Llama 4 Maverick TPS-Rechner

Offene Gewichte Meta AI 400B Parameter April 2025

Jede Karte unten wird anhand dieses Modells bei der von Ihnen gewählten Kontextlänge und Mindestqualität bewertet. Geschwindigkeit ist eine Schätzung für eine einzelne Anfrage, berechnet aus der Speicherbandbreite der Karte und der Größe des Modells, sobald es komprimiert ist..

Für dieses Modell berechnet

6 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

Radeon Instinct MI300X

192 GB · Q3_K_M · 65.9 tok/s

Schnellste Karte

B300

109 tok/s · 288 GB

Welche GPUs können laufen Llama 4 Maverick?

Setze die Eingaben, lies die Antwort

Kontextlänge Token

Ein längeres Gespräch benötigt mehr MEMORY, was dieses Modell von kleineren CARDS drängen kann..

Minimale Qualität

Blendet Karten aus, die nur durch Komprimierung unter diesen Punkt in das Modell passen würden..

Suchkarten

Karten-VRAM

Zeige auch Karten, die es nicht ausführen können.

6 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
109 tok/s 65–174 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	214.8 GB	Q4_K_M	Komfortabel
86.8 tok/s 52–139 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	214.8 GB	Q4_K_M	Komfortabel
86.8 tok/s 52–139 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	214.8 GB	Q4_K_M	Komfortabel
65.9 tok/s 40–105 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	168.2 GB	Q3_K_M	knapp
65.9 tok/s 40–105 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	168.2 GB	Q3_K_M	knapp
63.6 tok/s 38–102 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	214.8 GB	Q4_K_M	knapp

Die Geschwindigkeiten sind Schätzungen für eine einzelne Anfrage — ein Gespräch zur Zeit — berechnet aus BANDWIDTH, MODELLGRÖSSE und QUANTISIERUNG. Der tatsächliche Durchsatz variiert mit der INFERENZLAUFZEIT und ihrer Version. Zahlen, die von Hardwareanbietern veröffentlicht wurden, messen viele gleichzeitige Anfragen und sind viel höher..

Aufgezeichnet

Volle Spezifikation

Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..

Ursprung

Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.

Organisation: Meta AI
Organisationsart: Industry
Land: United States of America
Veröffentlicht: 5 April 2025

Was es tut

Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.

Domain: Multimodal, Language, Vision
Aufgabe: Chat, Code generation, Visual question answering, Language modeling/generation, Question answering

Größe

Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.

Parameter: 400B
Trainingsdaten: 30,000,000,000,000 tokens

Training-Compute

Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.

Training-Compute: 2.2 × 10²⁴ FLOP

Verfügbarkeit

Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.

Gewichte: Open — downloadable
Modellzugang: Open weights (restricted use)
Training-Code: Unreleased
Hugging Face: meta-llama

Wie es klassifiziert ist

Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.

Wahrscheinlich über 10²³ FLOP: Yes
Warum es verfolgt wird: Discretionary
Aufzeichnungsgenauigkeit: Likely

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. Llama 4 Maverick

Sortiert nach geschätzten Tokens pro Sekunde, neueste Karte zuerst, wenn die Geschwindigkeiten gleich sind. Da die Generierung durch die Speichermenge begrenzt ist, folgt diese Reihenfolge der Bandbreite und nicht einem Gaming-Benchmark..

Die kleinsten GPUs, die immer noch laufen Llama 4 Maverick

Die günstigste Route herein, nach Speichergröße. Ein enger Fit läuft das Modell, lässt aber nichts für ein längeres Gespräch übrig..

Was die Zahlen bedeuten

Hardware-Anforderungen in der Praxis

Minimale Karte

Radeon Instinct MI300X

Benötigter Speicher

168.2 GB

Schnellste

109 tok/s

Llama 4 Maverick erreicht eine Parameteranzahl von 400B. Das übersteigt, was eine einzelne GPU-Karte hält. Es auszuführen bedeutet, entweder auf mehrere Karten aufzuteilen oder Hardware zu mieten, die für die Aufgabe gebaut ist, und jede Karte, die es alleine halten kann, ist ein Datacenter-Teil. Die Anzahl, die es kann: 6.

