متا Llama 4 را منتشر کرد، مجموعه‌ای جدید از مدل‌های پیشرفته هوش مصنوعی.

متا مجموعه جدیدی از مدل‌های هوش مصنوعی به نام Llama 4 را در خانواده Llama خود منتشر کرده است آن هم در یک روز شنبه.

در مجموع چهار مدل جدید معرفی شده است: Llama 4 Scout، Llama 4 Maverick و Llama 4 Behemoth. همه این مدل‌ها بر روی "مقادیر زیادی از داده‌های متنی، تصویری و ویدیویی بدون برچسب" آموزش دیده‌اند تا "فهم بصری گسترده‌ای" به آن‌ها بدهند، طبق گفته‌های متا.

موفقیت مدل‌های باز از آزمایشگاه هوش مصنوعی چینی DeepSeek، که عملکردی مشابه یا بهتر از مدل‌های پیشین Llama متا دارند، گفته می‌شود که توسعه Llama را به سرعت انداخته است.

گزارش‌ها حاکی از این است که متا برای فهمیدن چگونگی کاهش هزینه‌های اجرای مدل‌هایی مانند R1 و V3 توسط DeepSeek، اتاق‌های جنگی راه انداخته است.

Scout و Maverick به‌طور آزاد در Llama.com و از طریق شرکای متا، از جمله پلتفرم توسعه‌دهنده هوش مصنوعی Hugging Face، در دسترس هستند، در حالی که Behemoth هنوز در حال آموزش است.

متا می‌گوید که Meta AI، دستیار مبتنی بر هوش مصنوعی آن در اپلیکیشن‌هایی مانند WhatsApp، Messenger و Instagram، به‌روزرسانی شده تا از Llama 4 در 40 کشور استفاده کند. ویژگی‌های چندوجهی در حال حاضر فقط به زبان انگلیسی در ایالات متحده محدود هستند.

برخی از توسعه‌دهندگان ممکن است با مجوز Llama 4 مشکل داشته باشند. کاربران و شرکت‌هایی که در اتحادیه اروپا مستقر هستند یا "محل کسب‌وکار اصلی" آن‌ها در این منطقه است، از استفاده یا توزیع مدل‌ها منع شده‌اند، که احتمالاً به‌دلیل الزامات حکمرانی وضع شده توسط قوانین هوش مصنوعی و حفظ حریم خصوصی داده‌ها در این منطقه است. (در گذشته، متا این قوانین را به‌عنوان قوانین بسیار پرهزینه محکوم کرده است.) علاوه بر این، مشابه با نسخه‌های قبلی Llama، شرکت‌هایی که بیش از 700 میلیون کاربر فعال ماهانه دارند، باید مجوز ویژه‌ای از متا درخواست کنند که متا می‌تواند آن را تایید یا رد کند. متا در پستی وبلاگی نوشت: "این مدل‌های Llama 4 آغاز یک دوره جدید برای اکوسیستم Llama هستند. این تنها آغاز مجموعه Llama 4 است."

متا می‌گوید که Llama 4 اولین مجموعه از مدل‌های این شرکت است که از معماری Mixture of Experts (MoE) استفاده می‌کند، که برای آموزش و پاسخ‌دهی به سوالات از نظر محاسباتی کارآمدتر است.

معماری‌های MoE اساساً وظایف پردازش داده را به زیروظایف تقسیم کرده و سپس آن‌ها را به مدل‌های کوچک‌تر و تخصصی‌تر به نام "کارشناس" واگذار می‌کنند.

برای مثال، Maverick دارای 400 میلیارد پارامتر کل است، اما تنها 17 میلیارد پارامتر فعال دارد که در 128 "کارشناس" پخش شده است. (پارامترها به‌طور تقریبی به مهارت‌های حل مشکل یک مدل مرتبط هستند.) Scout دارای 17 میلیارد پارامتر فعال، 16 کارشناس و 109 میلیارد پارامتر کل است.

طبق آزمایش‌های داخلی متا، Maverick که به گفته شرکت برای استفاده در "دستیار عمومی و چت" مانند نوشتن خلاقانه بهترین است، از مدل‌هایی مانند GPT-4o از OpenAI و Gemini 2.0 از گوگل در برخی بنچمارک‌های کدنویسی، استدلال، چندزبانه، زمینه طولانی و تصویر بهتر عمل می‌کند.

با این حال، Maverick نتوانسته است به اندازه مدل‌های جدیدتر و قوی‌تر مانند Gemini 2.5 Pro از گوگل، Claude 3.7 Sonnet از Anthropic و GPT-4.5 از OpenAI عمل کند.

