- Meta julkaisee Llama 4:n kolmella versiolla: Scout, Maverick ja Behemoth, multimodaalisella ja avoimen lähdekoodin lähestymistavalla.
- Malleissa on Mixture of Experts (MoE) -arkkitehtuuri ja kontekstiikkunat jopa 10 miljoonalla tunnisteella.
- Scout ja Maverick ovat jo saatavilla sovelluksissa, kuten WhatsApp tai Instagram, kun taas Behemoth on vielä kehitysvaiheessa.
- Llama 4:n jakelua rajoittavat oikeudelliset puitteet Yhdysvaltojen ulkopuolella, erityisesti EU:ssa.
Meta on ottanut uuden askeleen tekoälyekosysteeminsä kehityksessä julkaisemalla Llama 4:n , mallikokoelman, jonka tavoitteena on kilpailla nykyisten alan jättiläisten, kuten GPT-4:n ja Geminin, kanssa. Uudistetulla arkkitehtuurilla ja lisäämällä multimodaalisia ominaisuuksia Mark Zuckerbergin yritys pyrkii vahvistamaan asemaansa kilpailussa, jota leimaavat innovaatiot ja nopea kehitys.
Llama 4 -perheessä on kolme päämallia: Scout, Maverick ja Behemoth , joilla kullakin on omat ominaisuutensa, jotka on suunniteltu kattamaan laaja kirjo tarpeita arkipäiväisistä tehtävistä erittäin erikoistuneisiin käyttötarkoituksiin. Lisäksi Metan sitoutuminen on edelleen selvä: avoimen lähdekoodin säilyttäminen erottavana tekijänä, mikä asettaa nämä mallit näkyvästi esiin yritysten ja yksittäisten kehittäjien saatavilla olevien työkalujen joukossa . Jälkimmäisille Llama 4:n avoin lähdekoodi tarjoaa mahdollisuuden kokeilla ja kehittää mukautettuja sovelluksia.
Uusi arkkitehtuuri uudelle sukupolvelle
Yksi Llama 4:n merkittävimmistä puolista on sen Mixture of Experts (MoE) -tekniikkaan perustuva arkkitehtuuri . Tämä lähestymistapa sallii vain mallin välttämättömien osien aktivoinnin tietyssä tehtävässä sen sijaan, että kaikki sen parametrit aktivoitaisiin jokaisessa kyselyssä. Tämä ei ainoastaan paranna tehokkuutta , vaan myös vähentää laskentakuormaa ja nopeuttaa vastauksia. Tämän arkkitehtuurisen edistysaskeleen ansiosta tekoälykehittäjät voivat tutkia uusia mahdollisuuksia, kuten Microsoft Loopia käsittelevässä artikkelissa esitettyjä.
Llama 4 Scoutilla ja Maverickilla on yhteinen 17.000 miljardin aktiivisen parametrin pohja , vaikkakin ne eroavat käyttämiensä asiantuntijoiden määrässä: Scout käyttää 16:ta ja Maverick 128:aa. Tämä kokoonpano erottaa niiden ominaisuudet toisistaan keskittyen Scoutin teknisiin tehtäviin, kuten koodianalyysiin tai dokumentaation synteesiin , kun taas Maverick keskittyy yleisempiin toimintoihin, kuten luovaan kirjoittamiseen tai tekstin ja kuvan tulkintaan . Koodianalyysistä kiinnostuneille Llama 4:n arkkitehtuuri voi olla perustavanlaatuinen, ja lisätietoja löydät Python- julkaisusta.
Sitä vastoin Behemoth edustaa askelta kohti mallinkehityksen eturintamaa . Vaikka se on vielä koulutusvaiheessa, on paljastunut, että sillä on 288.000 miljardia aktiivista parametria, jotka on jaettu 16 asiantuntijan kesken. Metan mukaan sen alustavat testit sijoittavat sen kilpailijoiden, kuten GPT-4.5:n, Claude 3.7:n ja Gemini 2.0 Pron, yläpuolelle STEM- aloihin keskittyvissä vertailuarvoissa.
Multimodaalisuus avaimena tulevaisuuteen
Multimodaalisuus on tämän uuden sukupolven toinen tunnusmerkki . Scout ja Maverick on suunniteltu ymmärtämään ja työskentelemään erityyppisten syötteiden, kuten tekstin , kuvien ja jopa videon , kanssa, mikä mahdollistaa monipuolisempien ja mukautuvampien avustajien kehittämisen. Tämä tarkoittaa kehittyneempiä sovelluksia yritys-, koulutus- tai luovissa ympäristöissä, joissa visuaalisen ja tekstimuotoisen tiedon samanaikainen tulkinta on olennaista. Tässä yhteydessä sellaisten mallien integrointi kuin Llama 4 voisi auttaa parantamaan nykyaikaisten työkalujen ominaisuuksia, samalla tavalla kuin Google Colabissa nähdään.
