Meta vient de dévoiler sa famille de modèles Llama 4, une avancée majeure dans les capacités de l’IA grâce à une multimodalité native et une architecture à mélange d’experts (MoE).
Aujourd’hui, nous sommes ravis d’annoncer que Llama 4 Scout et Llama 4 Maverick sont désormais disponibles sur Novita AI, permettant aux entreprises et aux développeurs d’exploiter ces modèles puissants via une simple intégration API.
Novita AI propose les premiers modèles de la famille Llama 4 aux tarifs suivants :
Llama 4 Scout : 0,1 $ / M tokens d’entrée et 0,5 $ / M tokens de sortie
Llama 4 Maverick : 0,2 $ / M tokens d’entrée et 0,85 $ / M tokens de sortie
Comprendre la famille Llama 4
La sortie de Llama 4 introduit trois modèles distincts, chacun conçu pour des besoins et des contraintes de calcul différents :
| Modèle | Paramètres actifs | Paramètres totaux | Experts | Longueur du contexte | Points forts |
|---|---|---|---|---|---|
| Llama 4 Scout | 17B | 109B | 16 | 10M tokens | Contexte long, ancrage d’images, tient sur un seul GPU H100 |
| Llama 4 Maverick | 17B | 400B | 128 | 1M tokens | Excellence multimodale, écriture créative |
| Llama 4 Behemoth | 288B | ~2T | 16 | — | Modèle enseignant pour distillation |
Llama 4 Scout dispose de 16 experts et offre des performances de pointe pour sa catégorie. Il prend en charge une longueur de contexte record de 10 millions de tokens, ce qui le rend idéal pour traiter de grandes quantités de données, y compris des bases de code entières ou une documentation volumineuse.
Llama 4 Maverick est le cheval de bataille de Meta, avec 128 experts pour des performances supérieures sur une large gamme de tâches. Il excelle dans la compréhension précise des images et l’écriture créative, tout en prenant en charge jusqu’à 1 million de tokens de contexte.
Llama 4 Behemoth sert de modèle enseignant pour la famille Llama 4 avec 16 experts. Bien qu’il ne soit pas encore rendu public car toujours en formation, Behemoth surpasse GPT-4.5, Claude Sonnet 3.7 et Gemini 2.0 Pro sur plusieurs benchmarks STEM.
Remarque : La fenêtre de contexte pour Llama 4 Scout sur Novita AI est de 131 072 tokens, tandis que celle de Llama 4 Maverick est de 1 048 576 tokens.
Fonctionnalités et capacités clés
Multimodalité native
Les modèles Llama 4 intègrent une fusion précoce pour fusionner de manière transparente les tokens textuels et visuels dans une architecture unifiée. Cela permet un pré-entraînement conjoint avec de grandes quantités de données non étiquetées (texte, image et vidéo).
L’encodeur visuel amélioré, basé sur MetaCLIP mais optimisé pour l’intégration avec les LLM, permet aux modèles de traiter plusieurs images avec des prompts textuels sans ingénierie supplémentaire.
Longueur de contexte étendue
L’une des avancées les plus significatives de Llama 4 est sa prise en charge de contextes exceptionnellement longs :
- Llama 4 Scout : 10 millions de tokens
- Llama 4 Maverick : 1 million de tokens
Ce bond en avant permet des applications auparavant impossibles ou peu pratiques, telles que :
- Résumé et analyse multi-documents
- Raisonnement sur des bases de code volumineuses
- Analyse de vastes quantités d’activité utilisateur pour des expériences personnalisées
- Traitement d’archives de recherche entières en un seul prompt
Capacités multilingues et de raisonnement
Les modèles Llama 4 ont été pré-entraînés sur 200 langues, avec un réglage fin dédié pour 12 d’entre elles, dont l’arabe, l’espagnol, l’allemand et l’hindi. Plus de 100 de ces langues disposent chacune de plus d’un milliard de tokens d’entraînement – offrant une couverture multilingue 10 fois supérieure à celle de Llama 3.
Cet entraînement étendu permet des performances supérieures dans toutes les langues, rendant les modèles adaptés aux applications mondiales.
Les modèles démontrent également des capacités de raisonnement améliorées grâce à des recettes d’entraînement spécialisées. Pour Maverick, cela a inclus une stratégie de RL en ligne continue avec filtrage adaptatif des données, ciblant les prompts de difficulté moyenne à élevée.
