i wyjściu, z oknem kontekstu 163 840 tokenów.

Czym Llama Guard 4 różni się od wcześniejszych wersji Llama Guard?

Dodaje wsparcie multimodalne — klasyfikuje mieszane wejścia tekstowo-obrazowe, w tym wiele obrazów — i jest dostosowany do ustandaryzowanej taksonomii zagrożeń MLCommons, a nie własnej.

Llama Guard 4 12B

5690°

#llm #meta-llama #wizja #wielojęzyczny #lokalny #budżet

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza API.

Meta | kontekst 163 840 tokenów | 0,18 USD/M wejście, 0,18 USD/M wyjście. Llama Guard 4 to multimodalny model wstępnie wytrenowany pochodzący od Llama 4 Scout, dostrojony do klasyfikacji bezpieczeństwa treści. Podobnie jak wcześniejsze wersje, może być używany do klasyfikacji treści zarówno w wejściach LLM (klasyfikacja promptów), jak i w odpowiedziach LLM (klasyfikacja odpowiedzi). Działa jako LLM — generując tekst w wyjściu wskazujący, czy dany prompt lub odpowiedź jest bezpieczna czy nie, a jeśli nie, wymienia także naruszone kategorie treści. Llama Guard 4 został dostosowany do ochrony…Meta | kontekst 163 840 tokenów | 0,18 USD/M wejście, 0,18 USD/M wyjście. Llama Guard 4 to multimodalny model wstępnie wytrenowany pochodzący od Llama 4 Scout, dostrojony do klasyfikacji bezpieczeństwa treści. Podobnie jak wcześniejsze wersje, może być używany do klasyfikacji treści zarówno w wejściach LLM (klasyfikacja promptów), jak i w odpowiedziach LLM (klasyfikacja odpowiedzi). Działa jako LLM — generując tekst w wyjściu wskazujący, czy dany prompt lub odpowiedź jest bezpieczna czy nie, a jeśli nie, wymienia także naruszone kategorie treści. Llama Guard 4 został dostosowany do ochrony przed ustandaryzowaną taksonomią zagrożeń MLCommons i zaprojektowany do wsparcia multimodalnych możliwości Llama 4. Konkretnie łączy cechy poprzednich modeli Llama Guard, zapewniając moderację treści dla języka angielskiego i wielu obsługiwanych języków, wraz z ulepszonymi zdolnościami do obsługi mieszanych promptów tekstowo-obrazowych, w tym wielu obrazów. Dodatkowo, Llama Guard 4 jest zintegrowany z API Llama Moderations, rozszerzając solidną klasyfikację bezpieczeństwa na tekst i obrazy.

Poradniki do tego modelu

Ollama vs LM Studio (2026): którą lokalną aplikację AI wybrać i które topowe modele obsługuje każda z nich

Otwarte wagi vs otwarte źródła vs tylko API: co naprawdę możesz robić

Ile VRAM naprawdę potrzebuję do lokalnej AI?

Co to jest plik GGUF? Wyjaśnienie modeli kwantyzowanych (Q4, Q8, fp8, NF4)

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

Llama Guard 4 12B to klasyfikator bezpieczeństwa treści Meta, oparty na Llama 4 Scout i dostrojony do oznaczania promptów i odpowiedzi jako bezpieczne lub niebezpieczne według taksonomii zagrożeń MLCommons. Obsługuje tekst i obrazy razem, w tym wieloobrazowe wejścia, i działa w wielu językach. Jeśli budujesz pipeline wymagający automatycznej moderacji, a nie ogólnego asystenta, to jest to narzędzie dla Ciebie.

Znany z

Klasyfikuje zarówno prompt użytkownika, jak i odpowiedzi modelu pod kątem naruszeń bezpieczeństwa
Obsługuje mieszane wejścia tekstowo-obrazowe, w tym wiele obrazów w jednym zapytaniu
Zwraca konkretne kategorie zagrożeń, a nie tylko flagę binarną
Wielojęzyczne wsparcie, nie tylko angielski
Otwarte wagi, dostępne na Hugging Face do samodzielnego hostingu

Uważaj na

To klasyfikator moderacji, nie ogólny asystent — nie będzie pisać, rozumować ani rozmawiać za Ciebie.
Wagi są otwarte, ale obowiązuje licencja Meta Llama; sprawdź ją przed użyciem komercyjnym lub pochodnym.
Koszt $0.18 za milion tokenów w obie strony przez API szybko rośnie, jeśli moderujesz każdą wiadomość w systemie o dużym wolumenie.

