# Llama 4 Maverick

> Мультимодальный ассистент принимает текст и изображения, отвечает текстом и подходит для визуальных вопросов, анализа документов и общего диалога.

- **ID для API:** `meta-llama/llama-4-maverick`
- **Тип Модели:** Чат-модель
- **Контекст:** 524 288 токенов
- **Максимум на ответ:** 32 768 токенов
- **Вход:** текст, изображение → **Выход:** текст

## Описание

#### 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.

## Цены

- Запрос / 1М: 41,44 ₽
- Ответ / 1М: 118,41 ₽
- Чтение кэша / 1М: 20,13 ₽

## Параметры

structured_outputs, response_format, max_tokens, temperature, top_p, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, top_k, logit_bias, tools, tool_choice, logprobs, top_logprobs

## Провайдеры

Выбрать Провайдера можно параметром `provider` в запросе.

| Провайдер | Цена | Контекст | Макс. ответ | Данные в РФ | 152-ФЗ |
| --- | --- | --- | --- | --- | --- |
| google-vertex/us-east5 | Запрос / 1М: 41,44 ₽; Ответ / 1М: 136,17 ₽ | 524 288 | 8 192 | — | — |
| parasail/fp8 | Запрос / 1М: 41,44 ₽; Ответ / 1М: 118,41 ₽ | 524 288 | 32 768 | — | — |

## Быстрый старт

```bash
curl https://polza.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $POLZA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "meta-llama/llama-4-maverick",
  "messages": [
    {
      "role": "user",
      "content": "Привет"
    }
  ]
}'
```

## Ссылки

- Страница: https://polza.ai/models/meta-llama/llama-4-maverick
- Каталог: https://polza.ai/models