库名称：transformers 支持语言：

• 阿拉伯语

• 德语

• 英语

• 西班牙语

• 法语

• 印地语

• 印尼语

• 意大利语

• 葡萄牙语

• 泰语

• 他加禄语

• 越南语 基础模型：

• meta-llama/Llama-4-Scout-17B-16E 标签：

• facebook

• meta

• pytorch

• llama

• llama-4 访问授权提示：>- LLAMA 4社区许可协议

  Llama 4版本生效日期：2025年4月5日

  "协议"指本文规定的Llama材料使用、复制、分发和修改的条款和条件。

  "文档"指Meta在https://www.llama.com/docs/overview发布的Llama 4配套规范、手册和文档。

  "被许可方"或"您"指您、您的雇主或任何其他个人或实体（若您代表该个人或实体签署本协议），且需达到适用法律、法规规定的法定同意年龄，若代表雇主或其他实体签署则需具备法律约束力。

  "Llama 4"指基础大语言模型及软件算法，包括Meta在https://www.llama.com/llama-downloads发布的机器学习模型代码、训练模型权重、推理代码、训练代码、微调代码等组件。

  "Llama材料"统指本协议下提供的Meta专有Llama 4及文档（或其任何部分）。

  "Meta"或"我们"指Meta Platforms爱尔兰有限公司（若您位于欧洲经济区或瑞士）或Meta Platforms公司（若您位于其他地区）。

  点击下方"我接受"或使用/分发Llama材料即表示您同意受本协议约束。

  1. 许可权利与再分发

  a. 权利授予。您获得非独占、全球性、不可转让且免版税的有限许可，可使用、复制、分发Llama材料，并创建其衍生作品。

  b. 再分发要求： i. 若分发Llama材料或其衍生作品，需：(A)随附本协议；(B)在相关平台显著标注"基于Llama构建"。若用于训练AI模型，须在模型名称前添加"Llama"。 ii. 若通过被许可方获得集成产品，则协议第2条不适用。 iii. 须在所有分发副本中保留版权声明："Llama 4采用Llama 4社区许可，版权所有© Meta Platforms公司"。 iv. 使用需符合适用法律及《可接受使用政策》（https://www.llama.com/llama4/use-policy）。

  2. 商业条款：若月活用户超7亿，须向Meta申请商业许可。

  3. 免责声明：除非法律要求，Llama材料按"原样"提供，不提供任何明示或默示担保。

  4. 责任限制：Meta不对任何间接损失或惩罚性赔偿承担责任。

  5. 知识产权： a. 仅允许为合规使用"Llama"商标。 b. 您拥有自创衍生作品的所有权。 c. 若对Meta提起知识产权诉讼，许可自动终止。

  6. 期限与终止：违约时Meta可终止协议，终止后须停止使用Llama材料。

  7. 适用法律：受加利福尼亚州法律管辖，排除《联合国国际货物销售合同公约》。 授权表单字段： 名：文本 姓：文本 出生日期：日期选择 国家：国家选择 所属机构：文本 职位： 类型：下拉 选项：

  • 学生
  • 研究生
  • AI研究员
  • AI开发/工程师
  • 记者
  • 其他 地理位置：IP定位 勾选框：提交即表示接受许可条款并同意按Meta隐私政策处理信息 授权说明：>- 所提供信息将按Meta隐私政策处理。 授权按钮：提交 授权标题："请提供完整法定姓名、出生日期及含公司标识的全称。避免使用缩写和特殊字符。未按要求填写可能导致无法访问本模型及Hugging Face其他模型。提交后不可修改，请确保信息准确。" 许可证类型：其他 许可证名称：llama4

模型信息

Llama 4系列是多模态AI模型，采用混合专家架构，在文本和图像理解方面具有领先性能。本次发布包含两个高效模型：16专家的170亿参数Llama 4 Scout和128专家的170亿参数Llama 4 Maverick。

开发者：Meta
架构：基于自回归语言模型的混合专家架构，支持早期多模态融合。

支持语言：阿拉伯语、英语等12种语言
发布日期：2025年4月5日
许可证：自定义商业许可，详见GitHub链接
反馈渠道：通过Llama README提交

使用目的

适用场景：商业与研究用途，包括聊天助手、视觉推理、多语言生成等。支持通过合成数据改进其他模型。

限制范围：禁止违法使用及超出模型支持语言/能力范围的应用。开发者可对200种预训练语言进行微调，但需自行确保安全性。

使用方法

需安装transformers v4.51.0：

from transformers import AutoProcessor, Llama4ForConditionalGeneration
# 加载模型代码示例...

硬件与能耗

训练资源：使用Meta定制GPU集群，总耗能738万GPU小时（H100-80GB）。
碳排放：基于位置的碳排放为1999吨CO2当量，因Meta使用100%可再生能源，市场基准排放为0吨。

训练数据

数据来源：包含Meta产品公开数据及授权数据，截止2024年8月。Scout模型训练约40万亿token，Maverick约22万亿token。

性能基准

预训练模型对比

指令调优模型对比

量化支持

Scout模型支持BF16权重及实时int4量化；Maverick提供BF16和FP8量化版本，FP8版本可单卡部署。

安全措施

采用三支柱策略：

1. 模型级调优：通过人工标注与合成数据降低安全风险，优化拒绝语气和系统提示词灵活性
2. 系统防护：集成Llama Guard等防护工具
3. 社区治理：设立漏洞赏金计划和输出反馈机制

重点关注三大风险领域：

• CBRNE（生化核爆）信息管控
• 儿童安全保护
• 网络攻击防范

注意事项

Llama 4作为新技术存在不可预测的输出风险。开发者应：

• 进行应用场景专项安全测试
• 参考开发者指南部署防护措施
• 利用社区资源如PurpleLlama持续改进

模型秉持言论自由价值观，尊重用户自主权，开发者需对具体应用场景的安全性全权负责。