Documentation sur Oracle Cloud Infrastructure

Meta Llama 4 Maverick

Les modèles Llama 4 tirent parti d'une architecture Mixture of Experts (MoE), permettant des capacités de traitement efficaces et puissantes. Ces modèles sont optimisés pour la compréhension multimodale, les tâches multilingues, le codage, l'appel d'outils et l'alimentation des systèmes agéntiques. Voir les sections suivantes pour plus de détails sur le modèle meta.llama-4-maverick-17b-128e-instruct-fp8.

Accéder à ce modèle

Accédez à ce modèle au moyen de la console, de l'API et de l'interface de ligne de commande :
Note

Les points d'extrémité d'API pour toutes les régions commerciales, souveraines et gouvernementales prises en charge sont listés dans les liens API de gestion et API d'inférence. Vous ne pouvez accéder à chaque modèle qu'au moyen de ses régions prises en charge.

Principales fonctions

Meta Llama Série 4
  • Capacités multimodales : Les modèles Llama 4 sont nativement multimodaux, capables de traiter et d'intégrer divers types de données, y compris le texte et les images. Entrez du texte et des images et obtenez une sortie de texte.
  • Soutien multilingue : Formation sur des données couvrant 200 langues, avec prise en charge du réglage de précision pour 12 langues, y compris l'arabe, l'anglais, le français, l'allemand, l'hindi, l'indonésien, l'italien, le portugais, l'espagnol, le tagalog, le thaï et le vietnamien. La compréhension de l'image est limitée à l'anglais.
  • Déploiement efficace : Encombrement réduit des processeurs graphiques.
  • Date limite des connaissances : août 2024
  • Restrictions d'utilisation : La politique d'utilisation acceptable de Lama 4 limite leur utilisation dans l'Union européenne (UE).
Meta Llama 4 Maverick
  • Architecture : Semblable à Meta Llama Scout, ce modèle présente 17 milliards de paramètres actifs, mais dans un cadre plus large d'environ 400 milliards de paramètres, en utilisant 128 experts.
  • Fenêtre contextuelle : Prend en charge une longueur de contexte de 512 000 jetons. (L'invite maximale + la longueur de la réponse est de 512 000 jetons pour chaque exécution.)
  • Performance : Correspond aux modèles avancés dans les tâches de codage et de raisonnement.
Autres fonctions
  • L'inférence à la demande est disponible à Chicago.
  • Pour l'inférence sur demande, la longueur de la réponse est plafonnée à 4 000 jetons pour chaque exécution.
  • Pour le mode dédié, la longueur de la réponse n'est pas plafonnée et la longueur du contexte est de 512 000 jetons.
  • Dans la console, entrez une image .png ou .jpg de 5 Mo ou moins.
  • Pour l'API, entrez une image encodée base64 à chaque exécution. Une image 512 x 512 est convertie en environ 1 610 jetons.

Mode sur demande

Consultez le tableau suivant pour connaître le nom du produit sur demande de ce modèle dans la page de tarification.

Nom de modèle Nom du modèle OCI Nom du produit de la page de tarification
Meta Llama 4 Maverick meta.llama-4-maverick-17b-128e-instruct-fp8 Meta Llama 4 Maverick

Grappe d'IA dédiée pour le modèle

Pour les modèles en mode sur demande, aucune grappe n'est requise. Accédez-les au moyen du terrain de jeu et de l'API de la console. Pour les modèles disponibles en mode dédié, utilisez des points d'extrémité créés sur des grappes d'IA dédiées. En savoir plus sur le mode dédié.

Pour atteindre un modèle au moyen d'une grappe dédiée à l'IA dans n'importe quelle région répertoriée, vous devez créer un point d'extrémité pour ce modèle sur une grappe dédiée à l'IA. Pour connaître la taille d'unité de grappe correspondant à ce modèle, voir le tableau suivant.

Modèle de base Cluster de réglage fin Grappe d'hébergement Informations sur la page de tarification Demander une augmentation de limite de grappe
  • Nom du modèle : Meta Llama 4 Maverick
  • Nom du modèle OCI : meta.llama-4-maverick-17b-128e-instruct-fp8
 Non disponible pour le réglage fin
  • Taille de l'unité : Large Generic 2
  • Unités requises : 1
  • Nom du produit de la page Tarification : Large Meta - Dedicated
  • Pour l'hébergement, Multiplier le prix unitaire : x4
  • Nom de la limite : dedicated-unit-llama2-70-count
  • Pour l'hébergement, demandez une augmentation de limite de : 4
Conseil

Si vous n'avez pas suffisamment de limites de grappe dans votre location pour héberger le modèle Meta Llama 4 Maverick sur une grappe dédiée à l'IA, demandez que la limite dedicated-unit-llama2-70-count augmente de 4.

