Llama 4 Scout 17B 16E Instruct Bnb 4bit

🚀 meta-llama/Llama-4-Scout-17B-16E-Instruct (量化版)

本模型是原始模型meta-llama/Llama-4-Scout-17B-16E-Instruct的量化版本，通过量化操作，在一定程度上优化了模型的存储和推理效率，使其能更好地适应不同的应用场景。

🚀 快速开始

请确保你已安装 transformers 库的 v4.51.0 版本，若未安装，可使用以下命令进行升级：

pip install -U transformers

以下是使用该模型的示例代码：

from transformers import AutoProcessor, Llama4ForConditionalGeneration
import torch

model_id = "meta-llama/Llama-4-Scout-17B-16E-Instruct"

processor = AutoProcessor.from_pretrained(model_id)
model = Llama4ForConditionalGeneration.from_pretrained(
    model_id,
    attn_implementation="flex_attention",
    device_map="auto",
    torch_dtype=torch.bfloat16,
)

url1 = "https://huggingface.co/datasets/huggingface/documentation-images/resolve/0052a70beed5bf71b92610a43a52df6d286cd5f3/diffusers/rabbit.jpg"
url2 = "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/datasets/cat_style_layout.png"
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "url": url1},
            {"type": "image", "url": url2},
            {"type": "text", "text": "Can you describe how these two images are similar, and how they differ?"},
        ]
    },
]

inputs = processor.apply_chat_template(
    messages,
    add_generation_prompt=True,
    tokenize=True,
    return_dict=True,
    return_tensors="pt",
).to(model.device)

outputs = model.generate(
    **inputs,
    max_new_tokens=256,
)

response = processor.batch_decode(outputs[:, inputs["input_ids"].shape[-1]:])[0]
print(response)
print(outputs[0])

✨ 主要特性

• 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，能满足不同地区用户的需求。
• 多模态能力：原生支持文本和图像的多模态处理，可用于图像理解、视觉推理、图像描述等任务。
• 高效架构：采用混合专家（MoE）架构，结合早期融合技术，在文本和图像理解方面具有领先的性能。
• 可调节性强：Llama 4 模型更易于调节，通过有效的系统提示，能显著提升模型性能，减少错误拒绝和模板化语言，使对话更自然。

📦 安装指南

确保你已安装 transformers 库的 v4.51.0 版本，可使用以下命令进行安装或升级：

pip install -U transformers

💻 使用示例

基础用法

from transformers import AutoProcessor, Llama4ForConditionalGeneration
import torch

model_id = "meta-llama/Llama-4-Scout-17B-16E-Instruct"

processor = AutoProcessor.from_pretrained(model_id)
model = Llama4ForConditionalGeneration.from_pretrained(
    model_id,
    attn_implementation="flex_attention",
    device_map="auto",
    torch_dtype=torch.bfloat16,
)

url1 = "https://huggingface.co/datasets/huggingface/documentation-images/resolve/0052a70beed5bf71b92610a43a52df6d286cd5f3/diffusers/rabbit.jpg"
url2 = "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/datasets/cat_style_layout.png"
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "url": url1},
            {"type": "image", "url": url2},
            {"type": "text", "text": "Can you describe how these two images are similar, and how they differ?"},
        ]
    },
]

inputs = processor.apply_chat_template(
    messages,
    add_generation_prompt=True,
    tokenize=True,
    return_dict=True,
    return_tensors="pt",
).to(model.device)

outputs = model.generate(
    **inputs,
    max_new_tokens=256,
)

response = processor.batch_decode(outputs[:, inputs["input_ids"].shape[-1]:])[0]
print(response)
print(outputs[0])

📚 详细文档

原模型信息

模型信息

Llama 4 系列模型是原生多模态人工智能模型，支持文本和多模态交互。这些模型采用混合专家（MoE）架构，在文本和图像理解方面具有领先的性能。

本次发布了 Llama 4 系列的两个高效模型：Llama 4 Scout（170 亿参数，16 个专家）和 Llama 4 Maverick（170 亿参数，128 个专家）。

