Meta : Llama 4 Maverick

Llama 4 Maverick ou Llama 4 Scout : lequel choisir ?

Llama 4 Maverick était, à sa sortie, facturé au-dessus de Llama 4 Scout sur OpenRouter. Selon Meta, Scout était à sa sortie le modèle plus petit, avec 17 milliards de paramètres actifs, 16 experts et 109 milliards de paramètres au total. Côté déploiement, selon Meta, Scout tenait à sa sortie sur un seul GPU H100 avec une quantification Int4, qui réduit la précision des paramètres, tandis que Maverick tenait sur un seul hôte H100.

Selon Meta, Llama 4 Scout dispose d’une fenêtre de contexte de 10 millions de tokens, contre 1 million pour Llama 4 Maverick : cette fenêtre correspond au volume de texte que le modèle peut prendre en compte. À sa sortie, Meta associait celle de Scout au résumé de plusieurs documents, à l’analyse d’une activité d’utilisateur étendue pour des tâches personnalisées et au raisonnement sur de vastes bases de code.

À quoi sert Llama 4 Maverick

Conversation

Llama 4 Maverick est présenté par Meta, à sa sortie, comme le modèle généraliste de ses produits pour les usages d’assistant et de conversation. Selon la carte du modèle publiée par Meta, les versions ajustées aux instructions sont destinées à un usage d’assistant conversationnel. Selon Meta, Llama 4 prend en charge le français, l’anglais, l’arabe, l’allemand, l’hindi, l’indonésien, l’italien, le portugais, l’espagnol, le tagalog, le thaï et le vietnamien.

Compréhension d’images

Llama 4 Maverick lit du texte multilingue et des images, selon la carte du modèle publiée par Meta. À sa sortie, Meta le présente comme particulièrement adapté à la compréhension précise des images. Selon la carte du modèle publiée par Meta, les modèles Llama 4 sont optimisés pour la reconnaissance visuelle, le raisonnement sur image, la rédaction de légendes et les réponses aux questions générales sur une image.

Écriture créative

Llama 4 Maverick convient très bien à l’écriture créative, selon l’annonce de Meta à sa sortie.

Code

Llama 4 Maverick produit du texte multilingue et du code, selon la carte du modèle publiée par Meta. Sur OpenRouter, il prend aussi en charge l’appel d’outils et la production de sorties structurées.

Les performances de Llama 4 Maverick

Llama 4 Maverick figure, selon Meta, dans le tableau de scores des modèles ajustés aux instructions, aux côtés de Llama 3.3 70B, Llama 3.1 405B et Llama 4 Scout. Sur MMLU Pro, qui évalue le raisonnement et les connaissances, il obtient 80,5 contre 68,9 pour Llama 3.3 70B, selon Meta. Pour le test de raisonnement GPQA Diamond, son score atteint 69,8 contre 50,5 pour le même modèle de comparaison, selon Meta.

Sur LiveCodeBench, consacré au code, il obtient un score de 43,4 contre 33,3 pour Llama 3.3 70B dans le tableau publié par Meta, selon Meta. Pour MGSM, le test multilingue, son résultat est de 92,3 contre 91,1 pour ce même modèle dans la comparaison des modèles ajustés aux instructions, selon Meta.

Sur MMMU, consacré au raisonnement sur image, il obtient 73,4, selon Meta. Pour Llama 3.3 70B, Meta ne donne pas de score sur ce test, faute de prise en charge multimodale. Concernant les autres évaluations de compréhension d’images, ses résultats atteignent 90,0 sur ChartQA et 94,4 sur DocVQA dans le tableau des modèles ajustés aux instructions, selon Meta.

Caractéristiques techniques de Llama 4 Maverick

Llama 4 Maverick est sorti le 5 avril 2025. Le tableau des caractéristiques présente la date de sortie, le contexte, la réponse maximale, la réflexion, les entrées, la licence, les paramètres et les hébergeurs.

Selon Meta, à sa sortie, le modèle compte 17 milliards de paramètres actifs pour 400 milliards de paramètres au total. Avec Llama 4 Scout, il constitue, selon Meta, à sa sortie, la première génération de modèles de l’entreprise à mélange d’experts, ou MoE. Selon Meta, à sa sortie, ses couches MoE utilisent 128 experts routés et un expert partagé. Pour chaque token, selon Meta, à sa sortie, le calcul passe par l’expert partagé et par un seul des experts routés.

Selon la carte du modèle publiée par Meta, la fenêtre de contexte atteint 1M de tokens, les unités de texte traitées par le modèle. Sur OpenRouter, cette fenêtre est donnée pour 1 048 576 tokens. Une réponse peut atteindre au plus 16 384 tokens sur OpenRouter, une limite distincte de la capacité du contexte.

Selon la carte du modèle publiée par Meta, le pré-entraînement a porté sur environ vingt-deux mille milliards de tokens de données multimodales. Ces données s’arrêtent en août 2024, selon Meta. Selon sa carte du modèle, Meta a publié le modèle en accès ouvert sous la Llama 4 Community License, une licence commerciale propre à l’entreprise.

Où utiliser Llama 4 Maverick, et comment il se facture

Llama 4 Maverick pouvait être téléchargé à sa sortie sur le site de Meta et sur Hugging Face, selon Meta. D’après la carte du modèle publiée par Meta, les poids, c’est-à-dire ses paramètres, ont été publiés en BF16 et en version quantifiée FP8.

Selon la carte du modèle publiée par Meta, les poids FP8 tiennent sur un seul hôte H100 DGX tout en conservant la qualité. Sur OpenRouter, l’identifiant meta-llama/llama-4-maverick désigne le modèle pour les appels à l’API, l’interface de programmation. La carte d’accès donne les derniers prix relevés pour cet accès.

FAQ