Llama est un ensemble de modèles ouverts développés par Meta que vous pouvez ajuster et déployer sur Gemini Enterprise Agent Platform. Llama propose des modèles de texte génératif et multimodaux pré-entraînés et adaptés aux instructions.
Llama 4,
La famille de modèles Llama 4 est une collection de modèles multimodaux qui utilisent l'architecture Mixture of Experts (MoE). En utilisant l'architecture MoE, les modèles comportant un très grand nombre de paramètres peuvent activer un sous-ensemble de ces paramètres pour une entrée donnée, ce qui permet d'obtenir des inférences plus efficaces. De plus, Llama 4 utilise la fusion précoce, qui intègre les informations textuelles et visuelles dès les premières étapes de traitement. Cette méthode permet aux modèles Llama 4 de mieux comprendre les relations complexes et nuancées entre le texte et les images. Model Garden sur Gemini Enterprise Agent Platform propose deux modèles Llama 4 : Llama 4 Scout et Llama 4 Maverick.
Pour en savoir plus, consultez la fiche de modèle Llama 4 dans Model Garden ou l'article de blog Présentation de Llama 4 sur Gemini Enterprise Agent Platform.
Llama 4 Maverick
Llama 4 Maverick est le plus grand modèle Llama 4. Il offre des fonctionnalités de codage, de raisonnement et de traitement d'images. Il comporte 17 milliards de paramètres actifs sur un total de 400 milliards, avec 128 experts. Llama 4 Maverick utilise une alternance de couches denses et de couches MoE, où chaque jeton active un expert partagé et l'un des 128 experts routés. Lorsque vous effectuez un auto-déploiement à partir de Model Garden, vous pouvez déployer le modèle pré-entraîné (llama-4-maverick-17b-128e), le modèle réglé par instructions avec une précision BF16 (llama-4-maverick-17b-128e-instruct) ou le modèle réglé par instructions avec une quantification FP8 (llama-4-maverick-17b-128e-instruct-fp8). Le point de terminaison MaaS géré (llama-4-maverick-17b-128e-instruct-maas) diffuse le modèle réglé par instructions avec une précision FP8 fixe. Le modèle est pré-entraîné sur 200 langues et optimisé pour les interactions par chat via un pipeline de post-entraînement.
Llama 4 Maverick est multimodal et dispose d'une longueur de contexte de 1 million de jetons. Il est adapté à la description d'images, à l'analyse visuelle, à la réponse visuelle aux questions, à la génération de texte créatif, aux assistants IA à usage général et aux applications de chat complexes.
Llama 4 Scout
Llama 4 Scout est un modèle MoE à haute efficacité doté d'une fenêtre de contexte de 10 millions de jetons. Il comporte 17 milliards de paramètres actifs sur un total de 109 milliards, avec 16 experts. Lorsque vous effectuez un auto-déploiement à partir de Model Garden, vous pouvez déployer le modèle pré-entraîné (llama-4-scout-17b-16e) ou le modèle réglé par instructions (llama-4-scout-17b-16e-instruct). Le point de terminaison MaaS géré (llama-4-scout-17b-16e-instruct-maas) diffuse le modèle réglé par instructions avec une précision FP8 fixe. Llama 4 Scout est adapté aux tâches de récupération dans des contextes longs et aux tâches qui nécessitent un raisonnement sur de grandes quantités d'informations, telles que la synthèse de plusieurs documents volumineux, l'analyse de journaux d'interaction utilisateur étendus pour la personnalisation et le raisonnement sur de grandes bases de code.
Llama 3.3
Llama 3.3 est un modèle textuel de 70 milliards de paramètres adapté aux instructions qui offre des performances améliorées par rapport à Llama 3.1 70B et Llama 3.2 90B lorsqu'il est utilisé pour des applications textuelles. De plus, pour certaines applications, Llama 3.3 70B se rapproche des performances de Llama 3.1 405B.
Pour en savoir plus, consultez la fiche de modèle Llama 3.3 dans Model Garden.
