- Meta lanserer Llama 4 med tre varianter: Scout, Maverick og Behemoth, med en multimodal og åpen kildekode-tilnærming.
- Modellene inkluderer Mixture of Experts (MoE)-arkitektur og kontekstvinduer på opptil 10 millioner tokens.
- Scout og Maverick er allerede tilgjengelig på apper som WhatsApp eller Instagram, mens Behemoth fortsatt er under utvikling.
- Distribusjon av Llama 4 er begrenset utenfor USA av juridiske rammer, spesielt i EU.
Meta har tatt et nytt steg i utviklingen av sitt kunstig intelligens-økosystem med lanseringen av Llama 4 , en samling modeller som tar sikte på å konkurrere med nåværende bransjegiganter som GPT-4 og Gemini. Med en fornyet arkitektur og tillegg av multimodale funksjoner prøver Mark Zuckerbergs selskap å styrke sin posisjon i et kappløp preget av innovasjon og rask utvikling.
Llama 4-familien kommer med tre hovedmodeller: Scout, Maverick og Behemoth , hver med distinkte funksjoner designet for å dekke et bredt spekter av behov, fra hverdagsoppgaver til svært spesialisert bruk. Videre er Metas forpliktelse klar: å opprettholde åpen kildekode som en differensierende faktor, noe som plasserer disse modellene fremtredende i landskapet av tilgjengelige verktøy for bedrifter og individuelle utviklere. For sistnevnte gir Llama 4s åpne kildekode muligheten til å eksperimentere og utvikle tilpassede applikasjoner.
En ny arkitektur for en ny generasjon
Et av de viktigste aspektene ved Llama 4 er arkitekturen basert på Mixture of Experts (MoE)-teknikken . Denne tilnærmingen tillater at bare de nødvendige delene av modellen aktiveres for en gitt oppgave, i stedet for å aktivere alle parameterne i hver spørring. Dette forbedrer ikke bare effektiviteten , men reduserer også beregningsbelastningen og gir raskere svar. Med denne arkitekturfremgangen kan AI-utviklere utforske nye muligheter, som de som presenteres i artikkelen om Microsoft Loop.
Llama 4 Scout og Maverick deler en base på 17.000 milliarder aktive parametere , selv om de skiller seg i antall eksperter de bruker: Scout bruker 16, mens Maverick bruker 128. Denne konfigurasjonen differensierer deres funksjoner, ved å fokusere Scout på tekniske oppgaver som kodeanalyse eller dokumentasjonssyntese , mens Maverick fokuserer på mer generelle funksjoner som kreativ skriving eller tekst- og bildetolkning . For de som er interessert i kodeanalyse, kan Llama 4s arkitektur være grunnleggende, og du kan finne mer informasjon i innlegget om Python.
Behemoth representerer derimot et løft mot den nyeste utviklingen innen modellutvikling . Selv om den fortsatt er i opplæringsfasen, har det blitt avslørt at den kan skryte av 288.000 milliarder aktive parametere fordelt på 16 eksperter. Ifølge Meta plasserer de første testene den over konkurrenter som GPT-4.5, Claude 3.7 og Gemini 2.0 Pro i benchmarks fokusert på STEM- felt.
Multimodalitet som nøkkelen til fremtiden
Multimodalitet er et annet kjennetegn ved denne nye generasjonen . Scout og Maverick er utviklet for å forstå og arbeide med ulike typer input, som tekst , bilder og til og med video , og dermed muliggjøre utvikling av mer allsidige og tilpasningsdyktige assistenter. Dette oversettes til mer sofistikerte applikasjoner i bedrifts-, utdannings- eller kreative miljøer, der samtidig tolkning av visuell og tekstlig informasjon er avgjørende. I denne sammenhengen kan integrering av modeller som Llama 4 bidra til å forbedre egenskapene til moderne verktøy, i likhet med det som sees i Google Colab.
