Meta Llama 4 Scout (Neu)

Die Llama 4-Modelle nutzen eine Mixture of Experts-(MoE-)Architektur, die effiziente und leistungsstarke Verarbeitungsfunktionen ermöglicht. Diese Modelle sind für multimodales Verständnis, mehrsprachige Aufgaben, Codierung, Tool-Calling und Powering Agentic-Systeme optimiert. Weitere Informationen zum Modell meta.llama-4-scout-17b-16e-instruct finden Sie in den folgenden Abschnitten.

In diesen Regionen verfügbar

  • Brazil East (Sao Paulo) (nur dediziertes KI-Cluster)
  • India South (Hyderabad) (nur dediziertes KI-Cluster)
  • Japan Central (Osaka) (nur dediziertes KI-Cluster)
  • Saudi Arabia Central (Riyadh) (nur dediziertes KI-Cluster)
  • UK South (London) (nur dediziertes KI-Cluster)
  • US Midwest (Chicago)

Wichtige Features

Meta-Lama-4-Serie
  • Multimodale Funktionen: Llama 4-Modelle sind nativ multimodal und können verschiedene Datentypen, einschließlich Text und Bildern, verarbeiten und integrieren. Geben Sie Text und Bilder ein und erhalten Sie eine Textausgabe.
  • Mehrsprachige Unterstützung: Schulung zu Daten in 200 Sprachen mit Unterstützung für die Feinabstimmung für 12 Sprachen, darunter Arabisch, Englisch, Französisch, Deutsch, Hindi, Indonesisch, Italienisch, Portugiesisch, Spanisch, Tagalog, Thai und Vietnamesisch. Das Bildverständnis ist auf Englisch beschränkt.
  • Effiziente Bereitstellung: Kleiner GPU-Footprint.
  • Knowledge Cutoff: August 2024
  • Nutzungsbeschränkungen: Die Llama 4 Acceptable Use Policy beschränkt ihre Verwendung in der Europäischen Union (EU).
Meta Llama 4 Pfadfinder
  • Architektur: Enthält 17 Milliarden aktive Parameter innerhalb von insgesamt etwa 109 Milliarden Parametern, wobei 16 Experten verwendet werden.
  • Kontextfenster: Unterstützt eine Kontextlänge von 192.000 Token. (Maximale Prompt + Antwortlänge beträgt 192.000 Token für jede Ausführung.)
  • Deployment: Entwickelt für einen effizienten Betrieb auf einem kleinen GPU-Footprint.
  • Performance: Zeigt eine bessere Performance für die vorherigen Modelle über mehrere Benchmarks hinweg an.
Weitere Features
  • On-Demand-Inferenzierung in Chicago verfügbar.
  • Für On-Demand-Inferenzierungen wird die Antwortlänge für jede Ausführung auf 4.000 Token begrenzt.
  • Für den dedizierten Modus wird die Antwortlänge nicht begrenzt, und die Kontextlänge beträgt 192.000 Token.
  • Geben Sie in der Konsole ein .png- oder .jpg-Image mit maximal 5 MB ein.
  • Geben Sie für die API in jeder Ausführung ein base64-codiertes Image ein. Ein 512 x 512 Bild wird in etwa 1.610 Token konvertiert.

Bedarfsgesteuerter Modus

Sie können die vortrainierten Basismodelle in generativer KI über zwei Modi erreichen: On-Demand und dediziert. Im Folgenden werden die wichtigsten Features für den On-Demand-Modus aufgeführt:
  • Sie zahlen unterwegs für jeden Inferenzaufruf, wenn Sie die Modelle im Playground verwenden oder die Modelle über die API aufrufen.

  • Geringe Barriere für den Einsatz generativer KI.
  • Ideal zum Experimentieren, zum Nachweis von Konzepten und zur Auswertung der Modelle.
  • Verfügbar für die vortrainierten Modelle in Regionen, die nicht als (nur dediziertes KI-Cluster) aufgeführt sind.
Tipp

Um einen zuverlässigen Zugriff auf generative KI-Modelle im On-Demand-Modus sicherzustellen, empfehlen wir die Implementierung einer Back-off-Strategie, bei der Anforderungen nach einer Ablehnung verzögert werden. Ohne eine können wiederholte schnelle Anfragen zu weiteren Ablehnungen im Laufe der Zeit, einer erhöhten Latenz und einer potenziellen vorübergehenden Blockierung des Clients durch den Generative AI-Service führen. Durch die Verwendung einer Back-off-Strategie, wie z. B. einer exponentiellen Back-off-Strategie, können Sie Anforderungen gleichmäßiger verteilen, die Last reduzieren und den Wiederholungserfolg verbessern. Befolgen Sie die Best Practices der Branche, und verbessern Sie die allgemeine Stabilität und Performance Ihrer Integration in den Service.

In der folgenden Tabelle finden Sie den Produktnamen dieses Modells auf der Seite "Preisfindung".

Modellname OCI-Modellname Preisfindungsseite - Produktname
Meta Llama 4 Scout meta.llama-4-scout-17b-16e-instruct Meta Llama 4 Scout

Dediziertes KI-Cluster für das Modell

In der vorherigen Regionsliste haben Regionen, die nicht mit (nur dediziertes KI-Cluster) gekennzeichnet sind, sowohl On-Demand- als auch dedizierte KI-Clusteroptionen. Für die Option On-Demand benötigen Sie keine Cluster, und Sie können das Modell im Playground der Konsole oder über die API erreichen. Weitere Informationen zum dedizierten Modus.

Um ein Modell über ein dediziertes KI-Cluster in einer beliebigen aufgelisteten Region zu erreichen, müssen Sie einen Endpunkt für dieses Modell in einem dedizierten KI-Cluster erstellen. Die Größe der Clustereinheit, die mit diesem Modell übereinstimmt, finden Sie in der folgenden Tabelle.