Der Einstiegspunkt ist Radeon Instinct MI300X, mit einer MEMORY-KAPAZITÄT von 192 GB, es mit einer Kompression von Q3_K_M und produziert etwa 65.9 Token pro Sekunde

Die schnellste Berechnung dafür ist B300, generieren ungefähr 109 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Was dieses Modell ist

Llama 4 Maverick wurde veröffentlicht von Meta AI, im Land aufgezeichnet als United States of America, während April 2025. Die veröffentlichende Organisation ist als industry.

Es funktioniert im Bereich von Multimodal, Language, Vision, und wird als die Aufgabe von aufgezeichnet chat, Code generation, Visual question answering, Language modeling/generation, Question answering.

Die Gewichte sind veröffentlicht, sodass sie auf deiner eigenen Hardware unbegrenzt, offline und ohne angehängtes Konto heruntergeladen und ausgeführt werden kann. Es ist unter der Organisation auf Hugging Face veröffentlicht. meta-llama.

Was entscheidet die Geschwindigkeit

Das mediane Ergebnis liegt bei etwa 76.3 Token pro Sekunde. Text schneller produzieren, als die meisten Menschen ihn lesen. 6 von ihnen

Die Mischung-von-Experten-Routing ist der Grund, warum die Geschwindigkeiten hier hoch für die Parameteranzahl erscheinen. Nur ein Bruchteil wird pro Token gelesen, aber das Ganze muss geladen werden.

Der Speicher hier wird basierend auf der Größe geschätzt, anstatt aus der Architektur berechnet zu werden, die für dieses Modell nicht aufgezeichnet ist — die Zahlen sind eher indikativ als genau.

Training und Herkunft

Die Herstellung erforderte eine Arithmetik, die insgesamt etwa 2.2 × 10²⁴ FLOP. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.

Es wurde auf einem Korpus von etwa 30,000,000,000,000 Text-Tokens

Das Einschlusskriterium: discretionary.

Schritt für Schritt

Wie wählt man eine GPU für Llama 4 Maverick

Die obige Tabelle hat bereits jede Karte, für die wir Spezifikationen haben, mit diesem Modell verglichen. Um zu Ihrer Antwort zu gelangen, sind sechs Schritte erforderlich..

01

Lese zuerst die MEMORY-Zahl

Die Tabelle listet jede Karte auf, die in der Lage ist, zu halten Llama 4 Maverick, benötigt ungefähr 168.2 GB bei einer Kompression von Q3_K_M. Diese Zahl, nicht die Überschriftleistung einer Karte, entscheidet darüber, ob sie läuft.
02

Passen Sie den Kontext an Ihre tatsächliche Verwendung an

Setze den Kontext auf das, was du tatsächlich verwenden wirst. Der Cache wächst mit dem Gespräch, und es ist der übliche Grund, warum eine Karte, die anfangs passend schien, nicht mehr passt. Llama 4 Maverick.
03

Entscheiden Sie, wie viel Kompression Sie akzeptieren werden.

Die Quantisierungs-Spalte variiert nach Karte, da eine größere Karte eine genauere Kopie hält., eine Kompression von Q3_K_M auf der kleinsten Karte, die passt. Das Festlegen einer Mindestqualität fallen die Karten weg, die es nur schaffen, indem sie weiter gedrückt werden, als man möchte, und hält den Vergleich auf einem Niveau.
04

Nach Durchsatz und nicht nach Spezifikationen sortieren

Das Ranking nach Tokens pro Sekunde folgt der Speicherbandbreite anstelle der Kernanzahl, für Llama 4 Maverick. Es wird nicht mit einer Gaming-Bestellung übereinstimmen, da die Generation durch MEMORY-BANDWIDTH gebunden ist. Die Karte, die die Liste anführt, ist B300, bei 109 tok/s
05

Lies die Spalte "fit" zuletzt

Ein enger Sitz läuft, lässt jedoch nichts für ein längeres Gespräch übrig, im Falle von Llama 4 Maverick. Komfortabel bedeutet, dass Sie den Kontext später erweitern können. Dieser Unterschied zählt mehr als ein paar Token pro Sekunde, also kaufen Sie für komfortabel, wenn Sie damit rechnen.
06

Sieh, was diese Karte noch ausführen kann.

