متا در ۵ آوریل ۲۰۲۵ از خانواده جدید مدل‌های متن‌باز خود با نام Llama 4 رونمایی کرد؛ خانواده‌ای که با دو مدل اولیه Scout و Maverick و یک مدل استدلالی آینده‌نگر به نام Behemoth، برای اولین‌بار معماری بومی چندوجهی و پنجره متنی تا ۱۰ میلیون توکن را به اکوسیستم متن‌باز آورد. اگر پیگیر خبرهای مدل‌های بزرگ در ۱۴۰۵ هستید و می‌خواهید بدانید این رونمایی چرا مهم‌تر از یک به‌روزرسانی ساده است، جای درستی آمده‌اید — در این گزارش تمام جزئیات رسمی، قابلیت‌ها، محدودیت‌ها و کاربرد عملی آن برای توسعه‌دهندگان ایرانی را مرور می‌کنیم.

Llama 4 متا چیست و چرا مهم‌ترین خبر متن‌باز ۱۴۰۵ است؟

Llama 4 نسل چهارم مدل‌های زبانی متا است که به‌صورت بومی چندوجهی (متن، تصویر و ویدیو) آموزش دیده، از معماری Mixture-of-Experts استفاده می‌کند و در دو نسخه Scout سبک و قابل اجرا روی یک GPU و Maverick پرچمدار ۴۰۰ میلیارد پارامتری عرضه شده است. این مدل با پنجره متنی ۱۰ میلیونی و آموزش روی بیش از ۳۰ تریلیون توکن، قوی‌ترین تلاش متا برای رقابت مستقیم با مدل‌های بسته است — در ادامه می‌بینیم چه چیزی تغییر کرده است.

فهرست مطالب

چه اتفاقی افتاده؟ متا Llama 4 را کی و کجا معرفی کرد
دو مدل اصلی Llama 4: Scout و Maverick چه هستند؟
Llama 4 Scout؛ مدل سبک ۱۷ میلیارد پارامتری با پنجره ۱۰ میلیونی
Llama 4 Maverick؛ پرچمدار ۴۰۰ میلیاردی برای رقابت با مدل‌های بسته
قابلیت‌های کلیدی Llama 4 که آن را متمایز می‌کند
محدودیت‌ها و نکات دسترسی؛ متن‌باز به چه معناست؟
تاثیر عملی Llama 4 برای توسعه‌دهندگان و کسب‌وکارهای ایرانی
مقایسه Llama 4 با رقبای مستقیم
اشتباهات رایج هنگام کار با Llama 4
سوالات متداول
جمع‌بندی

چه اتفاقی افتاده؟ متا Llama 4 را کی و کجا معرفی کرد

متا در روز شنبه ۵ آوریل ۲۰۲۵ (۱۶ فروردین ۱۴۰۴) با انتشار پست رسمی در وبلاگ Meta AI و حساب مارک زاکربرگ، از خانواده Llama 4 پرده برداشت. برخلاف نسل‌های قبلی که ابتدا مقاله و سپس وزن‌ها منتشر می‌شد، این بار هر دو مدل Scout و Maverick هم‌زمان با اعلام رسمی برای دانلود از طریق huggingface و وب‌سایت llama.com در دسترس قرار گرفتند. مدل سوم خانواده به نام Llama 4 Behemoth با ۲۸۸ میلیارد پارامتر فعال و نزدیک به ۲ تریلیون پارامتر کل، به‌عنوان مدل معلم (teacher) معرفی شد که هنوز در مرحله آموزش است و متا می‌گوید قوی‌ترین مدل پایه آن‌ها تا امروز خواهد بود.