قدرت‌های Scout در وظایفی مانند خلاصه‌سازی اسناد و استدلال در مورد کدهای طولانی است. به طور منحصر به فرد، دارای یک پنجره زمینه بسیار بزرگ است: 10 میلیون توکن. ("توکن‌ها نمایانگر بخش‌هایی از متن خام هستند مثلاً کلمه "fantastic" به سه قسمت "fan"، "tas" و "tic" تقسیم می‌شود.) به زبان ساده، Scout می‌تواند تصاویر و تا میلیون‌ها کلمه را پردازش کند، که به آن امکان می‌دهد اسناد بسیار طولانی را تجزیه و تحلیل کرده و با آن‌ها کار کند.

Scout می‌تواند روی یک Nvidia H100 GPU واحد اجرا شود، در حالی که Maverick به سیستم Nvidia H100 DGX یا معادل آن نیاز دارد، طبق محاسبات متا.

مدل Behemoth که هنوز منتشر نشده است، به سخت‌افزار قوی‌تری نیاز خواهد داشت. طبق گفته این شرکت، Behemoth دارای 288 میلیارد پارامتر فعال، 16 کارشناس و نزدیک به دو تریلیون پارامتر کل است. بنچمارک‌های داخلی متا نشان می‌دهند که Behemoth در چندین ارزیابی که مهارت‌های STEM مانند حل مسائل ریاضی را اندازه‌گیری می‌کند، از GPT-4.5، Claude 3.7 Sonnet و Gemini 2.0 Pro پیشی می‌گیرد (اما نه Gemini 2.5 Pro).

شایان ذکر است که هیچ‌کدام از مدل‌های Llama 4 یک مدل "استدلالی" مناسب مانند مدل‌های o1 و o3-mini از OpenAI نیستند. مدل‌های استدلالی به طور مؤثر پاسخ‌های خود را بررسی می‌کنند و معمولاً به سوالات به‌طور قابل اعتمادتر پاسخ می‌دهند، اما به این دلیل زمان بیشتری نسبت به مدل‌های "غیر استدلالی" سنتی برای ارائه پاسخ‌ها می‌برند.

جالب است که متا می‌گوید تمام مدل‌های Llama 4 خود را تنظیم کرده است تا کمتر از پاسخ دادن به سوالات "بحث‌برانگیز" خودداری کنند. طبق گفته شرکت، Llama 4 به موضوعات سیاسی و اجتماعی مورد بحثی که مدل‌های قبلی Llama به آن‌ها پاسخ نمی‌دادند، پاسخ می‌دهد.

علاوه بر این، شرکت می‌گوید که Llama 4 "به‌طور چشمگیری متعادل‌تر" است و در انتخاب پرسش‌هایی که به‌طور قطع به آن‌ها پاسخ نمی‌دهد، عملکرد بهتری دارد.

یک سخنگوی متا به TechCrunch گفت: "[Llama 4] را می‌توان برای ارائه پاسخ‌های مفید و واقعی بدون قضاوت مورد اعتماد قرار داد." "[ما همچنان در حال بهبود واکنش‌پذیری Llama هستیم تا آن بیشتر به سوالات پاسخ دهد، بتواند به دیدگاه‌های مختلف پاسخ دهد [...] و هیچ دیدگاهی را نسبت به دیگری ترجیح ندهد."

این تغییرات در حالی است که برخی از متحدان کاخ سفید از چت‌بات‌های هوش مصنوعی به دلیل "بیداری سیاسی" بیش از حد آن‌ها انتقاد کرده‌اند. بسیاری از نزدیکان رئیس‌جمهور دونالد ترامپ، از جمله میلیاردر ایلان ماسک و "سردار" کریپتو و هوش مصنوعی دیوید ساکس، ادعا کرده‌اند که چت‌بات‌های هوش مصنوعی محبوب، دیدگاه‌های محافظه‌کارانه را سانسور می‌کنند.

ساکس به‌طور تاریخی چت‌بات ChatGPT از OpenAI را به‌عنوان "برنامه‌ریزی‌شده برای بیداری" و غیرواقعی در مورد موضوعات سیاسی مورد انتقاد قرار داده است. در واقع، تعصب در هوش مصنوعی یک مشکل فنی غیرقابل حل است. شرکت xAI متعلق به خود ماسک نیز در ایجاد چت‌باتی که دیدگاه‌های سیاسی خاصی را نسبت به دیگران تأیید نکند، با مشکل مواجه شده است. این موضوع باعث نشده است که شرکت‌هایی از جمله OpenAI از تنظیم مدل‌های هوش مصنوعی خود برای پاسخ دادن به بیشتر سوالات نسبت به گذشته، به‌ویژه سوالات مربوط به موضوعات بحث‌برانگیز، دست بردارند.

منبع:techcrunch