- Meta meluncurkan Llama 4 dengan tiga varian: Scout, Maverick, dan Behemoth, dengan pendekatan multimoda dan sumber terbuka.
- Model tersebut menggabungkan arsitektur Campuran Pakar (MoE) dan jendela konteks hingga 10 juta token.
- Scout dan Maverick sudah tersedia di aplikasi seperti WhatsApp dan Instagram, sementara Behemoth masih dalam pengembangan.
- Distribusi Llama 4 dibatasi di luar AS oleh kerangka hukum, khususnya di UE.
Meta telah mengambil langkah selanjutnya dalam evolusi ekosistem Kecerdasan Buatannya dengan peluncuran Llama 4 , sebuah koleksi model yang bertujuan untuk bersaing dengan raksasa industri saat ini seperti GPT-4 dan Gemini. Dengan arsitektur yang diperbarui dan penambahan kemampuan multimodal , perusahaan Mark Zuckerberg ini berupaya memperkuat posisinya dalam persaingan yang ditandai dengan inovasi dan perkembangan pesat.
Seri Llama 4 hadir dengan tiga model utama: Scout, Maverick, dan Behemoth , masing-masing dengan fitur berbeda yang dirancang untuk memenuhi berbagai kebutuhan, mulai dari tugas sehari-hari hingga penggunaan yang sangat khusus. Lebih lanjut, komitmen Meta tetap jelas: mempertahankan open source sebagai faktor pembeda, yang menempatkan model-model ini secara menonjol dalam lanskap alat yang mudah diakses untuk bisnis dan pengembang individu. Bagi yang terakhir, kode sumber terbuka Llama 4 menawarkan kesempatan untuk bereksperimen dan mengembangkan aplikasi kustom.
Arsitektur baru untuk generasi baru
Salah satu aspek terpenting dari Llama 4 adalah arsitekturnya yang berbasis pada teknik Mixture of Experts (MoE) . Pendekatan ini memungkinkan hanya bagian-bagian model yang diperlukan untuk diaktifkan untuk tugas tertentu, alih-alih mengaktifkan semua parameternya di setiap kueri. Hal ini tidak hanya meningkatkan efisiensi tetapi juga mengurangi beban komputasi dan mempercepat respons. Dengan kemajuan arsitektur ini, pengembang AI dapat mengeksplorasi kemungkinan baru, seperti yang disajikan dalam artikel tentang Microsoft Loop.
Llama 4 Scout dan Maverick memiliki basis 17.000 miliar parameter aktif yang sama , meskipun keduanya berbeda dalam jumlah ahli yang digunakan: Scout menggunakan 16, sedangkan Maverick menggunakan 128. Konfigurasi ini membedakan kemampuan mereka, memfokuskan Scout pada tugas-tugas teknis seperti analisis kode atau sintesis dokumentasi , sementara Maverick berfokus pada fungsi yang lebih umum seperti penulisan kreatif atau interpretasi teks dan gambar . Bagi mereka yang tertarik pada analisis kode, arsitektur Llama 4 dapat menjadi fundamental, dan Anda dapat menemukan informasi lebih lanjut di postingan tentang Python.
Sebaliknya, Behemoth mewakili dorongan menuju pengembangan model yang mutakhir . Meskipun masih dalam fase pelatihan, telah terungkap bahwa ia memiliki 288.000 miliar parameter aktif yang didistribusikan di antara 16 pakar. Menurut Meta, pengujian awalnya menempatkannya di atas para pesaing seperti GPT-4.5, Claude 3.7, dan Gemini 2.0 Pro dalam tolok ukur yang berfokus pada bidang STEM.
Multimoda sebagai kunci masa depan
Multimodalitas adalah ciri khas lain dari generasi baru ini . Scout dan Maverick dirancang untuk memahami dan bekerja dengan berbagai jenis input, seperti teks , gambar , dan bahkan video , sehingga memungkinkan pengembangan asisten yang lebih serbaguna dan mudah beradaptasi. Hal ini menghasilkan aplikasi yang lebih canggih di lingkungan perusahaan, pendidikan, atau kreatif, di mana interpretasi simultan informasi visual dan tekstual sangat penting. Dalam konteks ini, integrasi model seperti Llama 4 dapat berkontribusi untuk meningkatkan kemampuan alat modern, serupa dengan yang terlihat di Google Colab.
