Kan jag köra Llama 4 Maverick lokalt?

Ja, vikterna är öppna och finns på Hugging Face under meta-llama/Llama-4-Maverick-17B-128E-Instruct. Totalt antal parametrar är 400 miljarder, så lokal drift kräver betydande hårdvara – kontrollera VRAM-guiden innan du bestämmer dig.

Vad kostar Llama 4 Maverick via API?

Prissättningen hos stödda inferensleverantörer är 0,19 USD per miljon inmatningstoken och 0,65 USD per miljon utmatningstoken, vilket är lågt för en modell med denna kapacitet, särskilt en som hanterar syn.

Hur skiljer sig Maverick från andra Llama 4-modeller?

Maverick är den multimodala varianten med hög kapacitet i Llama 4-familjen, med 128 MoE-experter och ett kontextfönster på 1 miljon token; Meta har inte publicerat en direkt funktionsjämförelse med syskonmodeller på samma sida.

Llama 4 Maverick

2370°

#llm #meta-llama #vision #fler språk #lång kontext #lokal

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Meta | 1 048 576 tokens kontext | $0,19/M indata, $0,65/M utdata. Llama 4 Maverick 17B Instruct (128E) är en högkapacitets multimodal språkmodell från Meta, byggd på en mixture-of-experts (MoE)-arkitektur med 128 experter och 17 miljarder aktiva parametrar per framåtpassering (400 miljarder totalt). Den stödjer flerspråkig text- och bildindata och producerar flerspråkig text och kodutdata på 12 stödda språk. Optimerad för vision-språk-uppgifter, är Maverick instruktionstränad för assistentliknande beteende, bildresonemang och allmän multimodal interaktion. Maverick har tidig fusion för…Meta | 1 048 576 tokens kontext | $0,19/M indata, $0,65/M utdata. Llama 4 Maverick 17B Instruct (128E) är en högkapacitets multimodal språkmodell från Meta, byggd på en mixture-of-experts (MoE)-arkitektur med 128 experter och 17 miljarder aktiva parametrar per framåtpassering (400 miljarder totalt). Den stödjer flerspråkig text- och bildindata och producerar flerspråkig text och kodutdata på 12 stödda språk. Optimerad för vision-språk-uppgifter, är Maverick instruktionstränad för assistentliknande beteende, bildresonemang och allmän multimodal interaktion. Maverick har tidig fusion för inbyggd multimodalitet och ett kontextfönster på 1 miljon tokens. Den tränades på en kurerad blandning av offentliga, licensierade och Meta-plattformsdata, omfattande ~22 biljoner tokens, med kunskapsavgränsning i augusti 2024. Släppt den 5 april 2025 under Llama 4 Community License, är Maverick lämpad för forskning och kommersiella tillämpningar som kräver avancerad multimodal förståelse och hög modellgenomströmning.

Guider för denna modell

Hur mycket VRAM behöver jag egentligen för lokal AI?

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Bästa lokala LLM efter användningsområde (oktober 2026): rätt öppna modell för varje jobb

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Llama 4 Maverick är Metas stora multimodala modell byggd på en mixture-of-experts-arkitektur: 17 miljarder aktiva parametrar per framåtpassning hämtade från totalt 400 miljarder, med 128 experter. Den hanterar text och bilder som indata och genererar text och kod som utdata, på 12 språk, med ett kontextfönster på 1 miljon token. Med öppna vikter och prissatt långt under de flesta toppmodeller passar den team som behöver seriös multimodal kapacitet utan en dyr API-räkning.

Känd för

Inbyggd bildförståelse via tidig fusion, inte påklistrad efter träning.
1 miljon token kontextfönster – klistra in en liten kodbas eller ett långt dokument.
MoE-design håller antalet aktiva parametrar på 17 miljarder, vilket gör inferens billigare än vad den totala storleken antyder.
Flerspråkig text- och kodutmatning på 12 stödda språk.
Öppna vikter under Llama 4 Community License, tillgängliga på Hugging Face.

Se upp för

400 miljarder totala parametrar innebär att lokal drift kräver seriös hårdvara; kontrollera ditt VRAM innan nedladdning.
Llama 4 Community License är inte helt fri – läs den innan du bygger en kommersiell produkt.
Kunskapsavgränsning är augusti 2024; allt efter det känner modellen helt enkelt inte till.

Bäst för

Promptar att prova

Resonera över ett långt dokument

Här är ett långt kontrakt. Läs det noggrant och lista sedan varje klausul som skapar en skyldighet för köparen, deadline för varje skyldighet och eventuell påföljd om deadlinen missas. Var specifik och citera relevant avsnittsnummer för varje punkt.

Beskriv och kritisera en bild

Jag bifogar en skärmdump av en datadashboard. Identifiera vad varje diagram visar, påpeka eventuella data som verkar avvikande eller vilseledande, och föreslå en ändring i layouten som gör det viktigaste numret lättare att hitta vid en snabb blick.

Flerspråkig kodförklaring

Förklara följande Python-funktion rad för rad på spanska, skriv sedan om den i TypeScript med samma logik. Lägg till en kort kommentar ovanför varje TypeScript-rad som förklarar vad den gör. Notera slutligen eventuella kantfall som originalkoden inte hanterar.

Jämför med

Llama 3.2 3B Instruct
Öppen vikt-modell
131,072 tokens kontext · $0.05/M indata, $0.33/M utdata
Llama 3.1 70B Instruct
Öppen vikt-modell
131,072 tokens kontext · $0.40/M indata, $0.40/M utdata
Llama Guard 4 12B
Öppen vikt-modell
163,840 tokens kontext · $0.18/M indata, $0.18/M utdata
Llama 4 Scout
Öppen vikt-modell
1,310,720 tokens kontext · $0.18/M indata, $0.59/M utdata

Fler textmodeller från meta-llama

Vanliga frågor

Kan jag köra Llama 4 Maverick lokalt?: Ja, vikterna är öppna och finns på Hugging Face under meta-llama/Llama-4-Maverick-17B-128E-Instruct. Totalt antal parametrar är 400 miljarder, så lokal drift kräver betydande hårdvara – kontrollera VRAM-guiden innan du bestämmer dig.
Vad kostar Llama 4 Maverick via API?: Prissättningen hos stödda inferensleverantörer är 0,19 USD per miljon inmatningstoken och 0,65 USD per miljon utmatningstoken, vilket är lågt för en modell med denna kapacitet, särskilt en som hanterar syn.
Hur skiljer sig Maverick från andra Llama 4-modeller?: Maverick är den multimodala varianten med hög kapacitet i Llama 4-familjen, med 128 MoE-experter och ett kontextfönster på 1 miljon token; Meta har inte publicerat en direkt funktionsjämförelse med syskonmodeller på samma sida.

Kaptens omdöme
En sällsynt kombination: öppna vikter, äkta synstöd, ett miljon-token kontext och ett pris som inte sticker – om du har hårdvaran för att köra den.

Model card på Hugging Face

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

Llama 3.1 8B Instruct

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

Llama 4 Maverick är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm meta-llama vision fler språk lång kontext lokal budget

Bläddra efter modellfamilj