اهمیت زمان‌بندی هم قابل توجه است. در حالی که صنعت درگیر رقابت مدل‌های بسته مانند GPT-4.5 و Gemini 2.5 Pro بود، متا با عرضه یک خانواده تمام‌عیار چندوجهی و متن‌باز، دوباره برگ برنده‌ای رو کرده که جامعه توسعه‌دهندگان را هدف می‌گیرد. این خبر در کمتر از ۴۸ ساعت بیش از ۱ میلیون دانلود در Hugging Face ثبت کرد و به سرعت در رتبه اول ترند GitHub قرار گرفت. برخلاف شایعات اولیه درباره تاخیر Llama 4 تا تابستان، متا نشان داد آموزش روی کلاستر عظیم H100 خود را زودتر به پایان رسانده است.

نکته مهم برای مخاطب ایرانی این است که متا صراحتاً اعلام کرده وزن‌های باز با مجوز Llama 4 Community License منتشر شده‌اند؛ یعنی دانلود و اجرای لوکال بدون نیاز به API کلید، برخلاف مدل‌های بسته. البته این مجوز مانند نسل‌های قبل شرط ۷۰۰ میلیون کاربر ماهانه برای استفاده تجاری بزرگ را حفظ کرده است.

دو مدل اصلی Llama 4: Scout و Maverick چه هستند؟

خانواده Llama 4 برخلاف Llama 3 که نسخه‌های ۸ و ۷۰ میلیاردی داشت، کاملاً بر معماری Mixture-of-Experts یا MoE ساخته شده است. یعنی هر مدل از ده‌ها کارشناس (Expert) تخصصی تشکیل شده و در هر توکن فقط بخشی از آن‌ها فعال می‌شود. این طراحی باعث می‌شود مدل بسیار بزرگی داشته باشیم اما هزینه استنتاج (inference) به اندازه یک مدل کوچک باقی بماند. هر دو مدل Scout و Maverick به‌صورت early fusion چندوجهی آموزش دیده‌اند؛ یعنی تصویر و متن از ابتدای پیش‌آموزش با هم ترکیب شده‌اند، نه اینکه بعداً یک انکودر بینایی به مدل متنی اضافه شده باشد.

Llama 4 Scout؛ مدل سبک ۱۷ میلیارد پارامتری با پنجره ۱۰ میلیونی

Scout کوچک‌ترین عضو خانواده است اما شاید جذاب‌ترین آن برای توسعه‌دهندگان مستقل باشد. این مدل در مجموع ۱۰۹ میلیارد پارامتر دارد اما در هر توکن فقط ۱۷ میلیارد پارامتر فعال می‌شود و از ۱۶ کارشناس استفاده می‌کند. مهم‌ترین ویژگی Scout، پنجره متنی خیره‌کننده ۱۰ میلیون توکن است — عددی که متا می‌گوید با معماری iRoPE (interleaved RoPE) و آموزش روی دنباله‌های بسیار طولانی به دست آمده است.

این پنجره به معنای تحلیل حدود ۷۵۰۰ صفحه متن یا چند ساعت ویدیو در یک درخواست واحد است، بدون نیاز به تقسیم یا خلاصه‌سازی چندمرحله‌ای. متا تاکید کرده Scout به‌گونه‌ای بهینه شده که روی یک کارت H100 به‌صورت کامل (با کوانتیزاسیون INT4) اجرا می‌شود و با حافظه ۳۲ گیگابایت نیز قابل بارگذاری است. برای کسب‌وکارهای ایرانی که دسترسی پایدار به API خارجی ندارند، این یعنی امکان اجرای لوکال یک مدل چندوجهی واقعاً هوشمند روی یک سرور اختصاصی.

در بنچمارک‌های رسمی، Scout در تست‌های چندوجهی و کدنویسی از مدل‌هایی مانند Gemma 3 و Mistral Small جلوتر است و در دانش عمومی نزدیک به Llama 3.3 70B عمل می‌کند، با نصف هزینه استنتاج.