Yksi innovatiivisimmista ominaisuuksista on jopa 10 miljoonan tokenin konteksti-ikkunoiden käyttöönotto . Tämän ominaisuuden ansiosta mallit pystyvät käsittelemään erittäin suuria tietolohkoja, mikä helpottaa laajojen dokumenttien tai monimutkaisten koodikantojen perusteellista analysointia. Tämä kontekstin laajennus on ennennäkemätön aiemmissa malleissa ja siitä voi tulla standardi tuleville tekoälyjulkaisuille maailmanlaajuisesti.
MoE-arkkitehtuurin ansiosta Llama 4 -mallit kuluttavat myös vähemmän resursseja koulutuksen ja päättelyn aikana , mikä on olennaista niiden käytön skaalaamiseksi ilman kohtuuttoman kallista infrastruktuuria. Meta mainitsee, että Scout voi toimia yhdellä Nvidia H100 -näytönohjaimella , mikä demokratisoi sen saatavuuden pienille yrityksille tai kehittäjille, joilla on rajallisemmat resurssit. Tämä resurssitehokas lähestymistapa on samanlainen kuin Wi-Fi-yhteysjärjestelmissä , joissa resurssien optimointi on avainasemassa konkreettisten hyötyjen saavuttamiseksi.
Saatavuus ja kansainvälinen käyttöönotto
Scout- ja Maverick-mallit ovat nyt saatavilla useilla Meta-alustoilla , kuten WhatsAppissa, Instagramissa, Facebook Messengerissä ja Meta AI -verkkosivustolla. Niille, jotka haluavat saada lisää teknistä tietoa tai kehittää niitä itsenäisesti, versioita on saatavilla llama.com- sivustolla ja suositulla Hugging Face -alustalla . Tämä kansainvälinen saatavuus on merkittävä askel eteenpäin tekoälyn saatavuudessa, kuten Microsoftin viimeisimpiä uutisia käsittelevässä artikkelissa käsitellään.
Kaikilla ei kuitenkaan ole yhtäläistä pääsyä näihin edistysaskeliin. Meta on vahvistanut, että sekä multimodaaliset toiminnot että mallien jakelu ovat Euroopan unionissa rajoitettuja tietosuojaan ja tekoälyyn liittyvistä oikeudellisista syistä . Tämä tarkoittaa, että EU:ssa sijaitsevat yritykset eivät voi toistaiseksi käyttää tai jakaa niitä edelleen ilman erityistä lisenssiä.
Lisäksi yritysten, joilla on yli 700 miljoonaa kuukausittaista aktiivista käyttäjää, on haettava lisälupia näiden teknologioiden käyttöönottoon. Tämä voi hidastaa niiden käyttöönottoa esimerkiksi Euroopan markkinoilla, vaikka Meta onkin ilmoittanut aikovansa puuttua näihin esteisiin tulevissa päivityksissä.
Taas yksi askel kohti päättelymallia
Nykyisten malliensa lisäksi Meta on jo julkisesti ilmoittanut työskentelevänsä neljännen variantin parissa: Llama 4 Reasoning . Kuten nimestä voi päätellä, se keskittyy loogisen päättelyn parantamiseen, mitä sen nykyiset versiot eivät vielä täysin integroi. Tämän mallin käyttöönotto olisi Metan ensimmäinen yritys kilpailla alueella, jolla OpenAI ja muut yritykset ovat jo ottaneet merkittäviä edistysaskeleita.
Tällä hetkellä Llama 4 -mallit vastaavat vapaammin yhteiskunnallisiin tai poliittisiin kysymyksiin, mitä Meta on mukauttanut niin, että uudet versiot eivät ole haluttomampia käsittelemään kiistanalaisia kysymyksiä. Tämä suodattimien väheneminen noudattaa viimeaikaisissa malleissa, kuten Grok 3:ssa, havaittua linjaa ja on osa alan yleisempää muutosta kohti avoimempaa ja vähemmän sensuroitua vuorovaikutusta.
Lisäksi Meta on vihjannut, että Llama 4 Behemoth voisi toimia pohjana pienempien ja erikoistuneempien mallien luomiselle , jolloin sen tehoa voitaisiin soveltaa tarkemmissa yhteyksissä ilman, että koko infrastruktuuria tarvitsisi ottaa käyttöön.
Uusi Llama 4 -sukupolvi asettaa Metan vahvasti kilpailijaksi edistyneiden tekoälymallien kehittämisessä . Avoimen lähdekoodin, tehokkaan arkkitehtuurin ja multimodaalisten ominaisuuksien yhdistelmällä Scout ja Maverick tarjoavat jo tänään sovellettavia ratkaisuja. Samaan aikaan Behemoth lupaa olla kulmakivi, jolle voidaan rakentaa entistä tehokkaampia malleja tulevaisuudessa. Vaikka sen jakelua joillakin alueilla rajoittavat oikeudelliset ongelmat, tekninen kehitys näyttää kiistattomalta ja vahvistaa Metan sitoutumista avoimen tekoälyn alan johtajuuteen.