En av de mest innovative funksjonene er introduksjonen av kontekstvinduer på opptil 10 millioner tokens . Med denne funksjonaliteten kan modellene håndtere ekstremt store datablokker, noe som muliggjør grundig analyse av omfattende dokumenter eller komplekse kodebaser. Denne utvidelsen av kontekst er uten sidestykke i tidligere modeller og kan bli en standard for fremtidige AI-utgivelser globalt.
Takket være MoE-arkitekturen bruker Llama 4-modeller også færre ressurser under trening og inferens , noe som er viktig for å skalere bruken uten å kreve overdrevent dyr infrastruktur. Meta nevner at Scout kan kjøre på en enkelt Nvidia H100 GPU , noe som demokratiserer tilgjengeligheten for små bedrifter eller utviklere med mer begrensede ressurser. Denne ressurseffektive tilnærmingen ligner på Wi-Fi-tilkoblingssystemer , der ressursoptimalisering er nøkkelen til konkrete fordeler.
Tilgjengelighet og internasjonal distribusjon
Scout- og Maverick-modellene er nå tilgjengelige på flere Meta-plattformer , inkludert WhatsApp, Instagram, Facebook Messenger og Meta AI-nettstedet. For de som ønsker mer teknisk tilgang eller ønsker å utvikle dem uavhengig, er versjoner tilgjengelige på llama.com og den populære Hugging Face- plattformen . Denne internasjonale tilgjengeligheten markerer et betydelig skritt fremover i tilgangen til kunstig intelligens, som omtalt i artikkelen om Microsofts siste nyheter.
Imidlertid vil ikke alle ha lik tilgang til disse fremskrittene. Meta har bekreftet at både multimodale funksjoner og modelldistribusjon er begrenset i EU av juridiske årsaker knyttet til databeskyttelse og forskrifter om kunstig intelligens. Dette betyr at selskaper lokalisert i EU foreløpig ikke kan bruke eller redistribuere dem uten en spesifikk lisens.
Videre må selskaper med mer enn 700 millioner månedlige aktive brukere søke om ytterligere tillatelser for å implementere disse teknologiene. Dette kan forsinke utrullingen i markeder som Europa, selv om Meta har indikert at de har til hensikt å ta tak i disse hindringene i fremtidige oppdateringer.
Nok et steg mot resonneringsmodellen
Utover sine nåværende modeller har Meta allerede offentlig annonsert at de jobber med en fjerde variant: Llama 4 Reasoning . Som navnet antyder, vil den fokusere på å forbedre logisk resonnering, noe de nåværende versjonene ennå ikke integrerer fullt ut. Innføringen av denne modellen ville markere Metas første forsøk på å konkurrere i et område der OpenAI og andre selskaper allerede har gjort betydelige fremskritt.
Foreløpig reagerer Llama 4-modeller mer fritt på sosiale eller politiske spørsmål, noe som Meta har justert slik at de nye versjonene har mindre motvilje mot å ta opp kontroversielle spørsmål. Denne reduksjonen i filtre følger linjen observert i nyere modeller som Grok 3 og er en del av en mer generell endring i bransjen mot mer åpne og mindre sensurerte interaksjoner.
Videre har Meta antydet at Llama 4 Behemoth kan tjene som grunnlag for å lage mindre, mer spesialiserte modeller , slik at kraften kan brukes i mer spesifikke sammenhenger uten behov for å distribuere hele infrastrukturen.
Den nye Llama 4-generasjonen plasserer Meta solid i konkurransen om utvikling av avanserte AI-modeller . Med en kombinasjon av åpen kildekode, effektiv arkitektur og multimodale muligheter tilbyr Scout og Maverick allerede løsninger som er anvendelige i dag. Samtidig lover Behemoth å bli en hjørnestein å bygge enda kraftigere modeller på i fremtiden. Selv om distribusjonen er begrenset av juridiske problemer i noen regioner, virker den tekniske utviklingen ubestridelig og forsterker Metas forpliktelse til å lede sektoren for åpen kunstig intelligens.