Llama 4 Maverick؛ پرچمدار ۴۰۰ میلیاردی برای رقابت با مدل‌های بسته

Maverick مدل پرچمدار خانواده است؛ مدلی با ۴۰۰ میلیارد پارامتر کل و ۱۷ میلیارد پارامتر فعال در هر توکن و ۱۲۸ کارشناس. متا می‌گوید Maverick در دسته مدل‌های «intelligence frontier» قرار می‌گیرد و مستقیماً با GPT-4o و Gemini 2.0 Flash رقابت می‌کند، اما با این تفاوت که وزن‌های آن باز است.

Maverick نیز بومی چندوجهی است و می‌تواند تصویر، متن و ویدیو تا ۸ فریم را هم‌زمان بفهمد. پنجره متنی آن ۱ میلیون توکن است — کمتر از Scout اما همچنان بسیار فراتر از استاندارد ۱۲۸K بازار. متا گزارش داده که Maverick در بنچمارک‌های MMLU، MATH و MMMU چندوجهی، امتیازی بالاتر از GPT-4o و Claude 3.5 Sonnet کسب کرده و در تست‌های کدنویسی HumanEval به ۸۴٪ رسیده است. نکته جالب اینجاست که Maverick با وجود ۴۰۰ میلیارد پارامتر، به لطف MoE، هزینه استنتاجی نزدیک به یک مدل ۱۷ میلیاردی متراکم دارد و روی یک ماشین ۸xH100 به‌راحتی سرویس داده می‌شود.

هر دو مدل با دستورالعمل‌های جدید متا برای هم‌ترازی (alignment) بدون سانسور افراطی تنظیم شده‌اند؛ متا می‌گوید Maverick در پاسخ به سوالات سیاسی و اجتماعی، از «refusal» کمتر و از تعادل دیدگاهی بیشتر استفاده می‌کند — ادعایی که البته جامعه باید در عمل بسنجد.

قابلیت‌های کلیدی Llama 4 که آن را متمایز می‌کند

فراتر از اعداد پارامتر، Llama 4 چند جهش معماری دارد که آن را از Llama 3.3 متمایز می‌کند:

چندوجهی بومی Early Fusion: برخلاف Llama 3.2 Vision که یک انکودر تصویر جداگانه داشت، Llama 4 از ابتدا روی ۳۰ تریلیون توکن متنی و چندوجهی با ترکیب interleaved تصویر-متن آموزش دیده است. نتیجه درک بهتر نمودار، اسکرین‌شات و ویدیو کوتاه است.
پنجره متنی فوق‌طولانی: Scout با ۱۰ میلیون و Maverick با ۱ میلیون توکن، امکان تحلیل کل کدبیس یک پروژه یا کل آرشیو یک شرکت را در یک پرامپت می‌دهند. متا از تکنیک MetaP برای آموزش پایدار روی این طول استفاده کرده است.
معماری MoE کارآمد: فعال‌سازی شرطی کارشناس‌ها باعث شده نسبت پارامتر کل به فعال حدود ۶ تا ۲۳ برابر باشد؛ یعنی هوش بیشتر بدون انفجار هزینه.
کد و استدلال قوی‌تر: متا می‌گوید داده‌های کدنویسی و ریاضی را ۴ برابر نسل قبل افزایش داده و Maverick را روی ۱۰ میلیون نمونه استدلالی با نظارت انسانی fine-tune کرده است.
پشتیبانی از ۲۰۰ زبان: از جمله فارسی، عربی و اردو با بهبود توکنایزر. تست‌های اولیه جامعه نشان می‌دهد فارسی Maverick نسبت به Llama 3.1 بسیار روان‌تر و کم‌غلط‌تر است.
قابلیت ابزارخوانی (Tool Use): هر دو مدل برای فراخوانی تابع (function calling) و استفاده از ابزار بهینه شده‌اند و در بنچمارک BFCL از GPT-4o جلو زده‌اند.

برای توسعه‌دهندگان، ترکیب متن‌باز + چندوجهی + پنجره طولانی + اجرای لوکال همان چیزی است که مدت‌ها انتظارش را می‌کشیدند. اگر پیش‌تر تجربه کار با مدل‌های متن‌باز را دنبال کرده‌اید، مقایسه این نسل با DeepSeek-R1 متن‌باز که انقلاب استدلال را رقم زد نشان می‌دهد رقابت متن‌بازها وارد فاز چندوجهی شده است.

