Llama 4 모델

두 모델, 하나의 패밀리 - 장문맥에서 프론티어 품질까지

Llama 4 패밀리는 두 개의 MoE 모델로 구성됩니다: 대규모 컨텍스트(1,000만 토큰)를 위한 Scout와 최고 품질(128개 전문가, 400B 파라미터)을 위한 Maverick. 두 모델 모두 토큰당 17B 활성 파라미터와 네이티브 멀티모달을 지원합니다.

채팅 시작 벤치마크 비교

전체 모델

사용 사례에 맞는 Llama 4를 선택하세요

Scout와 Maverick은 서로 다른 시나리오에 최적화되어 있습니다. Scout는 장문맥 작업에, Maverick은 최고 품질에 강점을 보입니다.

Llama 4 Scout

1,000만 토큰 컨텍스트 윈도우 - 장문맥 전문 모델

16개 전문가에 걸쳐 총 109B 파라미터, 토큰당 17B 활성. 가장 큰 특징은 공개 모델 중 최장인 1,000만 토큰 컨텍스트 윈도우입니다.

전체 코드베이스, 다중 문서 연구 세트, 매우 긴 대화 기록을 한 번의 호출로 처리해야 할 때 Scout를 선택하세요.

Scout 사용해 보기 자세히 보기

Llama 4 Maverick

128개 전문가, 400B 파라미터 - 품질 플래그십

128개 전문가에 걸쳐 총 400B 파라미터, 토큰당 17B 활성. 주요 벤치마크에서 GPT-4o를 능가합니다. 이 사이트의 기본 채팅 모델입니다.

추론, 코딩, 멀티모달 분석, 복잡한 작업 완수에서 최고 품질이 필요할 때 Maverick을 선택하세요.

Maverick 사용해 보기 자세히 보기

장문맥

Llama 4 Scout

총 109B, 17B 활성, 16개 전문가. 1,000만 토큰 컨텍스트 윈도우.

적합한 용도: 전체 코드베이스, 다중 문서 분석, 긴 연구 논문, 장시간 대화.

지금 이용 가능

자세히 보기 다운로드

플래그십

Llama 4 Maverick

총 400B, 17B 활성, 128개 전문가. 벤치마크에서 GPT-4o 능가.

적합한 용도: 복잡한 추론, 코드 생성, 멀티모달 작업, 연구 종합.

지금 이용 가능

자세히 보기 다운로드

공통 기능

두 Llama 4 모델이 할 수 있는 것

Scout와 Maverick은 Meta의 MoE 아키텍처를 기반으로 공통된 기능 세트를 공유합니다.

네이티브 멀티모달

두 모델 모두 얼리 퓨전 아키텍처로 텍스트와 이미지를 네이티브로 처리합니다. 별도의 인코더나 파이프라인이 필요 없습니다.

MoE 효율성

두 모델 모두 토큰당 17B 파라미터만 활성화합니다. Scout는 16개 전문가(총 109B), Maverick은 128개 전문가(총 400B)를 사용합니다.

함수 호출

두 모델 모두 내장된 함수 호출로 에이전틱 워크플로를 지원합니다. 도구 사용을 위한 파인튜닝이 필요 없습니다.

확장된 컨텍스트

Scout: 1,000만 토큰. Maverick: 100만 토큰. 두 모델 모두 이전 세대의 한계를 크게 넘어섭니다.

다국어 지원

글로벌 애플리케이션을 위해 두 모델 모두 강력한 다국어 지원을 제공합니다.

오픈 웨이트

두 모델 모두 Llama 3.1 호환 라이선스 하에 완전한 오픈 웨이트입니다. 어디서든 배포하고 자유롭게 수정하세요.

빠른 선택 가이드

어떤 모델을 선택해야 할까요?

주요 사용 사례에 맞는 Llama 4 변형을 매칭하세요.

Scout를 선택해야 할 때

매우 긴 문서를 처리해야 할 때 (1,000만 토큰)
수백 개 파일에 걸친 전체 코드베이스 분석
다중 문서 연구 및 종합
장시간 대화 기록
더 낮은 메모리 요구사항 (총 109B vs 400B)

Maverick을 선택해야 할 때

최고 품질이 우선일 때
복잡한 추론 및 과학 작업
코드 생성 및 디버깅
멀티모달 분석 (스크린샷, 다이어그램)
벤치마크 성능이 가장 중요한 작업

채팅 시작 전체 벤치마크 보기

성능

전체 벤치마크 비교

Scout는 컨텍스트 길이에, Maverick은 순수 품질에 최적화되어 있습니다. 두 모델 모두 설계 목표 대비 강력한 성능을 제공합니다.

Scout와 Maverick 사이의 선택은 주요 필요에 따라 달라집니다: 대규모 컨텍스트 또는 최고 품질. 주요 벤치마크에서의 비교 결과입니다.

채팅 시작 모델 카드 보기

Maverick: MMLU Pro 80.5%, MMMU 73.4%, 코딩에서 GPT-4o 능가

Scout: 1,000만 토큰 컨텍스트, 8M 토큰에서 95% 이상 검색 정확도

공통: 17B 활성 파라미터, 네이티브 멀티모달, 함수 호출

공통: Llama 3.1 호환 라이선스 하의 오픈 웨이트

전체 비교

Scout vs Maverick 나란히 비교

추론, 코딩, 멀티모달, 배포 지표에 걸친 전체 벤치마크 결과.

Benchmark	Maverick 128개 전문가 플래그십	Scout 16개 전문가 장문맥
MMLU Pro 지식 및 추론	80.5%	74.3%
GPQA Diamond 과학 지식	69.8%	57.2%
LiveCodeBench v5 코딩	43.4%	32.8%
MMMU 멀티모달	73.4%	69.4%
Context Window 최대 토큰	1M	10M
Total Parameters 모델 크기	400B	109B
Active Parameters 토큰당	17B	17B
Number of Experts MoE 라우팅	128	16