- Meta lanceert Llama 4 met drie varianten: Scout, Maverick en Behemoth, met een multimodale aanpak en open source.
- De modellen maken gebruik van de Mixture of Experts (MoE)-architectuur en contextvensters van maximaal 10 miljoen tokens.
- Scout en Maverick zijn al beschikbaar op apps als WhatsApp en Instagram, terwijl Behemoth nog in ontwikkeling is.
- De distributie van Llama 4 wordt buiten de VS beperkt door wettelijke kaders, met name in de EU.
Meta heeft een nieuwe stap gezet in de evolutie van zijn ecosysteem voor kunstmatige intelligentie met de lancering van Llama 4 , een verzameling modellen die de concurrentie willen aangaan met huidige marktleiders zoals GPT-4 en Gemini. Met een vernieuwde architectuur en de toevoeging van multimodale mogelijkheden probeert het bedrijf van Mark Zuckerberg zijn positie te versterken in een markt die wordt gekenmerkt door innovatie en snelle ontwikkeling.
De Llama 4-familie bestaat uit drie hoofdmodellen: Scout, Maverick en Behemoth , elk met unieke kenmerken die zijn ontworpen om een breed scala aan behoeften te dekken, van alledaagse taken tot zeer gespecialiseerde toepassingen. Bovendien blijft Meta's commitment duidelijk: open source als onderscheidend kenmerk, waardoor deze modellen een prominente positie innemen in het landschap van toegankelijke tools voor bedrijven en individuele ontwikkelaars. Voor laatstgenoemden biedt de open source-code van Llama 4 de mogelijkheid om te experimenteren en applicaties op maat te ontwikkelen.
Een nieuwe architectuur voor een nieuwe generatie
Een van de belangrijkste aspecten van Llama 4 is de architectuur, gebaseerd op de Mixture of Experts (MoE)-techniek . Deze aanpak maakt het mogelijk om alleen de noodzakelijke onderdelen van het model te activeren voor een bepaalde taak, in plaats van alle parameters bij elke query te activeren. Dit verbetert niet alleen de efficiëntie , maar vermindert ook de rekenlast en versnelt de reacties. Dankzij deze architectonische vooruitgang kunnen AI-ontwikkelaars nieuwe mogelijkheden verkennen, zoals die worden gepresenteerd in het artikel over Microsoft Loop.
Llama 4 Scout en Maverick delen een basis van 17.000 miljard actieve parameters , hoewel ze verschillen in het aantal experts dat ze gebruiken: Scout gebruikt er 16, terwijl Maverick er 128 inzet. Deze configuratie onderscheidt hun mogelijkheden, waarbij Scout zich richt op technische taken zoals codeanalyse of documentatiesynthese , terwijl Maverick zich richt op meer algemene functies zoals creatief schrijven of tekst- en beeldinterpretatie . Voor diegenen die geïnteresseerd zijn in codeanalyse, kan de architectuur van Llama 4 van fundamenteel belang zijn. Meer informatie hierover is te vinden in het artikel over Python.
Behemoth vertegenwoordigt daarentegen een stap richting de voorhoede van modelontwikkeling . Hoewel het zich nog in de trainingsfase bevindt, is al bekendgemaakt dat het beschikt over 288.000 miljard actieve parameters, verdeeld over 16 experts. Volgens Meta presteert het in de eerste tests beter dan concurrenten zoals GPT-4.5, Claude 3.7 en Gemini 2.0 Pro in benchmarks gericht op STEM- vakgebieden.
Multimodaliteit als sleutel tot de toekomst
Multimodaliteit is een ander kenmerk van deze nieuwe generatie . Scout en Maverick zijn ontworpen om verschillende soorten input te begrijpen en te verwerken, zoals tekst , afbeeldingen en zelfs video , waardoor de ontwikkeling van veelzijdiger en aanpasbaardere assistenten mogelijk wordt. Dit vertaalt zich in geavanceerdere toepassingen binnen zakelijke, educatieve of creatieve omgevingen, waar de gelijktijdige interpretatie van visuele en tekstuele informatie essentieel is. In deze context zou de integratie van modellen zoals Llama 4 kunnen bijdragen aan het verbeteren van de mogelijkheden van moderne tools, vergelijkbaar met wat we zien in Google Colab.