Basismodell Optimierungscluster Hostingcluster Preisfindungsseiteninformationen Erhöhung des Clusterlimits anfordern
  • Modellname: Meta Llama 4 Scout
  • OCI-Modellname: meta.llama-4-scout-17b-16e-instruct
Nicht für Feinabstimmung verfügbar
  • Einheit: Large Generic V2
  • Erforderliche Maßeinheiten: 1
  • Produktname der Preisseite: Large Meta - Dedicated
  • Für Hosting Multiply the Unit Price: x2
  • Limitname: dedicated-unit-llama2-70-count
  • Für Hosting erhöhen Sie das Limit um: 2
Tipp

  • Wenn in Ihrem Mandanten nicht genügend Clusterlimits für das Hosting des Meta Llama 4 Scout-Modells in einem dedizierten KI-Cluster vorhanden sind, fordern Sie die Erhöhung des Limits dedicated-unit-llama2-70-count um 2 an.

  • Prüfen Sie die Meta Llama 4 Scout-Clusterperformancebenchmarks für verschiedene Anwendungsfälle.

Abruf- und Abgangsdatum

Modell Freigabedatum Abgangsdatum bei Bedarf Abgangsdatum im dedizierten Modus
meta.llama-4-scout-17b-16e-instruct 2.025-5-14 Mindestens einen Monat nach dem Release des 1. Ersatzmodells. Mindestens 6 Monate nach dem Release des 1. Ersatzmodells.
Wichtig

Eine Liste aller Modellzeitpositionen und Abgangsdetails finden Sie unter Ablauf der Modelle.

Modellparameter

Um die Modellantworten zu ändern, können Sie die Werte der folgenden Parameter im Playground oder in der API ändern.

Maximale Ausgabetoken

Die maximale Anzahl an Token, die das Modell für jede Antwort generieren soll. Schätzen Sie vier Zeichen pro Token. Da Sie ein Chatmodell anfordern, hängt die Antwort von der Eingabeaufforderung ab, und jede Antwort verwendet nicht unbedingt die maximal zugewiesenen Token.

Temperatur

Der Grad der Zufälligkeit, mit dem der Ausgabetext generiert wird.

Tipp

Stellen Sie die Temperatur auf 0 oder weniger als eins ein, und erhöhen Sie die Temperatur, wenn Sie die Prompts für eine kreativere Ausgabe neu generieren. Hohe Temperaturen können Halluzinationen und sachlich falsche Informationen verursachen.
Top p

Eine Samplingmethode, mit der die kumulative Wahrscheinlichkeit der Top-Token gesteuert wird, die für das nächste Token zu berücksichtigen sind. Weisen Sie p für die Wahrscheinlichkeit eine positive Dezimalzahl zwischen 0 und 1 zu. Beispiel: Geben Sie 0,75 für die Top 75 Prozent ein, die berücksichtigt werden sollen. Setzen Sie p auf 1, um alle Token zu berücksichtigen.

Top k

Eine Samplingmethode, bei der das Modell das nächste Token zufällig aus den top k-Token wählt. Ein hoher Wert für k generiert eine zufällige Ausgabe, wodurch der Ausgabetext natürlicher klingt. Der Standardwert für k ist 0 für Cohere Command-Modelle und -1 für Meta Llama-Modelle. Das bedeutet, dass das Modell alle Token berücksichtigen und diese Methode nicht verwenden sollte.

Frequency Penalty

Eine Strafe, die einem Token zugewiesen wird, wenn dieses Token häufig angezeigt wird. Hohe Strafen fördern weniger wiederholte Token und erzeugen eine zufälligere Ausgabe.

Für die Meta Llama-Familienmodelle kann diese Strafe positiv oder negativ sein. Positive Zahlen ermutigen das Modell, neue Token zu verwenden, und negative Zahlen ermutigen das Modell, die Token zu wiederholen. Auf 0 setzen, um zu deaktivieren.

Presence Penalty
Eine Strafe, die jedem Token zugewiesen wird, wenn es in der Ausgabe angezeigt wird, um die Generierung von Ausgaben mit noch nicht verwendeten Token zu fördern. Für die Meta Llama-Familienmodelle kann diese Strafe positiv oder negativ sein. Auf 0 setzen, um zu deaktivieren.
Vordefinieren

Ein Parameter, der den bestmöglichen Versuch unternimmt, Token deterministisch zu erfassen. Wenn diesem Parameter ein Wert zugewiesen wird, zielt das Large Language Model darauf ab, dasselbe Ergebnis für wiederholte Anforderungen zurückzugeben, wenn Sie denselben Seed und dieselben Parameter für die Anforderungen zuweisen.

Zulässige Werte sind Ganzzahlen, und die Zuweisung eines großen oder kleinen Seed-Wertes wirkt sich nicht auf das Ergebnis aus. Die Zuweisung einer Nummer für den Seed-Parameter ähnelt dem Tagging der Anforderung mit einer Nummer. Das große Sprachmodell zielt darauf ab, dieselbe Gruppe von Token für dieselbe Ganzzahl in aufeinanderfolgenden Anforderungen zu generieren. Diese Funktion ist besonders für Debugging und Tests nützlich. Der Seed-Parameter hat keinen Höchstwert für die API, und in der Konsole ist der Höchstwert 9999. Wenn Sie den Seed-Wert in der Konsole leer lassen oder in der API Null angeben, wird dieses Feature deaktiviert.

Warnung

Der Seed-Parameter erzeugt möglicherweise nicht dasselbe Ergebnis auf lange Sicht, da die Modellupdates im OCI Generative AI-Service den Seed möglicherweise ungültig machen.