Jede Karten-Seite wiederholt diesen Ablauf für jedes Modell, das wir in unserem Bestand haben, und beantwortet, wofür die Hardware darüber hinaus noch gut ist. Llama 4 Maverick.

Antworten

Llama 4 Maverick — Häufige Fragen

Llama 4 Maverick— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?

Training verbrauchte etwa 2.2 × 10²⁴ FLOP. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.

Llama 4 Maverick— Kann ich es ausführen, wenn es nicht in meine GPU passt?

Teilweise. Schichten, die nicht passen, verbleiben im System-Speicher und laufen mit einem Bruchteil der Geschwindigkeit, sodass ein überwiegend ausgelagerter Modell selten von Nutzen ist. Die nächste verpasste Berechnung bleibt hinter 52.8 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

Llama 4 Maverick— Würden zwei GPUs es schneller ausführen?

Die Kapazität addiert sich über Karten; der Durchsatz nicht. Die Anzahl der Karten, die es bereits eigenständig halten: 6. So eine zweite Karte ist hier selten die Antwort.

Llama 4 Maverick— Warum unterscheidet sich die Quantisierung zwischen Karten?

Eine größere Karte hält eine genauere Kopie. Die Anzahl der verwendeten Komprimierungsstufen über die Karten, die es ausführen: 2. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

Llama 4 Maverick— Wie genau sind diese Geschwindigkeitsabschätzungen?

Sie werden aus Spezifikationen berechnet, anstatt gemessen zu werden, und jede hat einen Bereich. Ein Beispiel: 65–174 tok/s auf B300. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

Llama 4 Maverick— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist Radeon Instinct MI300X, mit einer MEMORY-KAPAZITÄT von 192 GB. Es führt das Modell mit einer Kompression von Q3_K_M verwenden von etwa 168.2 GB, und produziert ungefähr 65.9 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 6.

Llama 4 Maverick— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B300, ungefähr 109 Tokens pro Sekunde; die langsamste, die es immer noch ausführt, schafft erheblich weniger. Die Lesegeschwindigkeit liegt bei etwa zehn Tokens pro Sekunde, und die Anzahl der Karten, die das bewältigen: 6.

Llama 4 Maverick— Wie viel VRAM benötigt es?

Es benötigt etwa 168.2 GB bei einer Kompression von Q3_K_M, welche das ist, was die kleinste Karte, die es ausführt, verwendet. Weniger Kompression braucht mehr: die Zahlen in der Spalte für den Speicher oben werden für jede Karte neu berechnet, da jede die am wenigsten komprimierte Version, die sie kann, speichert.

Llama 4 Maverick— Ist es Open-Source?

Die Gewichte sind veröffentlicht, sodass sie heruntergeladen und auf Ihrer eigenen Hardware ausgeführt werden können. Beachten Sie, dass OPEN WEIGHTS nicht dasselbe wie OPEN SOURCE im vollen Sinne ist — es sagt nichts über die Trainingsdaten, den Trainingscode oder die damit verbundenen kommerziellen Bedingungen aus.

Llama 4 Maverick— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 400B. "Llama 4 Maverick models have 17B active parameters and 400B total parameters." https://ai.meta.com/blog/llama-4-multimodal-intelligence/. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.

Llama 4 Maverick— Wer hat es erstellt?

Es wurde veröffentlicht von Meta AI, basiert auf United States of America, eine als kategorisierte Organisation industry.

Llama 4 Maverick— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in April 2025.

Llama 4 Maverick— Wofür wird es verwendet?

Es funktioniert im Bereich von Multimodal, Language, Vision, und wird als Bewältigung der Aufgabe von chat, Code generation, Visual question answering, Language modeling/generation, Question answering. Ein Modell kann mehrere von jedem tragen, daher sind dies die Bereiche, für die es gebaut wurde, anstatt eine Begrenzung dafür, was es versuchen wird.

Llama 4 Maverick— Wo kann ich es herunterladen?

Seine Gewichte sind auf Hugging Face veröffentlicht, unter der Organisation meta-llama. Wir hosten keine Modell-Dateien — diese Seite berechnet, welche Hardware benötigt wird, um sie auszuführen.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 28 November 2025

Die andere Richtung

Von der anderen Seite aus betrachten?

Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.

Alle KI-Modelle