预期用途

• 预期用例：Llama 4 适用于多语言的商业和研究用途。指令调优模型可用于类似助手的聊天和视觉推理任务，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、图像描述和回答关于图像的通用问题进行了优化。Llama 4 社区许可协议允许这些用例的使用。
• 超出范围：禁止以任何违反适用法律法规（包括贸易合规法律）的方式使用。禁止以可接受使用政策和 Llama 4 社区许可协议禁止的其他方式使用。禁止在本模型卡未明确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。

训练能源使用

模型预训练在 H100 - 80GB（TDP 为 700W）类型的硬件上累计使用了 738 万 GPU 小时的计算资源，具体如下表所示。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。

训练能源使用和温室气体排放量的计算方法可参考此处。由于 Meta 公开发布这些模型，其他用户不会产生训练能源使用和温室气体排放。

基准测试

预训练模型

指令调优模型

^MMMU Pro 报告的数字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

进行安全微调的主要目标是为开发者提供一个随时可用、安全且强大的模型，用于各种应用，减少部署安全人工智能系统所需的工作量。此外，这一工作也为研究社区提供了一个研究安全微调鲁棒性的宝贵资源。

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，能够精心选择高质量的提示和响应，加强数据质量控制。

拒绝策略

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。

语气优化

扩展了 Llama 3 模型在拒绝语气方面的工作，使模型的回复更加自然。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 是一个更易于调节的模型，意味着可以轻松调整响应以满足开发者的特定需求。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错误拒绝和常见于大语言模型中的模板化或“说教式”语言模式。它们还可以提高对话性和正确格式的使用。

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行进一步定制：

Llama 4 系统保护

大语言模型（包括 Llama 4）不应孤立部署，而应作为整体人工智能系统的一部分，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实用性 - 安全性平衡、减轻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防护措施，以便开发者能够立即受益于系统级的安全性。

评估

我们对 Llama 模型进行了常见用例和特定能力的评估。常见用例评估衡量了最常见构建应用程序（包括聊天机器人、视觉问答）的系统安全风险。我们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程序非常重要，我们建议为你的用例构建专门的评估数据集。如果与应用程序相关，Prompt Guard 和 Code Shield 也可供使用。

能力评估衡量了 Llama 模型特定能力固有的漏洞，为此我们精心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

我们定期进行红队测试，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我们的基准测试和安全调优数据集。我们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。基于这些对话，我们为红队制定了一系列对抗性目标，例如提取有害信息或重新编程模型以采取潜在有害的行为。红队由网络安全、对抗性机器学习和完整性方面的专家以及具有特定地理市场完整性问题背景的多语言内容专家组成。

关键风险

我们特别关注以下关键风险领域：

• CBRNE（化学、生物、放射性、核和爆炸物材料）实用性：为了评估 Llama 4 在化学和生物武器扩散方面的风险，我们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策划或实施使用此类武器的攻击的能力。我们还针对与该风险领域相关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：我们首先利用预训练方法（如数据过滤）来减轻模型中的儿童安全风险。为了评估训练后模型的儿童安全风险，一组专家评估了模型产生可能导致儿童安全风险的输出的能力。我们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。我们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。
• 网络攻击支持：我们的网络评估调查了 Llama 4 是否有足够的能力导致灾难性的网络威胁场景。我们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，我们确定并开发了针对 Llama 4 和同类模型测试这些能力的挑战。具体而言，我们重点评估了 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，我们发现 Llama 4 模型不会引入可能导致灾难性网络后果的风险。

社区

生成式人工智能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。我们积极参与开放联盟，包括人工智能联盟、人工智能合作组织和 MLCommons，积极为安全标准化和透明度做出贡献。我们鼓励社区采用 MLCommons 概念验证评估等分类法，以促进安全和内容评估的合作与透明度。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。我们鼓励社区为我们的 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 模型在三个类别中的最有前景的应用：教育、气候和开放创新。数百份申请中的 20 名决赛选手名单可在此处找到。

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

我们的人工智能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、交互和构建人工智能。我们的人工智能促进思想的开放交流。

它旨在为所有人服务，并适用于广泛的用例。因此，它设计为对具有不同背景、经验和观点的人都可访问。Llama 4 以用户的实际需求为出发点，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 模型的任何应用程序之前，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：人工智能保护》、Llama 保护解决方案和其他资源以了解更多信息。

📄 许可证

本模型使用自定义商业许可证，Llama 4 社区许可协议，详情见此处。