Llama 4 โมเดลโอเพนซอร์ส — การนำไปใช้งานและกรณีใช้งานในระบบนิเวศของ Meta
Llama 4 ใช้สถาปัตยกรรมแบบผสมผู้เชี่ยวชาญ (MoE) ซึ่งเปิดใช้งานพารามิเตอร์เพียง 17,000 ล้านตัวในการอนุมานแต่ละครั้ง ด้วยเหตุนี้ Scout ที่ผ่านการควอนไทซ์แบบ Int4 จ
Llama 4 ใช้สถาปัตยกรรมแบบผสมผู้เชี่ยวชาญ (MoE) ซึ่งเปิดใช้งานพารามิเตอร์เพียง 17,000 ล้านตัวในการอนุมานแต่ละครั้ง ด้วยเหตุนี้ Scout ที่ผ่านการควอนไทซ์แบบ Int4 จึงสามารถทำงานบน NVIDIA H100 เพียงการ์ดเดียว พร้อมหน้าต่างบริบทขนาด 10 ล้านโทเคน สำหรับองค์กรและนักพัฒนารายบุคคล นี่หมายความว่าการติดตั้งโมเดลโอเพนซอร์สแบบมัลติโมดัลที่รองรับบริบทยาวบนเครื่องภายในหรือคลาวด์ส่วนตัว ไม่จำเป็นต้องใช้คลัสเตอร์ GPU ทั้งชุดอีกต่อไป เซิร์ฟเวอร์เพียงเครื่องเดียวก็ทำได้ ตระกูลโมเดล Llama 4: ความแตกต่างในการวางตำแหน่งของทั้งสามรุ่น Meta เปิดตัว Llama 4 เมื่อวันที่ 5 เมษายน 2025 โดยรุ่นแรกที่เปิดสู่สาธารณะคือ Scout และ Maverick พร้อมแสดงตัวอย่าง Behemoth ซึ่งยังอยู่ระหว่างการฝึก ทั้งสามรุ่นเป็นโมเดลมัลติโมดัลโดยกำเนิด ข้อความและภาพถูกป้อนเข้าพร้อมกันตั้งแต่ขั้นการฝึกล่วงหน้า (early fusion) ไม่ได้นำโมดูลด้านภาพมาต่อเพิ่มภายหลัง ดูสเปกโดยละเอียดได้ที่ บทความประกาศเปิดตัวอย่างเป็นทางการของ Meta AI Llama 4 Scout: บริบทยาว ติดตั้งบนการ์ดเดียว Scout มีพารามิเตอร์รวม 109,000 ล้านตัว ประกอบด้วยผู้เชี่ยวชาญ 16 ตัว และเปิดใช้งานพารามิเตอร์ 17,000 ล้านตัวในการอนุมานแต่ละครั้ง จุดเด่นที่สุดคือ “Llama 4 Scout รองรับหน้าต่างบริบท 10 ล้านโทเคน เปิดตัวเมษายน 2025” (ที่มา: Meta AI) ซึ่งเป็นบริบทที่ยาวที่สุดในบรรดาโมเดลแบบเปิดน้ำหนักในขณะนั้น เหมาะกับงานอย่างการอ่านโค้ดเบสทั้งหมด สัญญาหลายร้อยฉบับ หรือบันทึกงานบริการลูกค้าที่สะสมมาหลายปีในครั้งเดียว แล้วนำไปสรุปและค้นหา Llama 4 Maverick: การสนทนาทั่วไปและความเข้าใจแบบมัลติโมดัล Maverick เปิดใช้งานพารามิเตอร์ 17,000 ล้านตัวต่อครั้งเช่นกัน แต่เพิ่มจำนวนผู้เชี่ยวชาญเป็น 128 ตัว มีพารามิเตอร์รวมประมาณ 400,000 ล้านตัว และหน้าต่างบริบท 1 ล้านโทเคน Meta วางตำแหน่งให้เป็นรุ่นหลักสำหรับผู้ช่วยอเนกประสงค์และแอปพลิเคชันแชท พร้อมประเมินว่า “ต้นทุนการอนุมานแบบกระจายของ Maverick อยู่ที่ประมาณ 0.19 ถึง 0.49 ดอลลาร์สหรัฐต่อล้านโทเคน (คำนวณแบบผสมอินพุตต่อเอาต์พุต 3:1) ประเมินเมื่อเมษายน 2025” (ที่มา: Meta AI) Llama 4 Behemoth: โมเดลครู Behemoth เปิดใช้งานพารามิเตอร์ 288,000 ล้านตัวต่อครั้ง มีพารามิเตอร์รวมเกือบ 2 ล้านล้านตัว บทบาทหลักคือใช้ฝึก Scout และ Maverick ผ่านการกล
คู่มือที่เกี่ยวข้อง
ตรวจสอบและยืนยันโดย FeiYueh · อัปเดตล่าสุด 2026-10-21. Independently maintained — not AI-generated boilerplate.
← Back to Blog