Benchmarks et cas d’utilisation
Benchmarks
Selon les données officielles de Meta, les modèles Llama 4 affichent des performances exceptionnelles sur diverses tâches, comme le montrent les tableaux ci-dessous :
Benchmarks de Llama 4 Scout
Benchmarks de Llama 4 Maverick
Cas d’utilisation idéaux pour la famille Llama 4
Llama 4 Scout est le mieux adapté aux applications nécessitant un long contexte, tandis que Llama 4 Maverick excelle dans les tâches complexes de raisonnement et de création impliquant une compréhension multimodale. Voici les cas d’utilisation idéaux pour chaque modèle en fonction de leurs atouts :
Llama 4 Scout :
- Résumé multi-documents pour l’analyse juridique ou financière
- Automatisation de tâches personnalisées à partir de grandes quantités de données utilisateur
- Traitement d’images efficace pour des applications multimodales légères
Essayez la démo de Llama 4 Scout maintenant
Llama 4 Maverick :
- Support client multilingue avec contexte visuel
- Génération de contenu marketing à partir d’entrées multimodales
- Analyse documentaire avancée combinant texte, diagrammes et tableaux
- Écriture créative et génération de contenu avec une compréhension précise des images
Essayez la démo de Llama 4 Maverick maintenant
Les deux modèles excellent dans les situations nécessitant une compréhension multimodale, un raisonnement sur un contexte étendu et des capacités multilingues.
Premiers pas avec Llama 4 sur Novita AI
Intégrer les modèles Llama 4 dans vos applications via la bibliothèque de modèles de Novita AI est simple et ne nécessite que quelques lignes de code. Voici comment commencer :
Configuration de votre environnement
Tout d’abord, assurez-vous de disposer d’une clé API de Novita AI. Si vous n’en avez pas encore, inscrivez-vous et créez une clé API via le tableau de bord Novita AI.
Intégration avec Python
Novita AI fournit des points de terminaison compatibles avec OpenAI pour une intégration transparente. Voici un exemple simple utilisant le client Python :
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="<VOTRE_CLÉ_API_Novita_AI>",
)
model = "meta-llama/llama-4-maverick-17b-128e-instruct-fp8"
stream = True # ou False
max_tokens = 2048
system_content = """Soyez un assistant utile"""
temperature = 1
top_p = 1
min_p = 0
top_k = 50
presence_penalty = 0
frequency_penalty = 0
repetition_penalty = 1
response_format = { "type": "text" }
chat_completion_res = client.chat.completions.create(
model=model,
messages=[
{
"role": "system",
"content": system_content,
},
{
"role": "user",
"content": "Bonjour !",
}
],
stream=stream,
max_tokens=max_tokens,
temperature=temperature,
top_p=top_p,
presence_penalty=presence_penalty,
frequency_penalty=frequency_penalty,
response_format=response_format,
extra_body={
"top_k": top_k,
"repetition_penalty": repetition_penalty,
"min_p": min_p
}
)
if stream:
for chunk in chat_completion_res:
print(chunk.choices[0].delta.content or "", end="")
else:
print(chat_completion_res.choices[0].message.content)
Pour plus d’exemples détaillés et des guides d’intégration complets, consultez notre documentation de l’API LLM.
Conclusion
L’arrivée de Llama 4 sur Novita AI marque une étape importante dans la démocratisation des capacités avancées de l’IA.
Grâce à la multimodalité native, aux longueurs de contexte étendues et à une architecture MoE efficace, ces modèles permettent de nouvelles classes d’applications auparavant irréalisables ou trop coûteuses.
Que vous créiez des applications de traitement de documents, de communication multilingue ou de génération de contenu créatif, Llama 4 fournit les outils nécessaires pour offrir des expériences intelligentes et réactives.
Commencez dès aujourd’hui avec le processus d’intégration simple de Novita AI et des tarifs compétitifs pour apporter la puissance de Llama 4 à vos applications et utilisateurs.
À propos de Novita AI
Novita AI est une plateforme cloud IA qui offre aux développeurs un moyen simple de déployer des modèles d’IA via notre API, tout en fournissant un cloud GPU abordable et fiable pour construire et passer à l’échelle.