محدودیت‌ها و نکات دسترسی؛ متن‌باز به چه معناست؟

با وجود هیجان، چند محدودیت مهم را باید جدی گرفت:

۱. مجوز Community License: وزن‌ها رایگان و قابل دانلود هستند اما اگر محصول شما بیش از ۷۰۰ میلیون کاربر ماهانه داشته باشد، باید از متا مجوز تجاری جداگانه بگیرید. این بند برای استارتاپ‌های ایرانی محدودیت عملی ایجاد نمی‌کند اما برای پلتفرم‌های بزرگ مهم است. همچنین استفاده برای آموزش مدل‌های رقیب که خروجی Llama 4 را مستقیماً بازتولید کنند، ممنوع است.

۲. نیاز سخت‌افزاری: اگرچه Scout روی یک H100 اجرا می‌شود، برای اجرای روان Maverick به حداقل ۸xH100 یا نسخه‌های کوانتایز شده نیاز دارید. نسخه INT4 و AWQ غیررسمی جامعه در حال انتشار است اما کیفیت فارسی آن‌ها هنوز باید تست شود.

۳. سانسور و سوگیری: متا ادعای «کمترین سانسور در پاسخ‌های حساس» را دارد اما تست‌های اولیه نشان می‌دهد هنوز در موضوعات سیاسی آمریکا جانب احتیاط را رعایت می‌کند. برای کاربردهای فارسی، باید رفتار مدل را روی داده حساس داخلی خود تست کنید.

۴. Behemoth هنوز نیامده: قوی‌ترین مدل خانواده (Behemoth) هنوز منتشر نشده و فقط امتیاز بنچمارک آن اعلام شده است. متا می‌گوید آن را به‌عنوان معلم برای تقطیر دانش به Scout و Maverick استفاده کرده، اما وعده انتشار وزن‌های آن در آینده را داده است.

۵. دانش تا تاریخ برش: دانش مدل تا آگوست ۲۰۲۴ به‌روز است؛ برای اخبار لحظه‌ای همچنان به RAG و جستجوی وب نیاز دارید.

تاثیر عملی Llama 4 برای توسعه‌دهندگان و کسب‌وکارهای ایرانی

برای اکوسیستم ایران، Llama 4 سه فرصت مستقیم دارد. اول، اجرای آفلاین و حاکمیتی: سازمان‌ها می‌توانند مدل را روی سرور داخلی بدون ارسال داده به API خارجی اجرا کنند — مزیت بزرگ برای بانک‌ها، مراکز درمانی و حقوقی. دوم، Fine-tune فارسی ارزان: چون Scout نسبتاً سبک است، می‌توان آن را با LoRA روی داده فارسی-تخصصی (مثلاً حقوقی یا پزشکی) با یک GPU به‌صورت اقتصادی تطبیق داد. سوم، اپ‌های چندوجهی: از تحلیل فاکتور و اسناد تصویری تا ویدیوی آموزشی کوتاه، بدون نیاز به پایپ‌لاین جداگانه OCR.

عملی‌ترین شروع این است: Scout را با Ollama یا vLLM روی یک سرور H100 یا حتی دو 4090 با کوانتیزاسیون ۴ بیتی بالا بیاورید، یک دیتاست ۵۰۰ نمونه‌ای فارسی برای حوزه خود بسازید و با LoRA تطبیق دهید. سپس با یک لایه RAG روی اسناد خود، یک دستیار داخلی بسازید که تصویر و متن را هم‌زمان بفهمد. هزینه استنتاج لوکال پس از راه‌اندازی، تقریباً ثابت می‌ماند — برخلاف APIهای دلاری که با هر توکن هزینه می‌تراشند.

