Llama 4 Behemoth (preview)
Nie mieści się
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu nie zostały opublikowane, więc nie może być pobrany ani uruchomiony na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko przez swojego dostawcę, a zmiana karty graficznej tego nie zmieni..
Na rekord
Pełna specyfikacja
Wszystko w rejestrze dla tego modelu. Większość z tego opisuje, jak został wytrenowany, a nie jak działa — przydatny kontekst do oceny, ile pracy włożono w jego budowę i jak wypada w porównaniu z modelami stworzonymi w innym skali..
Origin
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Meta AI
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowano
- 5 April 2025
Co to robi
Obszary problemowe, dla których model został stworzony. Model może obsługiwać kilka z każdego.
- Domena
- Multimodal, Language, Vision
- Zadanie
- Chat, Code generation, Visual question answering, Translation, Language modeling/generation, Quantitative reasoning, Question answering
Rozmiar
Jak duży jest model i ile danych został wytrenowany. Parametry to wartość, która decyduje, czy mieści się na danej karcie graficznej.
- Parametry
- 2T
- Trening danych
- 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."
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzone w operacjach na liczbach zmiennoprzecinkowych. Jest to miara kosztu treningu, a nie tego, jak szybko gotowy model odpowiada.
- Obliczenia treningowe
- 5.2 × 10²⁵ FLOP
- Jak to zostało ustalone
- 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
Trening uruchomienia
Co fizycznie było potrzebne do treningu: które chipy, ile, przez jak długo i ile to pobrało z sieci.
- Sprzęt treningowy
- NVIDIA H100 SXM5 80GB
- Użyte chipy
- 32,000
- Pobór mocy
- 43.9 MW
- Compute cost
- $44,588,964
Dostępność
Czy możesz uzyskać model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy jakiekolwiek z danych dotyczących karty graficznej na tej stronie mają zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Unreleased
"While we’re not yet releasing Llama 4 Behemoth as it is still training"
Jak jest klasyfikowany
Etykiety zastosowane w źródłowym zbiorze danych przy śledzeniu istotnych modeli oraz jak pewny jest wpisu.
- Model Frontier
- Yes
- Prawdopodobnie powyżej 10²³ FLOP
- Yes
- Dlaczego to jest śledzone
- Training cost
- Model/modele nie pasuje do VRAM GPU.
- Likely
Źródła
Gdzie ten rekord pochodził i kiedy był ostatnio sprawdzany.
- Wersja modelu nie pasuje do VRAM GPU.
- The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation
- Ostatnia aktualizacja
- 11 February 2026
Co oznaczają liczby
Gdzie to przyszło
Llama 4 Behemoth (preview) was published by Meta AI, in United States of America, in April 2025. industry is the category the publisher falls under.
It works in Multimodal, Language, Vision, and is recorded as doing chat, Code generation, Visual question answering, Translation, Language modeling/generation, Quantitative reasoning, Question answering.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, i nie ma lokalnej wersji do uruchomienia.
Szkolenie i pochodzenie
The training run consumed about 5.2 × 10²⁵ FLOP, on NVIDIA H100 SXM5 80GB. That figure describes the cost of creating it and has no bearing on how quickly it generates text.
Around 30,000,000,000,000 tokens went into training it.
Its inclusion criterion is training cost.
Odpowiedzi
Llama 4 Behemoth (preview) — Powszechne pytania
How many parameters does Llama 4 Behemoth (preview) have?
Llama 4 Behemoth (preview) has 2T parameters. "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.". That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created Llama 4 Behemoth (preview)?
Llama 4 Behemoth (preview) was published by Meta AI, based in United States of America, categorised as industry.
When was Llama 4 Behemoth (preview) released?
Llama 4 Behemoth (preview) was published in April 2025.
What is Llama 4 Behemoth (preview) used for?
Llama 4 Behemoth (preview) works in Multimodal, Language, Vision, and is recorded as handling chat, Code generation, Visual question answering, Translation, Language modeling/generation, Quantitative reasoning, Question answering. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
How much compute was used to train Llama 4 Behemoth (preview)?
Around 5.2 × 10²⁵ FLOP, on NVIDIA H100 SXM5 80GB. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run Llama 4 Behemoth (preview)?
None. Llama 4 Behemoth (preview) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Llama 4 Behemoth (preview) open source?
No. Llama 4 Behemoth (preview) has not had its weights published, so it exists only as a service controlled by its owner.
Źródło
Model/modeli nie pasuje do VRAM GPU. Zbyt ciasne. Model działa wygodnie z zapasem. Jak modele AI może GPU uruchomić? 11 February 2026
Inna strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko uruchomi., Model/modele nie mieści się w VRAM GPU..