Llama 4 Maverick 17B 128E Instruct FP8

🚀 Llama 4模型介绍

Llama 4系列模型是原生多模态人工智能模型，可实现文本和多模态交互体验。这些模型采用混合专家架构，在文本和图像理解方面具有行业领先的性能。

🚀 快速开始

安装依赖

请确保你已安装transformers v4.51.0，或者使用以下命令进行升级：

pip install -U transformers

代码示例

from transformers import AutoTokenizer, Llama4ForConditionalGeneration
import torch

model_id = "meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8"

tokenizer = AutoTokenizer.from_pretrained(model_id)

messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt", return_dict=True)

model = Llama4ForConditionalGeneration.from_pretrained(
    model_id,
    tp_plan="auto",
    torch_dtype="auto",
)

outputs = model.generate(**inputs.to(model.device), max_new_tokens=100)
outputs = tokenizer.batch_decode(outputs[:, inputs["input_ids"].shape[-1]:])
print(outputs[0])

✨ 主要特性

• 多模态能力：支持文本和图像的多模态交互，可用于视觉识别、图像推理、图像描述等任务。
• 混合专家架构：采用混合专家（MoE）架构，提供卓越的文本和图像理解性能。
• 多语言支持：支持阿拉伯语、英语、法语、德语、印地语、印尼语、意大利语、葡萄牙语、西班牙语、他加禄语、泰语和越南语等多种语言。
• 商业和研究用途：适用于商业和研究领域，可用于自然语言生成、对话式AI、视觉推理等任务。

📦 安装指南

请确保你已安装transformers v4.51.0，或者使用以下命令进行升级：

pip install -U transformers

💻 使用示例

基础用法

from transformers import AutoTokenizer, Llama4ForConditionalGeneration
import torch

model_id = "meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8"

tokenizer = AutoTokenizer.from_pretrained(model_id)

messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt", return_dict=True)

model = Llama4ForConditionalGeneration.from_pretrained(
    model_id,
    tp_plan="auto",
    torch_dtype="auto",
)

outputs = model.generate(**inputs.to(model.device), max_new_tokens=100)
outputs = tokenizer.batch_decode(outputs[:, inputs["input_ids"].shape[-1]:])
print(outputs[0])

📚 详细文档

模型信息

模型参数

预期用途

• 预期用例：Llama 4适用于多种语言的商业和研究用途。经过指令调优的模型可用于类助手聊天和视觉推理任务，而预训练模型可用于自然语言生成。在视觉方面，Llama 4模型还针对视觉识别、图像推理、图像描述和回答有关图像的一般性问题进行了优化。Llama 4模型集合还支持利用其模型输出改进其他模型，包括合成数据生成和蒸馏。Llama 4社区许可证允许这些用例。
• 超出范围的使用：以任何违反适用法律法规（包括贸易合规法律）的方式使用；以可接受使用政策和Llama 4社区许可证禁止的任何其他方式使用；在本模型卡片中未明确提及支持的语言或功能范围内使用。

硬件和软件

• 训练因素：使用自定义训练库、Meta定制的GPU集群和生产基础设施进行预训练。微调、量化、标注和评估也在生产基础设施上进行。
• 训练能耗：模型预训练在H100 - 80GB（TDP为700W）类型的硬件上累计使用了738万个GPU小时的计算资源。训练时间是每个模型训练所需的总GPU时间，功耗是每个GPU设备的峰值功率容量，并根据电源使用效率进行了调整。

训练数据

• 概述：Llama 4 Scout在约40万亿个多模态数据令牌上进行预训练，Llama 4 Maverick在约22万亿个多模态数据令牌上进行预训练。这些数据来自公开可用数据、授权数据以及Meta产品和服务中的信息，包括Instagram和Facebook上的公开帖子以及用户与Meta AI的交互。
• 数据新鲜度：预训练数据的截止日期为2024年8月。

基准测试

预训练模型

指令调优模型

^MMMU Pro的报告数据是标准任务和视觉任务的平均值

量化

Llama 4 Scout模型以BF16权重形式发布，但可以通过即时int4量化适配单个H100 GPU；Llama 4 Maverick模型同时发布了BF16和FP8量化权重。FP8量化权重可以在单个H100 DGX主机上运行，同时保持模型质量。我们还提供了即时int4量化的代码，以尽量减少性能下降。

安全保障

模型级微调

• 微调数据：采用多方面的数据收集方法，将供应商提供的人工生成数据与合成数据相结合，以降低潜在的安全风险。开发了许多基于大语言模型（LLM）的分类器，以便精心选择高质量的提示和响应，加强数据质量控制。
• 拒绝率：在Llama 3模型的基础上，着重降低Llama 4模型对良性提示的拒绝率。在安全数据策略中纳入了边界提示和对抗性提示，并修改了安全数据响应以遵循语气指南。
• 语气：扩展了Llama 3模型在拒绝语气方面的工作，使模型的回复听起来更加自然。目标是去除说教和过度道德化的语言，并纠正格式问题，包括正确使用标题、列表、表格等。
• 系统提示：Llama 4是一个更易于引导的模型，意味着可以轻松调整响应以满足特定的开发需求。有效的系统提示可以显著提高大语言模型的性能。特别是，使用系统提示可以有效减少大语言模型中常见的错误拒绝、模板化或“说教式”语言模式。它们还可以提高对话性和适当格式的使用。

以下是一个基本的系统提示模板，开发者可以根据具体需求或用例进一步定制：

Llama 4系统保护

大语言模型（包括Llama 4）不应单独部署，而应作为整体AI系统的一部分，并根据需要添加额外的防护措施。系统保护对于实现正确的有用性 - 安全性平衡、降低系统固有的安全和风险以及将模型或系统与外部工具集成至关重要。

