meta-llama
Meta: Llama 4 Maverick
meta-llama/llama-4-maverick
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
O catálogo da OpenRouter descreve meta-llama/llama-4-maverick como Llama 4 Maverick 17B Instruct (128E) da Meta, um modelo multimodal de mistura de especialistas com 128 especialistas e 17 bilhões de parâmetros ativos. A ficha informa janela de contexto de 524.288 tokens, entradas de texto e imagem, saídas de texto, saídas estruturadas, chamada de ferramentas e amplos controles de amostragem. A data de corte de conhecimento declarada é 31 de agosto de 2024. O pacote inclui registros de benchmark do catálogo, mas nenhum cartão independente do modelo; as capacidades devem ser tratadas como reportadas pelo catálogo e validadas nas cargas de trabalho pretendidas.[1]
Pontos fortes
- Arquitetura de mistura de especialistas reportada pelo catálogo, com 128 especialistas e 17 bilhões de parâmetros ativos.[1]
- Aceita entradas de texto e imagem, gera texto e informa uma janela de contexto de 524.288 tokens.[1]
- A ficha da API inclui chamada de ferramentas, saídas estruturadas, seed, logprobs e controle do formato de resposta.[1]
Limitações
- A evidência se limita ao catálogo da OpenRouter; nenhum cartão independente do modelo estava disponível, portanto a validação em cargas reais continua necessária.[1]
- As saídas se limitam a texto; a ficha não declara modalidade de saída em imagem nem áudio.[1]
- O catálogo não identifica uma capacidade dedicada de raciocínio, e a data de corte declarada é 31 de agosto de 2024.[1]
Onde usar
- Considere para assistentes que interpretam imagens e fluxos documentais em que uma janela de contexto muito ampla seja importante.[1]
- Pode ser adequado para aplicações de API que precisem de chamadas de ferramentas ou saídas estruturadas legíveis por máquinas.[1]
- Para tarefas de programação, agentes ou interfaces, trate os registros de benchmark do catálogo como ponto de partida e teste com sua carga de trabalho.[1]
Fontes
- [1] OpenRouter catalog · Meta: Llama 4 MaverickFontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
Llama 4 Maverick 17B Instruct (128E) is a high-capacity multimodal language model from Meta, built on a mixture-of-experts (MoE) architecture with 128 experts and 17 billion active parameters per forward...
Especificações
- ID do modelo
- meta-llama/llama-4-maverick
- ID canônico
- meta-llama/llama-4-maverick-17b-128e-instruct
- Criador
- meta-llama
- Adicionado ao OpenRouter
- 05.04.2025
- Comprimento de contexto
- 524,288
- Modalidade
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.350 / saída $1
- Corte de conhecimento
- 31.08.2024
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | — |
| Programação | CC — abaixo da faixa B | — |
| Agentes | CC — abaixo da faixa B | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | — |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 16.3 | CC — abaixo da faixa B | 13.11.2026 |
| Artificial Analysis | Agentic index | 0.6 | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 40.2% · posição 130 | 884Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 35.8% · posição 142 | 870Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 38.4% · posição 133 | 882Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 33.7% · posição 143 | 828Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 40.8% · posição 137 | 890Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 34.4% · posição 145 | 864Elo | CC — abaixo da faixa B | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| Parasailfp8 | 524,288 | $0.350 | $1 | — | — | 100% |
| 524,288 | $0.350 | $1.15 | — | — | — |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.