Meta Llama 开源大模型
从文本到图像，从编程到智能体——Llama 系列正在定义开源大模型的性能边界，让每个人都能拥有最先进的 AI 能力。
✨ 核心能力 开源模型的性能标杆
Llama 系列从第一代发展至今，已实现从纯文本到原生多模态、从稠密架构到混合专家架构的全面进化。
混合专家架构
Llama 4 采用 MoE 架构设计，总参数量达千亿级，推理时仅激活部分专家，在保持高效的同时实现强大的处理能力[reference:0][reference:1]。
原生多模态理解
支持文本与图像输入，可处理多种数据类型。Llama 4 模型原生多模态，适用于视觉推理和理解任务[reference:2][reference:3]。
多语言支持
训练数据覆盖 200 种语言，微调支持 12 种主流语言，包括阿拉伯语、英语、法语、德语、印地语等[reference:4]。
超长上下文
Llama 4 Maverick 支持 512K 上下文窗口，可一次性处理海量文档和长文本[reference:5]。Scout 支持 192K 上下文[reference:6]。
编程与智能体
专为编程和智能体任务优化，支持工具调用和智能体系统构建[reference:7][reference:8]。
高效部署
小 GPU 资源占用，支持 FP8 量化推理，显著降低硬件门槛[reference:9][reference:10]。
可微调与定制
支持在商业区域使用自有数据集进行微调，满足企业定制化需求[reference:11]。
开放权重
提供预训练和指令微调两种变体，开发者可自由使用、再训练和分发[reference:12]。
📋 模型家族 从旗舰到高效，覆盖全场景
旗舰多模态模型
总参数约 4000 亿，激活参数 170 亿，128 位专家。512K 上下文，在编程和推理任务上对标前沿模型[reference:13][reference:14]。
高效部署模型
总参数约 1090 亿，激活参数 170 亿，16 位专家。192K 上下文，专为小 GPU 资源环境设计[reference:15][reference:16]。
成熟稳定的主力模型
700 亿参数稠密模型，128K 上下文。在推理、编程、数学和指令遵循方面较前代显著提升[reference:17]。
轻量高效
支持端侧处理，更低延迟和更高效率，适用于多步骤任务[reference:18]。
⭐ 核心优势 为什么选择 Llama
🏆 性能对标前沿
Llama 4 在编程和推理任务上对标 GPT 等前沿闭源模型[reference:19]。开源阵营首次在多个维度实现与闭源旗舰的正面竞争。
🔓 真正开放
Llama 4 采用更宽松的社区许可协议，显著降低商用和二次开发门槛[reference:20]。
🌍 全球语言覆盖
200+ 语言训练数据，12 种语言微调支持，真正服务全球开发者[reference:21]。
💡 智能体原生
从设计之初就为工具调用和智能体工作流优化，是构建自主 AI 系统的理想基座[reference:22]。
👥 适用人群 谁适合使用 Llama
❓ 常见问题 快速了解
Llama 可以商用吗？
可以。Llama 4 采用社区许可协议，商业使用条件更宽松[reference:23]。
需要什么硬件？
Scout 模型设计为小 GPU 资源运行[reference:24]；Maverick 适合工作站和云部署[reference:25]。
支持哪些语言？
训练覆盖 200 种语言，微调支持 12 种主流语言[reference:26]。图像理解目前限于英语[reference:27]。
如何开始？
从 Hugging Face 下载权重，通过 Ollama、vLLM 等工具快速部署和推理。