A Meta bemutatja a láma 4 -et két új modellel, és még kettőt az útról
A Meta kiadta az első két modellt a Llama 4 Suite: Llama 4 Scout és a Llama 4 Maverickből. A Maverick a „Workhorse”, és kitűnő a kép- és szöveges megértésben az „általános asszisztens és csevegési esetek eseteire”-mondta a cég egy blogbejegyzésben, míg a kisebb modell-cserkész olyan dolgokkal foglalkozhat, mint például a „többdokumentum összefoglalása, a személyre szabott feladatok kiterjedt felhasználói tevékenységeinek elemzése és a hatalmas kódbázisok feletti érvelés”. A társaság bemutatta a Llama 4 Behemoth -ot is, egy közelgő modellt, amely szerint „a világ legokosabb LLMS -je” – és Mark Zuckerberg vezérigazgató azt mondta, hogy egy negyedik modellről, a Llama 4 érvelésről szólunk, „a következő hónapban”.
Mind a Maverick, mind a Scout letölthető a Llama weboldaláról és az ölelésről, és hozzáadták őket a Meta AI -hez, beleértve a WhatsApp, a Messenger és az Instagram DMS -t.
Meta
A Scout 17 milliárd aktív paraméterrel rendelkezik 16 szakértővel – mondja a Meta. Zuckerberg szerint: “Rendkívül gyors, natív multimodális, és iparág vezet, majdnem végtelen 10 millió token kontextushosszúsággal, és úgy tervezték, hogy egyetlen GPU -n futjon.” A Mavericknek viszont 17 milliárd aktív paramétere van 128 szakértővel, és a cég szerint a versenytársak, például a GPT-4O és a Gemini 2.0 verziói, érvelés, többnyelvű, hosszú kontextusú és kép-referenciaértékek, valamint a DeepSeek v3.1-hez kapcsolódnak az érvelésről és a kódolásról.
A társaság szerint Zuckerberg már a közelgő Behemoth modellt hívja, amely továbbra is „a legmagasabb teljesítményű alapmodell a világon”, 288 milliárd aktív paraméterrel, a társaság szerint. Lehet, hogy még nem itt van, de valószínűleg sokkal többet fogunk hallani erről és az érvelési modellről; A Meta Big AI DEV konferenciája, a Llamacon, csak néhány héttel van.
Ez a cikk eredetileg az Engadget-en jelent meg a https://www.enggadget.com/ai/meta-introduces-llana-4-with-wo-new-models-aveable-now-now-now-more-more-way-214524295.html?src=rsss