Llama 4 Maverick
Llama 4 Maverick
Il default open weights: abbastanza buono, economico da servire, supportato ovunque.
Aggiornato il
La recensione
Maverick è il mixture-of-experts intermedio di Llama 4 e il modello su cui atterra la maggior parte dei team di self-hosting. È multimodale, attiva una piccola frazione dei parametri per token quindi ha un costo di servizio contenuto, e ogni server di inferenza, formato di quantizzazione e toolkit di fine-tuning lo supporta dal primo giorno. Quell'ecosistema, più che i benchmark, è il motivo per sceglierlo.
Dove eccelle
- Supportato da ogni stack di servizio e strumento di quantizzazione che conta
- Il design mixture-of-experts mantiene bassi i costi di servizio
- La comunità di fine-tuning più grande di qualsiasi famiglia aperta
Da sapere prima
- I concorrenti cinesi open weights lo superano ora sulla maggior parte dei benchmark
- La licenza community ha una soglia sul numero di utenti
Punteggio indice
80.4
Provvisorio. Questo punteggio è ricavato dalle funzionalità pubbliche del prodotto, non dalla ricostruzione con un singolo prompt cui sono stati sottoposti gli altri builder recensiti. Consideralo come una collocazione, non un verdetto.
- Posizione
- 41 di 73
- Crea per
- LLM
- Categoria
- Pesi aperti
- Output
- Pesi scaricabili sotto la licenza community di Meta
- Prezzi
- Piano gratuito
- Ideale per
- Self-hosting di un modello multimodale capace a costo contenuto
I punteggi sono un nostro giudizio editoriale, ponderati su qualità 55, velocità 10, controllo 15 e valore 20.
Vale la pena vedere anche
Indice completo- 05GLM-5.3 FlashGLM-5.3 FlashProvvisorioUn modello aperto veloce, con licenza MIT, che i votanti umani mettono accanto ai grandi modelli di punta.Open weightsFree tier89.6
- 06Xiaomi MiMo V2.6 ProMiMo V2.6 ProProvvisorioIl modello open weights grande più forte sull'indice indipendente, sotto MIT, per meno di un dollaro in output.Open weightsFree tier89.4
- 07DeepSeek V4.1 FlashDeepSeek V4.1 FlashProvvisorioRisposte vicine alla frontiera per trenta centesimi per milione di token di input, con i pesi sotto MIT.Open weightsFree tier88.3
