Llama 4 Behemoth (preview)
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Meta AI
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 5 April 2025
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Multimodal, Language, Vision
- Tâche
- Chat, Code generation, Visual question answering, Translation, Language modeling/generation, Quantitative reasoning, Question answering
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 2T
- Données d'entraînement
- 30,000,000,000,000 tokens
"Llama 4 Behemoth, a 288 billion active parameter model with 16 experts that is our most powerful yet and among the world’s smartest LLMs."
"The overall data mixture for training consisted of more than 30 trillion tokens, which is more than double the Llama 3 pre-training mixture and includes diverse text, image, and video datasets."
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 5.2 × 10²⁵ FLOP
- Comment cela a été établi
- Operation counting
Behemoth's training dataset is at least 30T tokens: https://ai.meta.com/blog/llama-4-multimodal-intelligence/ 6 FLOP / parameter / token * 288 * 10^9 activated parameters * 30 * 10^12 tokens = 5.184e+25 FLOP
L'exécution de formation
Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du secteur.
- Matériel d'entraînement
- NVIDIA H100 SXM5 80GB
- Chips utilisés
- 32,000
- Consommation d'énergie
- 43.9 MW
- Coût de calcul
- $44,588,964
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- Unreleased
- Code d'entraînement
- Unreleased
"While we’re not yet releasing Llama 4 Behemoth as it is still training"
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Modèle Frontier
- Yes
- Probablement au-dessus de 10²³ FLOP
- Yes
- Pourquoi c'est suivi
- Training cost
- Confiance d'enregistrement
- Likely
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation
- Dernière mise à jour
- 11 February 2026
Ce que les chiffres signifient
D'où cela vient-il
Llama 4 Behemoth (preview) a été publié par Meta AI, dans le pays enregistré comme United States of America, durant April 2025. La catégorie à laquelle appartient l'éditeur est industry.
Il fonctionne dans le domaine de Multimodal, Language, Vision, et est enregistré comme exécutant la tâche de chat, Code generation, Visual question answering, Translation, Language modeling/generation, Quantitative reasoning, Question answering.
C'est un modèle fermé : les valeurs entraînées sont restées avec ceux qui les ont produites, et il n'y a pas de version locale à exécuter.
Entraînement et provenance
L'entraînement a consommé environ 5.2 × 10²⁵ FLOP, sur matériel enregistré comme NVIDIA H100 SXM5 80GB. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
L'entraînement a consommé un corpus d'environ 30,000,000,000,000 jetons de texte
Son critère d'inclusion : training cost.
Réponses
Llama 4 Behemoth (preview) — questions courantes
Llama 4 Behemoth (preview)— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 2T. "Llama 4 Behemoth, a 288 billion active parameter model with 16 experts that is our most powerful yet and among the world’s smartest LLMs.". Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
Llama 4 Behemoth (preview)— qui l'a créé ?
Il a été publié par Meta AI, basé sur United States of America, une organisation catégorisée comme industry.
Llama 4 Behemoth (preview)— quand a-t-il été publié ?
Il a été publié dans April 2025.
Llama 4 Behemoth (preview)— à quoi ça sert ?
Il fonctionne dans le domaine de Multimodal, Language, Vision, et est enregistré comme gérant la tâche de chat, Code generation, Visual question answering, Translation, Language modeling/generation, Quantitative reasoning, Question answering. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.
Llama 4 Behemoth (preview)— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 5.2 × 10²⁵ FLOP, sur matériel enregistré comme NVIDIA H100 SXM5 80GB. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
Llama 4 Behemoth (preview)— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
Llama 4 Behemoth (preview)— est-ce que c'est open source ?
Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.