Meta Llama 4 Maverick (Nuevo)

Los modelos Llama 4 aprovechan una arquitectura de mezcla de expertos (MoE), lo que permite capacidades de procesamiento eficientes y potentes. Estos modelos están optimizados para la comprensión multimodal, las tareas multilingües, la codificación, la llamada a herramientas y la alimentación de sistemas ágentes. Consulte las siguientes secciones para obtener más información sobre el modelo meta.llama-4-maverick-17b-128e-instruct-fp8.

Disponible en estas regiones

Este de Brasil (São Paulo) (solo cluster de IA dedicado)
Sur de India (Hyderabad) (solo clúster de IA dedicada)
Japan Central (Osaka) (solo cluster de IA dedicado)
Saudi Arabia Central (Riyadh) (solo cluster de IA dedicado)
Sur de Reino Unido (Londres) (solo cluster de IA dedicado)
Medio Oeste de EE. UU. (Chicago)

Características clave

Serie Meta Llama 4

Capacidades multimodales: los modelos Llama 4 son de forma nativa multimodal, capaces de procesar e integrar varios tipos de datos, incluidos texto e imágenes. Introduzca texto e imágenes y obtenga una salida de texto.
Soporte multilingüe: formación en datos que abarcan 200 idiomas, con soporte de ajuste para 12 idiomas, incluidos árabe, inglés, francés, alemán, hindi, indonesio, italiano, portugués, español, tagalo, tailandés y vietnamita. La comprensión de la imagen se limita al inglés.
Implementación eficiente: pequeña huella de GPU.
Knowledge Cutoff: agosto de 2024
Restricciones de Uso: La Política de Uso Aceptable de Lama 4 restringe su uso en la Unión Europea (UE).

Meta Llama 4 Maverick

Arquitectura: Similar a Meta Llama Scout, este modelo cuenta con 17 mil millones de parámetros activos, pero dentro de un marco más amplio de alrededor de 400 mil millones de parámetros, utilizando 128 expertos.
Ventana de contexto: admite una longitud de contexto de 512 000 tokens. (La longitud máxima de petición de datos + respuesta es de 512 000 tokens para cada ejecución).
Rendimiento: coincide con los modelos avanzados en las tareas de codificación y razonamiento.

Otras funciones

Inferencia bajo demanda disponible en Chicago.
Para la inferencia bajo demanda, la longitud de la respuesta está limitada a 4.000 tokens por cada ejecución.
Para el modo dedicado, la longitud de la respuesta no está limitada y la longitud del contexto es de 512 000 tokens.
En la consola, introduzca una imagen .png o .jpg de 5 MB o menos.
Para API, introduzca una imagen codificada base64 en cada ejecución. Una imagen de 512 x 512 se convierte en aproximadamente 1.610 tokens.

Modo bajo demanda

Puede acceder a los modelos fundamentales previamente entrenados en IA generativa mediante dos modos: bajo demanda y dedicado. A continuación, se muestran las funciones clave para el modo bajo demanda:

Paga sobre la marcha por cada llamada de inferencia cuando utiliza los modelos en el patio de recreo o cuando llama a los modelos a través de la API.
Baja barrera para empezar a utilizar la IA generativa.
Ideal para experimentar, probar conceptos y evaluar los modelos.
Disponible para los modelos preentrenados en regiones que no se muestran como (solo cluster de IA dedicado).

Consejo

Para garantizar un acceso fiable a los modelos de IA generativa en el modo bajo demanda, recomendamos implementar una estrategia de retroceso, que implica retrasar las solicitudes después de un rechazo. Sin una, las solicitudes rápidas repetidas pueden provocar más rechazos a lo largo del tiempo, una mayor latencia y un posible bloqueo temporal del cliente por parte del servicio de IA generativa. Al utilizar una estrategia de retroceso, como una estrategia de retroceso exponencial, puede distribuir las solicitudes de manera más uniforme, reducir la carga y mejorar el éxito de los reintentos, siguiendo las mejores prácticas del sector y mejorando la estabilidad y el rendimiento generales de su integración en el servicio.

Consulte la siguiente tabla para ver el nombre del producto de este modelo en la página de precios.


Nombre de modelo	Nombre de modelo de OCI	Nombre de producto de página de asignación de precios
Meta Llama 4 Maverick	`meta.llama-4-maverick-17b-128e-instruct-fp8`	Meta Llama 4 Maverick

Cluster de IA dedicado para el modelo

En la lista de regiones anterior, las regiones que no están marcadas con (solo cluster de AI dedicado) tienen opciones de cluster de AI a demanda y dedicado. Para la opción a demanda, no necesita clusters y puede acceder al modelo en el patio de la consola o a través de la API. Obtenga información sobre el modo dedicado.

Para acceder a un modelo a través de un cluster de IA dedicado en cualquier región de la lista, debe crear un punto final para ese modelo en un cluster de IA dedicado. Para ver el tamaño de la unidad de cluster que coincide con este modelo, consulte la siguiente tabla.