نکته امنیتی: حتماً ورودی‌های چندوجهی را فیلتر کنید؛ تصویر مخرب می‌تواند jailbreak متنی را دور بزند. متا ابزار Llama Guard 4 را همراه خانواده منتشر کرده که پیشنهاد می‌شود جلوی ورودی قرار دهید.

مقایسه Llama 4 با رقبای مستقیم

برای انتخاب درست، باید Llama 4 را کنار رقبای مستقیم ببینیم. جدول زیر بر اساس گزارش رسمی متا و بنچمارک‌های مستقل تنظیم شده و مقایسه را محتاطانه نشان می‌دهد — اعداد مطلق کمتر از روند مهم هستند:

مدل	معماری	پنجره متنی	چندوجهی	دسترسی	نقطه قوت
Llama 4 Scout	MoE 109B (17B فعال)	۱۰ میلیون	بومی	متن‌باز، 1xH100	طولانی‌ترین پنجره + اجرای ارزان
Llama 4 Maverick	MoE 400B (17B فعال)	۱ میلیون	بومی	متن‌باز، 8xH100	هوش نزدیک GPT-4o با هزینه کمتر
DeepSeek-R1	MoE 671B (37B فعال)	۱۲۸K	متنی	متن‌باز	استدلال عمیق ریاضی
Gemini 2.5 Pro	متراکم بسته	۱ میلیون	بومی	API بسته	اکوسیستم گوگل
GPT-4o	بسته	۱۲۸K	بومی	API بسته	پایداری محصول

جمع‌بندی جدول این است: اگر پنجره طولانی و اجرای لوکال اولویت شماست Scout بی‌رقیب است؛ اگر هوش عمومی بالا با هزینه کنترل‌شده می‌خواهید Maverick بهترین تعادل متن‌باز است؛ و اگر استدلال ریاضی صرف مهم‌تر است DeepSeek-R1 همچنان مرجع است.

اشتباهات رایج هنگام کار با Llama 4

اجرای نسخه FP16 کامل روی سخت‌افزار ضعیف: بسیاری سعی می‌کنند Maverick را با FP16 روی ۲×3090 اجرا کنند و با OOM مواجه می‌شوند. از نسخه‌های INT4 رسمی یا AWQ جامعه استفاده کنید و حتماً vLLM با PagedAttention را به‌کار بگیرید.
نادیده گرفتن پرامپت سیستمی جدید: متا فرمت chat جدیدی با headerهای خاص برای چندوجهی معرفی کرده است. کپی پرامپت Llama 3.1 باعث افت کیفیت و حتی توهم تصویری می‌شود.
انتظار دانش روز بدون RAG: Llama 4 تا آگوست ۲۰۲۴ می‌داند؛ سوال درباره قیمت دلار لحظه‌ای یا قانون جدید بدون RAG، توهم قطعی می‌دهد. همیشه یک لایه جستجو یا پایگاه دانش اضافه کنید.
فاین‌تیون روی داده کم‌کیفیت فارسی: داده ترجمه ماشینی پرغلط، لهجه مدل را خراب می‌کند. حداقل ۷۰٪ داده فاین‌تیون باید فارسی طبیعی و تمیز باشد، نه ترجمه مستقیم انگلیسی.
فراموشی Llama Guard: اجرای مدل بدون فیلتر ایمنی در محصول عمومی، ریسک محتوای نامناسب یا نشت داده را بالا می‌برد. Llama Guard 4 را جلوی ورودی/خروجی قرار دهید.

سوالات متداول

Llama 4 Scout و Maverick چه تفاوتی دارند و کدام را انتخاب کنیم؟

Scout سبک‌تر است (۱۰۹ میلیارد کل، ۱۷ میلیارد فعال) اما پنجره ۱۰ میلیونی دارد و روی یک H100 اجرا می‌شود؛ برای تحلیل اسناد طولانی و اجرای ارزان عالی است. Maverick با ۴۰۰ میلیارد پارامتر کل، هوش عمومی بالاتری دارد و برای محصول نهایی که کیفیت پاسخ مهم‌تر از هزینه است مناسب‌تر است. اگر بودجه GPU محدود است با Scout شروع کنید.

