Llama 4 Maverick

Суть

Инструктивно настроенная мультимодальная модель Meta для диалогового взаимодействия и задач, где нужно совместно учитывать текст и визуальную информацию. В её основе — архитектура mixture-of-experts с ранним объединением модальностей, рассчитанная на нативную работу с текстом и изображениями.

Сильные стороны

Модель подходит для визуального рассуждения: может описывать изображения, отвечать на вопросы о содержимом, распознавать визуальные элементы и работать с изображениями документов. Также её можно использовать для обычного ассистентского общения, генерации текста и кода. В карточке Meta указана поддержка нескольких языков; качество и уместность ответов зависят от языка и конкретной задачи.

Контекст и модальности

По данным каталога, контекстное окно составляет 1 048 576 токенов. На вход принимает текст и изображения, на выходе генерирует текст. Поэтому модель может отвечать на вопросы по изображению или учитывать визуальный материал вместе с текстом запроса, но не создаёт изображения как результат. Meta указывает, что модель обучалась на смеси публичных, лицензированных данных и материалов продуктов и сервисов компании; срез предобучающих данных — август 2024 года.

Типовые сценарии

Подходит для диалоговых помощников, визуальных вопросов и ответов, описания изображений, анализа диаграмм и документов, а также генерации текста и кода. Её можно рассматривать для исследовательских и прикладных систем, которым важны текстовый диалог и понимание изображений в одной модели.

Ограничения

Это статическая модель, обученная на офлайн-данных: сама по себе она не получает актуальную информацию из интернета. Длинное контекстное окно не гарантирует одинаково точного извлечения всех деталей из очень больших запросов. Meta описывает языковую поддержку и проверенные сценарии визуального ввода в документации; для иных языков и прикладных задач разработчикам следует проводить собственную оценку. Использование весов регулируется Llama 4 Community License и политикой допустимого использования Meta.

Отличие от соседей по семейству

В сравнении со Scout, у Maverick иная конфигурация mixture-of-experts с большим числом экспертов. Семейство использует общую мультимодальную основу, однако модели различаются балансом архитектуры и контекста: Maverick ориентирован на универсальные задачи понимания текста и изображений, а Scout — на иной профиль эффективного развертывания и работы с длинным контекстом.