Modelo base	Cluster de Ajuste	Cluster de alojamiento	Información de página de asignación de precios	Aumento de límite de cluster de solicitud
Nombre de modelo: Meta Llama 4 Maverick Nombre del modelo de OCI: `meta.llama-4-maverick-17b-128e-instruct-fp8`	No disponible para ajuste	Tamaño de unidad: Large Generic 2 Unidades necesarias: 1	Nombre del Producto de la Página de Precios: Large Meta - Dedicated Por Hosting, Multiplicar el Precio Unitario: x4	Nombre de límite: `dedicated-unit-llama2-70-count` Para el alojamiento, solicite un aumento del límite en: 4

Consejo

Si no tiene suficientes límites de cluster en su arrendamiento para alojar el modelo Meta Llama 4 Maverick en un cluster de AI dedicado, solicite que el límite dedicated-unit-llama2-70-count aumente en 4.

Referencias de rendimiento de cluster

Revise las referencias de rendimiento del cluster Meta Llama 4 Maverick para diferentes casos de uso.

Fechas de liberación y baja


Modelo	Fecha de liberación	Fecha de baja bajo demanda	Fecha de baja en modo dedicado
`meta.llama-4-maverick-17b-128e-instruct-fp8`	2.025-5-14	Al menos un mes después de la publicación del 1^er modelo de sustitución.	Al menos 6 meses después de la liberación del 1^er modelo de reemplazo.

Importante

Para obtener una lista de todas las líneas de tiempo de modelo y los detalles de baja, consulte Baja de los modelos.

Parámetros de Modelo

Para cambiar las respuestas del modelo, puede cambiar los valores de los siguientes parámetros en el patio de juegos o en la API.

Máximo de tokens de salida

Número máximo de tokens que se desea que el modelo genere para cada respuesta. Estimar cuatro caracteres por token. Debido a que está solicitando un modelo de chat, la respuesta depende de la petición de datos y cada respuesta no utiliza necesariamente el máximo de tokens asignados.

Temperatura

Nivel de aleatoriedad utilizado para generar el texto de salida.

Consejo

Comience con la temperatura establecida en 0 o menos de uno y aumente la temperatura a medida que vuelve a generar las peticiones de datos para obtener una salida más creativa. Las altas temperaturas pueden introducir alucinaciones e información objetivamente incorrecta.

p principales

Método de muestreo que controla la probabilidad acumulada de los tokens principales que se deben tener en cuenta para el siguiente token. Asigne a p un número decimal positivo entre 0 y 1 para la probabilidad. Por ejemplo, introduzca 0,75 para que se tenga en cuenta el 75 por ciento superior. Defina p en 1 para considerar todos los tokens.

k principales

Método de muestreo en el que el modelo selecciona el siguiente token aleatoriamente de los tokens más probables top k. Un valor alto para k genera una salida más aleatoria, lo que hace que el texto de salida suene más natural. El valor predeterminado para k es 0 para los modelos Cohere Command y -1 para los modelos Meta Llama, lo que significa que el modelo debe tener en cuenta todos los tokens y no utilizar este método.

Penalización de frecuencia

Penalización que se asigna a un token cuando ese token aparece con frecuencia. Las sanciones altas fomentan menos tokens repetidos y producen una salida más aleatoria.

Para los modelos de la familia Meta Llama, esta penalización puede ser positiva o negativa. Los números positivos animan al modelo a utilizar nuevos tokens y los números negativos animan al modelo a repetir los tokens. Establecido en 0 para desactivar.

Penalización de presencia

Una penalización que se asigna a cada token cuando aparece en la salida para fomentar la generación de salidas con tokens que no se han utilizado. Para los modelos de la familia Meta Llama, esta penalización puede ser positiva o negativa. Establecido en 0 para desactivar.

Valor inicial

Parámetro que hace el mejor esfuerzo para muestrear tokens de forma determinista. Cuando se asigna un valor a este parámetro, el modelo de lenguaje grande tiene como objetivo devolver el mismo resultado para las solicitudes repetidas cuando asigna el mismo valor inicial y los mismos parámetros para las solicitudes.

Los valores permitidos son enteros y la asignación de un valor inicial grande o pequeño no afecta al resultado. La asignación de un número para el parámetro inicial es similar a etiquetar la solicitud con un número. El modelo de lenguaje grande tiene como objetivo generar el mismo conjunto de tokens para el mismo entero en solicitudes consecutivas. Esta función es especialmente útil para depurar y probar. El parámetro inicial no tiene ningún valor máximo para la API y, en la consola, su valor máximo es 9999. Si deja el valor inicial en blanco en la consola o si es nulo en la API, se desactiva esta función.

Advertencia

Es posible que el parámetro inicial no produzca el mismo resultado a largo plazo, ya que las actualizaciones del modelo en el servicio OCI Generative AI pueden invalidar el valor inicial.

Documentación de Oracle Cloud Infrastructure