آیا Llama 4 واقعاً متن‌باز است و می‌توان آن را تجاری استفاده کرد؟

بله، با مجوز Llama 4 Community License وزن‌ها قابل دانلود و استفاده تجاری و فاین‌تیون هستند، به شرطی که محصول شما زیر ۷۰۰ میلیون کاربر ماهانه باشد. بالای این حد باید مجوز جداگانه از متا بگیرید. همچنین اجازه ندارید خروجی Llama 4 را مستقیماً برای آموزش مدل رقیب استفاده کنید.

پنجره ۱۰ میلیون توکن Scout در عمل چه کاربردی دارد؟

می‌توانید کل مستندات یک پروژه، چند کتاب یا آرشیو چند ماهه چت‌ها را در یک پرامپت بدهید و از مدل بخواهید خلاصه، تحلیل یا پاسخ ترکیبی بدهد بدون نیاز به تقسیم چندمرحله‌ای. این برای تحلیل حقوقی، حسابرسی کد و پژوهش دانشگاهی بسیار کاربردی است، هرچند هزینه توکن ورودی طولانی همچنان باید مدیریت شود.

آیا Llama 4 فارسی را خوب می‌فهمد؟

متا می‌گوید توکنایزر جدید ۲۰۰ زبان از جمله فارسی را پشتیبانی می‌کند و تست‌های اولیه جامعه نرخ خطای دستوری فارسی Maverick را نسبت به Llama 3.1 حدود ۴۰٪ کمتر نشان می‌دهد. با این حال برای لحن حرفه‌ای فارسی، فاین‌تیون روی داده تمیز فارسی همچنان توصیه می‌شود.

Llama 4 Behemoth کی منتشر می‌شود؟

متا تاریخ دقیقی اعلام نکرده و گفته Behemoth هنوز در آموزش است و فعلاً به‌عنوان مدل معلم برای تقطیر دانش به Scout و Maverick استفاده می‌شود. برخی منابع از عرضه در تابستان ۲۰۲۵ خبر می‌دهند اما تا اعلام رسمی باید منتظر ماند؛ فعلاً Scout و Maverick برای استفاده آماده هستند.

جمع‌بندی

Llama 4 با دو مدل Scout و Maverick نشان داد متن‌بازها نه‌تنها به پای مدل‌های بسته رسیده‌اند بلکه در پنجره متنی و کارایی MoE از آن‌ها جلو زده‌اند. اگر می‌خواهید از این موج عقب نمانید، این چک‌لیست عملی را دنبال کنید:

Scout را روی یک H100 یا نسخه INT4 روی دو 4090 با vLLM بالا بیاورید و پنجره ۱۰ میلیونی را روی اسناد واقعی خود تست کنید.
فرمت پرامپت جدید چندوجهی متا را از مستندات رسمی کپی کنید، نه از الگوهای قدیمی Llama 3.
برای فارسی، یک دیتاست ۵۰۰ تا ۲۰۰۰ نمونه‌ای تمیز بسازید و با LoRA فاین‌تیون کنید.
RAG و Llama Guard 4 را از روز اول به معماری اضافه کنید تا توهم و ریسک ایمنی را کنترل کنید.
بنچمارک داخلی خود (فارسی + تصویر) را بسازید و Maverick و Scout را قبل از انتخاب نهایی مقایسه کنید.

خانواده Llama 4 مسیر توسعه هوش مصنوعی در ۱۴۰۵ را از وابستگی به API بسته به سمت اجرای حاکمیتی و خلاقیت لوکال می‌برد — فرصتی که برای تیم‌های ایرانی که به دنبال استقلال داده و هزینه پایدار هستند، بسیار مغتنم است.

متا Llama 4 را معرفی کرد؛ انقلاب متن‌باز چندوجهی در ۱۴۰۵