Llama 3.2
Llama 3.2 permet aux développeurs de créer et de déployer les derniers modèles et applications d'IA générative qui utilisent les fonctionnalités de Llama pour susciter de nouvelles innovations, comme le raisonnement sur les images. Llama 3.2 est également conçu pour être plus accessible aux applications sur l'appareil. La liste suivante décrit les fonctionnalités de Llama 3.2 :
- Offre une expérience d'IA plus privée et personnalisée, avec un traitement sur l'appareil pour les modèles plus petits.
- Offre des modèles conçus pour être plus efficaces, avec une latence réduite et des performances améliorées, ce qui les rend adaptés à un large éventail d'applications.
- Basé sur Llama Stack, qui facilite la création et le déploiement d'applications. Llama Stack est une interface standardisée permettant de créer des composants de chaîne d'outils et des applications agentives canoniques.
- Prend en charge les tâches de vision, avec une nouvelle architecture de modèle qui intègre les représentations d'encodeurs d'images dans le modèle de langage.
Les modèles 1B et 3B sont des modèles légers de texte uniquement qui prennent en charge les cas d'utilisation sur l'appareil, tels que la récupération de connaissances locales multilingues, la synthèse et la réécriture.
Les modèles Llama 11B et 90B sont des modèles multimodaux de petite et moyenne taille avec raisonnement par image. Par exemple, ils peuvent analyser les données visuelles des graphiques pour fournir des réponses plus précises et extraire des détails des images pour générer des descriptions textuelles.
Pour en savoir plus, consultez la fiche de modèle Llama 3.2 dans Model Garden.
Remarques
Lorsque vous utilisez les modèles 11B et 90B, il n'y a aucune restriction lorsque vous envoyez des requêtes uniquement textuelles. Toutefois, si vous incluez une image dans votre prompt, elle doit se situer au début du prompt, et vous ne pouvez inclure qu'une image. Vous ne pouvez pas, par exemple, inclure du texte, puis une image.
Llama 3.1
La collection Llama 3.1 de grands modèles de langage (LLM) multilingues est une collection de modèles génératifs pré-entraînés et adaptés aux instructions, offrant 8, 70 ou 405 milliards de paramètres (texte entrant et sortant). Les modèles de texte uniquement adaptés aux instructions Llama 3.1 (8, 70 ou 405 milliards de paramètres) sont optimisés pour les cas d'utilisation de dialogues multilingues et sont plus performants que de nombreux modèles de chat Open Source et fermés disponibles sur les benchmarks courants du secteur.
Pour en savoir plus, consultez la fiche de modèle Llama 3.1 dans Model Garden.
Llama 3
Les modèles adaptés aux instructions Llama 3 sont un ensemble de LLM optimisés pour les cas d'utilisation de dialogues. Les modèles Llama 3 sont plus performants que de nombreux modèles de chat Open Source disponibles sur les benchmarks courants du secteur.
Pour en savoir plus, consultez la fiche de modèle Llama 3 dans Model Garden.
Llama 2
Les LLM Llama 2 sont un ensemble de modèles de texte génératifs pré-entraînés et affinés, offrant de 7 à 70 milliards de paramètres.
Pour en savoir plus, consultez la fiche de modèle Llama 2 dans Model Garden.
Code Llama
Les modèles Code Llama de Meta sont conçus pour la synthèse, la compréhension et l'instruction de code.
Pour en savoir plus, consultez la fiche de modèle Code Llama dans Model Garden.
Llama Guard 3
Llama Guard 3 s'appuie sur les capacités de Llama Guard 2 en ajoutant trois nouvelles catégories : la diffamation, les élections et l'utilisation abusive de l'interpréteur de code. De plus, ce modèle est multilingue et utilise un format de requête cohérent avec les modèles d'instructions Llama 3 ou ultérieurs.
Pour en savoir plus, consultez la fiche de modèle Llama Guard dans Model Garden.
Ressources
Pour en savoir plus sur Model Garden, consultez la page Explorer les modèles d'IA dans Model Garden.