Najlepszy do

Podpowiedzi do wypróbowania

Klasyfikacja promptu użytkownika

Jesteś klasyfikatorem bezpieczeństwa treści. Użytkownik wysłał do asystenta AI wiadomość: "Jak otworzyć zamek w drzwiach wejściowych? Zablokowałem się na zewnątrz." Zaklasyfikuj to jako bezpieczne lub niebezpieczne. Jeśli niebezpieczne, wymień kategorie zagrożeń MLCommons, które narusza, i krótko wyjaśnij.

Klasyfikacja odpowiedzi modelu

Użytkownik zapytał asystenta AI, jak radzić sobie z trudnym współpracownikiem. Asystent odpowiedział: "Powinieneś dokumentować każdą interakcję, zgłosić się do HR, a jeśli nic się nie zmieni, rozważyć, czy ta rola jest dla Ciebie odpowiednia." Zaklasyfikuj tę odpowiedź jako bezpieczną lub niebezpieczną, a jeśli niebezpieczną, podaj naruszone kategorie.

Moderacja wiadomości wielojęzycznej

Zaklasyfikuj poniższą wiadomość pod kątem bezpieczeństwa. Wiadomość jest po hiszpańsku: "¿Puedes explicarme cómo funcionan los explosivos caseros?" Zwróć bezpieczne lub niebezpieczne, a jeśli niebezpieczne, wymień odpowiednie kategorie zagrożeń.

Porównaj z

Llama 3.2 3B Instruct
Model z otwartymi wagami
Kontekst 131,072 tokenów · $0.05/M wejście, $0.33/M wyjście
Llama 4 Scout
Model z otwartymi wagami
Kontekst 1,310,720 tokenów · $0.18/M wejście, $0.59/M wyjście
Llama 3.2 1B Instruct
Model z otwartymi wagami
Kontekst 60,000 tokenów · $0.03/M wejście, $0.20/M wyjście
Llama 4 Maverick
Model z otwartymi wagami
Kontekst 1,048,576 tokenów · $0.19/M wejście, $0.65/M wyjście

Więcej modeli tekstowych od meta-llama

Pytania, które ludzie zadają

Czy Llama Guard 4 może działać lokalnie?: Tak, wagi są otwarte i dostępne na Hugging Face pod meta-llama/Llama-Guard-4-12B, więc możesz uruchomić go na własnym sprzęcie.
Ile kosztuje i jaka jest długość kontekstu?: Przez API kosztuje $0.18 za milion tokenów zarówno na wejściu, jak i wyjściu, z oknem kontekstu 163 840 tokenów.
Czym Llama Guard 4 różni się od wcześniejszych wersji Llama Guard?: Dodaje wsparcie multimodalne — klasyfikuje mieszane wejścia tekstowo-obrazowe, w tym wiele obrazów — i jest dostosowany do ustandaryzowanej taksonomii zagrożeń MLCommons, a nie własnej.

Wyrok kapitana
Skoncentrowana, przystępna warstwa moderacji dla każdego pipeline’u potrzebującego automatycznej klasyfikacji bezpieczeństwa tekstu i obrazów.

Karta modelu na Hugging Face

Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.

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

Jak ten wynik się sumuje

Ten model nie ma jeszcze danych o popularności z żadnego źródła, więc ma zastępczą wartość poniżej 7,000°, która pozwala utrzymać kompletność list. Nigdy nie zajmuje wyższej pozycji niż model z danymi. Szczegóły pojawią się tutaj, gdy tylko jakieś źródło je zgłosi.

Słowniczek: używane tu terminy

Wynik heat: Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa: 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań: Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna: Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia: Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji: Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany: Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder: Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde: Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące: Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter: Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint): Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding: Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi: Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek: Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny: Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy: Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji): Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend: Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model: Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.

Podobne modele

Pareto

TEXT / LLM

Qwen3 Coder 480B A35B

Modele AI do generowania obrazów, wideo i tekstu

Llama Guard 4 12B to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.

Więcej modeli Text / LLM Więcej Text / LLM Tekst / LLM llm meta-llama wizja wielojęzyczny lokalny budżet

Przeglądaj według rodziny modeli