Salah satu fitur paling inovatif adalah pengenalan jendela konteks hingga 10 juta token . Dengan kemampuan ini, model dapat menangani blok data yang sangat besar, memfasilitasi analisis mendalam terhadap dokumen yang ekstensif atau basis kode yang kompleks. Perluasan konteks ini belum pernah terjadi sebelumnya pada model-model sebelumnya dan dapat menjadi standar untuk rilis AI di masa mendatang secara global.
Berkat arsitektur MoE, model Llama 4 juga mengonsumsi lebih sedikit sumber daya selama pelatihan dan inferensi , yang sangat penting untuk meningkatkan skala penggunaannya tanpa memerlukan infrastruktur yang terlalu mahal. Meta menyebutkan bahwa Scout dapat berjalan pada satu GPU Nvidia H100 , sehingga aksesibilitasnya lebih mudah bagi usaha kecil atau pengembang dengan sumber daya yang lebih terbatas. Pendekatan yang efisien dalam penggunaan sumber daya ini mirip dengan sistem koneksi Wi-Fi , di mana optimasi sumber daya merupakan kunci untuk mendapatkan manfaat nyata.
Ketersediaan dan penyebaran internasional
Model Scout dan Maverick kini tersedia di beberapa platform Meta , termasuk WhatsApp, Instagram, Facebook Messenger, dan situs web Meta AI. Bagi mereka yang mencari akses lebih teknis atau ingin mengembangkannya secara independen, versi tersedia di llama.com dan platform Hugging Face yang populer . Ketersediaan internasional ini menandai langkah maju yang signifikan dalam mengakses Kecerdasan Buatan, seperti yang dibahas dalam artikel tentang berita terbaru Microsoft.
Namun, tidak semua orang akan memiliki akses yang sama terhadap kemajuan ini. Meta telah mengkonfirmasi bahwa fungsi multimodal dan distribusi model dibatasi di Uni Eropa karena alasan hukum terkait perlindungan data dan peraturan kecerdasan buatan. Ini berarti bahwa perusahaan yang berlokasi di Uni Eropa, untuk saat ini, tidak dapat menggunakan atau mendistribusikannya tanpa lisensi khusus.
Selain itu, perusahaan dengan lebih dari 700 juta pengguna aktif bulanan perlu mengajukan izin tambahan untuk menerapkan teknologi ini. Hal ini dapat memperlambat peluncurannya di pasar seperti Eropa, meskipun Meta telah mengindikasikan niatnya untuk mengatasi hambatan ini dalam pembaruan mendatang.
Selangkah lebih dekat ke model penalaran
Di luar model yang ada saat ini, Meta telah mengumumkan secara publik bahwa mereka sedang mengerjakan varian keempat: Llama 4 Reasoning . Sesuai namanya, model ini akan fokus pada peningkatan penalaran logis, sesuatu yang belum sepenuhnya terintegrasi dalam versi yang ada saat ini. Pengenalan model ini akan menandai upaya pertama Meta untuk bersaing di bidang di mana OpenAI dan perusahaan lain telah membuat kemajuan yang signifikan.
Saat ini, model Llama 4 merespons isu sosial dan politik dengan lebih bebas, sesuatu yang telah disesuaikan Meta sehingga versi baru tidak lagi segan-segan membahas topik kontroversial. Pengurangan filter ini mengikuti tren yang terlihat pada model terkini seperti Grok 3 dan merupakan bagian dari pergeseran yang lebih luas dalam industri menuju interaksi yang lebih terbuka dan kurang disensor.
Selain itu, Meta mengisyaratkan bahwa Llama 4 Behemoth dapat berfungsi sebagai dasar untuk menciptakan model yang lebih kecil dan lebih khusus , memungkinkan kekuatannya diterapkan dalam konteks yang lebih spesifik tanpa perlu mengerahkan seluruh infrastruktur.
Generasi Llama 4 yang baru menempatkan Meta dengan kokoh dalam persaingan pengembangan model AI canggih . Dengan kombinasi sumber terbuka, arsitektur yang efisien, dan kemampuan multimodal, Scout dan Maverick telah menawarkan solusi yang dapat diterapkan saat ini. Sementara itu, Behemoth menjanjikan untuk menjadi landasan untuk membangun model yang lebih canggih di masa depan. Meskipun distribusinya dibatasi oleh masalah hukum di beberapa wilayah, kemajuan teknisnya tampak tak terbantahkan dan memperkuat komitmen Meta untuk memimpin sektor kecerdasan buatan terbuka.