我们为社区提供了系统级的保护措施，如Llama Guard、Prompt Guard和Code Shield，开发者应将这些措施与Llama模型或其他大语言模型一起部署。我们所有的参考实现演示默认包含这些保护措施，以便开发者能够立即受益于系统级的安全保障。

评估

• 常见用例评估：评估Llama模型在常见用例以及特定能力方面的表现。常见用例评估衡量了大多数常见应用（如聊天机器人、视觉问答）系统的安全风险。构建了专门的对抗性评估数据集，并评估了由Llama模型和Llama Guard 3组成的系统，以过滤输入提示和输出响应。在上下文中评估应用非常重要，建议为你的用例构建专门的评估数据集。如果应用相关，Prompt Guard和Code Shield也可供使用。
• 能力评估：衡量Llama模型特定能力固有的漏洞，为此设计了专门的基准测试，包括长上下文、多语言、编码或记忆能力。

红队测试

定期进行红队测试，目标是通过对抗性提示发现风险，并利用这些经验教训改进基准测试和安全调优数据集。早期与关键风险领域的主题专家合作，了解模型可能对社会造成的意外危害。根据这些讨论，为红队制定了一系列对抗性目标，如提取有害信息或重新编程模型以采取潜在有害的行为。红队成员包括网络安全、对抗性机器学习和数据完整性方面的专家，以及在特定地理市场具有数据完整性问题背景的多语言内容专家。

关键风险

• CBRNE（化学、生物、放射性、核和爆炸物材料）有用性：为评估Llama 4与化学和生物武器扩散相关的风险，应用了专家设计和其他针对性评估，以确定使用Llama 4是否会显著增强恶意行为者使用此类武器策划或实施攻击的能力。还针对此风险领域的内容政策违规行为进行了额外的红队测试和评估。
• 儿童安全：首先利用预训练方法（如数据过滤）降低模型中的儿童安全风险。为评估训练后模型的儿童安全风险，由一组专家评估模型产生可能导致儿童安全风险输出的能力。利用这些评估结果进行额外的模型微调，并进行深入的红队测试。还扩展了儿童安全评估基准，以涵盖Llama 4的多图像和多语言能力。
• 网络攻击启用：网络评估调查了Llama 4是否有足够的能力导致灾难性威胁场景。进行了威胁建模练习，以确定在关键攻击向量方面，自动化操作或增强人类能力所需的特定模型能力，包括技能水平和速度。然后确定并开发了针对这些能力的挑战，以测试Llama 4和同类模型。具体而言，重点评估了Llama 4自动化网络攻击、识别和利用安全漏洞以及自动化有害工作流程的能力。总体而言，发现Llama 4模型不会引入可能导致灾难性网络后果的风险。

社区

生成式AI安全需要专业知识和工具，我们相信开放社区的力量可以加速其发展。我们是开放联盟的积极成员，包括AI联盟、AI合作组织和MLCommons，积极为安全标准化和透明度做出贡献。鼓励社区采用MLCommons概念验证评估等分类法，以促进安全和内容评估方面的合作和透明度。我们的信任工具已开源，供社区使用，并广泛分发给包括云服务提供商在内的生态系统合作伙伴。鼓励社区为我们的GitHub仓库做出贡献。

我们还设立了Llama影响赠款计划，以识别和支持Meta的Llama模型在教育、气候和开放创新三个类别中对社会有益的最有前景的应用。数百份申请中的20名决赛选手名单可在此处查看。

最后，我们建立了一系列资源，包括输出报告机制和漏洞赏金计划，以在社区的帮助下不断改进Llama技术。

注意事项和限制

我们的AI基于言论自由的价值观，帮助人们利用我们的技术进行探索、辩论和创新。我们尊重人们的自主权，使他们能够选择如何体验、交互和构建AI。我们的AI促进思想的开放交流。

它旨在服务于所有人，并适用于广泛的用例。因此，它的设计旨在让具有不同背景、经验和观点的人都能使用。Llama 4以用户的实际需求为导向，不插入不必要的判断，同时认识到即使在某些情况下可能存在问题的内容，在其他情况下也可能有价值。它尊重所有用户的自主权，特别是在推动创新和进步的自由思想和表达价值观方面。

Llama 4是一项新技术，与任何新技术一样，使用它存在一定的风险。到目前为止进行的测试尚未涵盖，也不可能涵盖所有场景。因此，与所有大语言模型一样，无法提前预测Llama 4的潜在输出，并且在某些情况下，模型可能会对用户提示产生不准确或其他令人反感的响应。因此，在部署Llama 4模型的任何应用之前，开发者应针对其特定应用进行安全测试和调优。我们还鼓励开源社区将Llama用于研究目的，并构建解决新兴风险的先进工具。请参考可用资源，包括我们的《开发者使用指南：AI保护》、Llama保护解决方案和其他资源以了解更多信息。

🔧 技术细节

模型架构

Llama 4模型是自回归语言模型，采用混合专家（MoE）架构，并结合早期融合实现原生多模态。这种架构允许模型在处理文本和图像时更加高效和灵活。

训练过程

使用自定义训练库、Meta定制的GPU集群和生产基础设施进行预训练。微调、量化、标注和评估也在生产基础设施上进行。训练过程中，模型在大规模的多模态数据上进行学习，以提高其在各种任务上的性能。

量化技术

Llama 4 Scout模型可以通过即时int4量化适配单个H100 GPU，而Llama 4 Maverick模型提供了BF16和FP8量化权重。量化技术可以减少模型的内存占用和计算成本，同时保持模型的性能。

📄 许可证

本项目使用自定义商业许可证，Llama 4社区许可协议，详情见：https://github.com/meta-llama/llama-models/blob/main/models/llama4/LICENSE。在使用本模型时，请遵守相关的许可协议。