Pot rula Llama 4 Maverick local?

Da, greutățile sunt deschise și găzduite pe Hugging Face la meta-llama/Llama-4-Maverick-17B-128E-Instruct. Numărul total de parametri este 400B, deci implementarea locală necesită hardware substanțial — verifică ghidul VRAM înainte să te angajezi.

Cât costă Llama 4 Maverick prin API?

Prețurile la furnizorii de inferență susținuți sunt de 0,19 USD per milion de tokeni de input și 0,65 USD per milion de tokeni de output, ceea ce este scăzut pentru un model cu această capacitate, mai ales unul care gestionează și viziune.

Cum diferă Maverick de celelalte modele Llama 4?

Maverick este varianta multimodală cu capacitate mare din familia Llama 4, folosind 128 de experți MoE și o fereastră de context de 1 milion de tokeni; Meta nu a publicat o comparație directă caracteristică cu caracteristică cu modelele surori pe aceeași pagină.

Llama 4 Maverick

2370°

#llm #meta-llama #viziune #multilingv #context lung #local

Rulează modelul

Oferte / Reclame

OpenRouter Terminal / API

Plătește pe token

Conversează cu acest model în browser sau apelează-l din codul tău cu o singură cheie API.

Meta | context de 1.048.576 tokeni | $0.19/M input, $0.65/M output. Llama 4 Maverick 17B Instruct (128E) este un model lingvistic multimodal de mare capacitate de la Meta, construit pe o arhitectură mixture-of-experts (MoE) cu 128 experți și 17 miliarde de parametri activi per inferență (400B total). Suportă input text multilingv și imagini și produce output text și cod multilingv în 12 limbi suportate. Optimizat pentru sarcini vision-language, Maverick este instruit pentru comportament de asistent, raționament pe imagini și interacțiune multimodală generală. Dispune de fuziune timpurie…Meta | context de 1.048.576 tokeni | $0.19/M input, $0.65/M output. Llama 4 Maverick 17B Instruct (128E) este un model lingvistic multimodal de mare capacitate de la Meta, construit pe o arhitectură mixture-of-experts (MoE) cu 128 experți și 17 miliarde de parametri activi per inferență (400B total). Suportă input text multilingv și imagini și produce output text și cod multilingv în 12 limbi suportate. Optimizat pentru sarcini vision-language, Maverick este instruit pentru comportament de asistent, raționament pe imagini și interacțiune multimodală generală. Dispune de fuziune timpurie pentru multimodalitate nativă și o fereastră de context de 1 milion tokeni. A fost antrenat pe un amestec selectat de date publice, licențiate și de pe platformele Meta, acoperind ~22 trilioane de tokeni, cu knowledge cutoff în august 2024. Lansat pe 5 aprilie 2025 sub Llama 4 Community License, Maverick este potrivit pentru cercetare și aplicații comerciale ce necesită înțelegere multimodală avansată și throughput ridicat.

Ghiduri pentru acest model

De câțiva GB de VRAM am nevoie cu adevărat pentru AI local?

Greutăți deschise vs open source vs doar API: ce ai voie să faci cu adevărat

Cel mai bun LLM local după caz de utilizare (octombrie 2026): modelul open potrivit pentru fiecare job

Ce este un fișier GGUF? Modele cuantificate explicate (Q4, Q8, fp8, NF4)

Toate ghidurile

Notele căpitanului

Scris de Captain, editorul casei

Note din 2026-10-13

Llama 4 Maverick este modelul multimodal mare al Meta construit pe o arhitectură mixture-of-experts: 17 miliarde de parametri activi per pas înainte, selectați dintr-un total de 400 miliarde, cu 128 de experți. Gestionează text și imagini ca input și produce text și cod ca output, în 12 limbi, cu o fereastră de context de 1 milion de tokeni. Greutățile sunt deschise și prețul este mult sub majoritatea modelelor de frontieră, fiind potrivit pentru echipele care au nevoie de un throughput multimodal serios fără o factură API serioasă.

Cunoscut pentru

Înțelegere nativă a imaginilor integrată prin fuziune timpurie, nu adăugată după antrenament.
Fereastră de context de 1 milion de tokeni — poți lipi un mic cod sursă sau un document lung.
Designul MoE menține numărul de parametri activi la 17B, făcând inferența mai ieftină decât sugerează dimensiunea totală.
Output multilingv de text și cod în 12 limbi suportate.
Greutăți deschise sub Licența Comunității Llama 4, disponibile pe Hugging Face.