Een van de meest innovatieve functies is de introductie van contextvensters met maximaal 10 miljoen tokens . Dankzij deze mogelijkheid kunnen de modellen extreem grote hoeveelheden data verwerken, waardoor diepgaande analyses van omvangrijke documenten of complexe codebases mogelijk worden. Deze uitbreiding van de context is ongekend in eerdere modellen en zou wel eens de standaard kunnen worden voor toekomstige AI-releases wereldwijd.
Dankzij de MoE-architectuur verbruiken Llama 4-modellen ook minder resources tijdens training en inferentie , wat essentieel is voor het schalen van het gebruik ervan zonder dat er een buitensporig dure infrastructuur nodig is. Meta vermeldt dat Scout kan draaien op een enkele Nvidia H100 GPU , waardoor het toegankelijk wordt voor kleine bedrijven of ontwikkelaars met beperktere middelen. Deze resource-efficiënte aanpak is vergelijkbaar met die van wifi-verbindingen , waar resource-optimalisatie de sleutel is tot tastbare voordelen.
Beschikbaarheid en internationale inzet
De Scout- en Maverick-modellen zijn nu beschikbaar op verschillende Meta-platformen , waaronder WhatsApp, Instagram, Facebook Messenger en de Meta AI-website. Voor diegenen die meer technische toegang zoeken of de modellen zelfstandig willen ontwikkelen, zijn er versies beschikbaar op llama.com en het populaire Hugging Face- platform . Deze internationale beschikbaarheid is een belangrijke stap voorwaarts in de toegang tot kunstmatige intelligentie, zoals besproken in het artikel over het laatste nieuws van Microsoft.
Niet iedereen zal echter gelijke toegang hebben tot deze ontwikkelingen. Meta heeft bevestigd dat zowel multimodale functies als modeldistributie in de Europese Unie beperkt zijn vanwege wettelijke redenen met betrekking tot gegevensbescherming en regelgeving inzake kunstmatige intelligentie. Dit betekent dat bedrijven in de EU deze functies voorlopig niet kunnen gebruiken of verspreiden zonder een specifieke licentie.
Bovendien zullen bedrijven met meer dan 700 miljoen maandelijks actieve gebruikers extra vergunningen moeten aanvragen om deze technologieën te implementeren. Dit zou de uitrol in markten zoals Europa kunnen vertragen, hoewel Meta heeft aangegeven deze obstakels in toekomstige updates te willen aanpakken.
Een stap dichter bij het redeneermodel
Naast de huidige modellen heeft Meta al publiekelijk aangekondigd dat het werkt aan een vierde variant: Llama 4 Reasoning . Zoals de naam al doet vermoeden, zal deze zich richten op het verbeteren van logisch redeneren, iets wat de huidige versies nog niet volledig integreren. De introductie van dit model zou Meta's eerste poging betekenen om te concurreren op een gebied waar OpenAI en andere bedrijven al aanzienlijke vooruitgang hebben geboekt.
Momenteel reageren Llama 4-modellen vrijer op maatschappelijke en politieke kwesties. Meta heeft dit aangepast, zodat de nieuwe versies minder terughoudend zijn in het aankaarten van controversiële onderwerpen. Deze vermindering van het aantal filters is een vervolg op de trend die we zagen bij recente modellen zoals de Grok 3 en is onderdeel van een bredere verschuiving in de sector naar meer open en minder gecensureerde interacties.
Bovendien heeft Meta laten doorschemeren dat Llama 4 Behemoth als basis zou kunnen dienen voor het creëren van kleinere, meer gespecialiseerde modellen , waardoor de kracht ervan in specifiekere contexten kan worden toegepast zonder dat de volledige infrastructuur hoeft te worden ingezet.
De nieuwe Llama 4-generatie positioneert Meta stevig in de concurrentie voor de ontwikkeling van geavanceerde AI-modellen . Met een combinatie van open source, een efficiënte architectuur en multimodale mogelijkheden bieden Scout en Maverick al oplossingen die vandaag de dag toepasbaar zijn. Behemoth belooft ondertussen een hoeksteen te worden waarop in de toekomst nog krachtigere modellen gebouwd kunnen worden. Hoewel de distributie ervan in sommige regio's door juridische kwesties wordt beperkt, lijkt de technische vooruitgang onmiskenbaar en versterkt het Meta's streven om een leidende rol te spelen in de open sector van kunstmatige intelligentie.