Règles de point d'extrémité pour les grappes

  • Une grappe dédiée à l'IA peut contenir jusqu'à 50 points d'extrémité.
  • Utilisez ces points d'extrémité pour créer des alias qui pointent tous vers le même modèle de base ou vers la même version d'un modèle personnalisé, mais pas vers les deux types.
  • Plusieurs points d'extrémité pour le même modèle permettent de les affecter facilement à différents utilisateurs ou objectifs.
Taille d'unité de la grappe d'hébergement Règles de point d'extrémité
Large Generic 2
  • Modèle de base : Pour exécuter le modèle meta.llama-4-maverick-17b-128e-instruct-fp8  sur plusieurs points d'extrémité, créez autant de points d'extrémité que nécessaire sur une grappe Large Generic 2 (taille de l'unité).
  • Modèle personnalisé : Vous ne pouvez pas affiner le réglage meta.llama-4-maverick-17b-128e-instruct-fp8, vous ne pouvez donc pas créer et héberger des modèles personnalisés créés à partir de cette base.
Conseil

Tests de performance des grappes

Consultez les tests de performance de grappe Meta Llama 4 Maverick pour différents cas d'utilisation.

Paramètres du modèle

Pour modifier les réponses du modèle, vous pouvez modifier les valeurs des paramètres suivants dans le terrain de jeu ou l'API.

Nombre maximal de jetons de sortie

Nombre maximal de marqueurs que le modèle doit générer pour chaque réponse. Estimer quatre caractères par jeton. Comme vous demandez un modèle de clavardage, la réponse dépend de l'invite et chaque réponse n'utilise pas nécessairement le nombre maximal de jetons alloués.

Température

Niveau de caractère aléatoire utilisé pour générer le texte de sortie.

Conseil

Commencez avec la température réglée à 0 ou moins d'un, puis augmentez la température au fur et à mesure que vous régénérez les invites pour une sortie plus créative. Les températures élevées peuvent introduire des hallucinations et des informations factuellement incorrectes.
Haut p

Méthode d'échantillonnage qui contrôle la probabilité cumulative des jetons supérieurs à prendre en compte pour le jeton suivant. Affectez à p un nombre décimal positif compris entre 0 et 1 pour la probabilité. Par exemple, entrez 0,75 pour les 75 % principaux à prendre en compte. Réglez p à 1 pour prendre en compte tous les jetons.

Échantillonnage k premier

Méthode d'échantillonnage dans laquelle le modèle choisit le jeton suivant de manière aléatoire à partir des jetons top k les plus probables. Une valeur élevée pour k génère une sortie plus aléatoire, ce qui rend le texte de sortie plus naturel. La valeur par défaut pour k est 0 pour les modèles Cohere Command et -1 pour les modèles Meta Llama, ce qui signifie que le modèle doit prendre en compte tous les jetons et ne pas utiliser cette méthode.

Pénalité de fréquence

Pénalité affectée à un jeton lorsque ce jeton apparaît fréquemment. Les pénalités élevées encouragent moins de jetons répétés et produisent un résultat plus aléatoire.

Pour les modèles de la famille Meta Llama, cette pénalité peut être positive ou négative. Les nombres positifs encouragent le modèle à utiliser de nouveaux jetons et les nombres négatifs encouragent le modèle à répéter les jetons. Réglez à 0 pour désactiver.

Pénalité de présence

Pénalité affectée à chaque jeton lorsqu'il apparaît dans la sortie pour favoriser la génération de sorties contenant des jetons qui n'ont pas été utilisés. Pour les modèles de la famille Meta Llama, cette pénalité peut être positive ou négative. Réglez à 0 pour désactiver.

Prédéfinir

Paramètre qui fait le meilleur effort pour échantillonner les jetons de manière déterministe. Lorsqu'une valeur est affectée à ce paramètre, le grand modèle de langage vise à renvoyer le même résultat pour les demandes répétées lorsque vous affectez les mêmes valeurs de départ et les mêmes paramètres pour les demandes.

Les valeurs autorisées sont des nombres entiers et l'affectation d'une valeur de départ grande ou petite n'a aucune incidence sur le résultat. L'affectation d'un nombre au paramètre de départ est similaire au marquage de la demande par un nombre. Le grand modèle de langage vise à générer le même ensemble de jetons pour le même entier dans des demandes consécutives. Cette fonction est particulièrement utile pour le débogage et les tests. Le paramètre de départ n'a pas de valeur maximale pour l'API. Dans la console, sa valeur maximale est 9999. Le fait de laisser la valeur de départ vide dans la console ou nulle dans l'API désactive cette fonction.

Avertissement

Il est possible que le paramètre de départ ne produise pas le même résultat à long terme, car les mises à jour du modèle dans le service d'intelligence artificielle générative pour OCI risquent d'invalider la valeur de départ.