Atenție la

400B parametri total înseamnă că implementarea locală cere hardware serios; verifică VRAM-ul înainte de descărcare.
Licența Comunității Llama 4 nu este complet permisivă — citește-o înainte să construiești un produs comercial.
Cunoașterea se oprește în august 2024; orice după această dată nu este cunoscut.

Cel mai bun pentru

Sugestii de încercat

Raționează asupra unui document lung

Iată un contract lung. Citește-l cu atenție și apoi listează fiecare clauză care creează o obligație pentru cumpărător, termenul limită atașat fiecărei obligații și orice penalitate dacă termenul este depășit. Fii specific și citează numărul secțiunii relevante pentru fiecare element.

Descrie și critică o imagine

Atașez o captură de ecran a unui dashboard de date. Identifică ce arată fiecare grafic, semnalează orice date care par anormale sau înșelătoare și sugerează o modificare a layout-ului care să facă cel mai important număr mai ușor de găsit dintr-o privire.

Explicație multilingvă a codului

Explică următoarea funcție Python linie cu linie în spaniolă, apoi rescrie-o în TypeScript cu aceeași logică. Adaugă un comentariu scurt deasupra fiecărei linii TypeScript explicând ce face. În final, notează orice cazuri limită pe care codul original nu le gestionează.

Compară cu

Llama 3.2 3B Instruct
Model cu greutăți deschise
context de 131,072 tokeni · $0.05/M intrare, $0.33/M ieșire
Llama 3.1 70B Instruct
Model cu greutăți deschise
context de 131,072 tokeni · $0.40/M intrare, $0.40/M ieșire
Llama Guard 4 12B
Model cu greutăți deschise
context de 163,840 tokeni · $0.18/M intrare, $0.18/M ieșire
Llama 4 Scout
Model cu greutăți deschise
context de 1,310,720 tokeni · $0.18/M intrare, $0.59/M ieșire

Mai multe modele text de la meta-llama

Întrebări frecvente

Pot rula Llama 4 Maverick local?: Da, greutățile sunt deschise și găzduite pe Hugging Face la meta-llama/Llama-4-Maverick-17B-128E-Instruct. Numărul total de parametri este 400B, deci implementarea locală necesită hardware substanțial — verifică ghidul VRAM înainte să te angajezi.
Cât costă Llama 4 Maverick prin API?: Prețurile la furnizorii de inferență susținuți sunt de 0,19 USD per milion de tokeni de input și 0,65 USD per milion de tokeni de output, ceea ce este scăzut pentru un model cu această capacitate, mai ales unul care gestionează și viziune.
Cum diferă Maverick de celelalte modele Llama 4?: Maverick este varianta multimodală cu capacitate mare din familia Llama 4, folosind 128 de experți MoE și o fereastră de context de 1 milion de tokeni; Meta nu a publicat o comparație directă caracteristică cu caracteristică cu modelele surori pe aceeași pagină.

Verdictul căpitanului
O combinație rară: greutăți deschise, suport real pentru viziune, o fereastră de context de un milion de tokeni și un preț care nu doare — dacă ai hardware-ul necesar să-l rulezi.

Fișa modelului pe Hugging Face

Căpitanul scrie aceste note pe baza descrierii modelului și a fișei modelului. Prețurile și dimensiunile contextului sunt cele ale furnizorului la momentul scrierii și pot varia.

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

Cum se adună acest scor

Acest model nu are încă date de popularitate de la nicio sursă, așa că are un număr provizoriu sub 7,000° care menține listele complete. Nu va fi niciodată clasat mai sus decât un model cu date. Descompunerea apare aici imediat ce o sursă o raportează.

Glosar: termenii folosiți aici

Scor de căldură: Un număr care arată cât de mult este folosit și dorit un model acum, de la 0° la 9.999°. Fiecare listă de pe site care spune „cele mai călduroase” este sortată după acest scor și nimic altceva.
Prag: 7.000° este punctul de start pentru orice model cu date reale. Scara merge de la 0° la 9.999°; partea de sub prag este rezervată pentru înlocuitori (modele fără date), ca să fie sigur că un model cu date e mereu mai sus decât unul fără. Pragul e același pentru toți și nu decide nimic; gradele de deasupra lui sunt măsurătoarea.
Echivalente descărcări: Tot ce scorul tratează ca o descărcare, adunat: descărcările în sine, fiecare seeder de torrent ca 1.000, fiecare imagine AI Horde și fiecare rulare pe un site de generare ca una.
Scară logaritmică: Se numără la zeci, nu la unități: trecerea de la 1.000 la 10.000 descărcări adaugă aceleași grade ca trecerea de la 10.000 la 100.000. Astfel, modelele mari nu acoperă tot ce e mic.
Aprecieri: Like-uri și aprecieri de oriunde, fiecare valorează jumătate dintr-o descărcare pe scara logaritmică.
Rata de adoptare: Câte descărcări pe zi primește un model acum, calculat din diferența dintre două citiri ale unei surse. Are un sfert din greutatea termenului de descărcare.
Măsurat și estimat: Măsurat înseamnă că există două citiri ale unei surse și diferența este reală. Estimat înseamnă că se știe doar totalul de azi, iar trecutul este împărțit pe durata vieții modelului; site-ul spune care dintre ele este afișat.
Seeder: Cineva care păstrează o copie a greutăților online pentru ca alții să le descarce prin torrent, sau o oglindă găzduită care face același lucru. Fiecare contează ca 1.000 de descărcări.
AI Horde: O rețea de voluntari care generează imagini gratuit pe calculatoare donate. Numărul de imagini create cu un model este public și fiecare contează ca o descărcare.
Site-uri de generare: Site-uri care găzduiesc propriile copii ale unui model și permit oamenilor să genereze cu el, cum ar fi PixAI, SeaArt și Yodayo. Descărcările lor contează ca cele de pe Civitai, iar fiecare rulare de generare ca o descărcare.
Tokeni OpenRouter: Un model de text servit printr-un API, cum ar fi Claude sau GPT, nu are greutăți de descărcat, deci utilizarea sa se măsoară în tokeni: bucățile de text citite și scrise prin OpenRouter, un gateway folosit de multe aplicații, în ultimele 30 de zile. Fiecare 10,000,000 tokeni contează ca un download. Sursa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model complet (checkpoint): Greutățile în sine, fișierul care generează singur. Primește un bonus pentru că depind de el add-on-urile.
LoRA și embedding: Fișiere mici add-on care direcționează greutățile altcuiva spre un stil, un personaj sau un concept. Nu pot rula singure.
Familie și greutăți: Baza pe care este construit un model, cum ar fi SD 1.5, SDXL, Flux sau Wan. Fiecare model moștenește data lansării greutăților familiei sale.
Vârstă: Grade scăzute în funcție de cât timp a trecut de când au apărut greutățile familiei: 150° pe an, până la 750°. Păstrează descărcările vechi care au avut ani să se acumuleze, blocând topul listei.
Boost de familie: Un mic impuls limitat pentru LoRA-urile unei familii pe care site-ul o promovează acum, întotdeauna listat în detaliu.
Scor de rezervă: Un număr stabil sub prag, dat unui model despre care nicio sursă nu raportează încă, ca listele să rămână complete. Nu se clasează niciodată peste un model cu date.
Nou! (perioadă de grație): Un model mai nou de 7 zile afișează Nou! în loc de scor și nu ocupă loc în clasamente. Scorul său este calculat de la prima zi, dar un model de o zi crește mai rapid decât orice altceva, deci fără această așteptare, modelul #1 al săptămânii ar fi întotdeauna cel apărut ieri, nu cel care a rezistat o săptămână.
Tendință: Cum se compară creșterea unui model într-o perioadă cu creșterea tipică a unui model în aceeași perioadă. Mai rapid decât tipicul înseamnă creștere, mai lent scădere.
Model tipic: Mijlocul catalogului: jumătate dintre modele cu o cifră au crescut mai repede în perioada respectivă, jumătate mai încet.

Modele similare

Step 3.7 Flash

TEXT / LLM

Qwen3.5 Plus 2026 02 15

TEXT / LLM

Seed 1.6

TEXT / LLM

Gemini 3.1 Flash Lite Preview

TEXT / LLM

Modele AI pentru generare de imagini, video și text

Llama 4 Maverick este un model de text pentru familia Text / LLM, listat pe ModelTrends.ai, un catalog doar pentru citire al modelelor AI open source pentru imagini, video și text. Compară-l cu alte modele Text / LLM și verifică-i scorul de căldură pentru a vedea cât este de popular.

Mai multe modele Text / LLM llm meta-llama viziune multilingv context lung local buget

Răsfoiește după familia de modele