Llama 4 Maverick

Offenes, nativ multimodales MoE-Modell von Meta (402B gesamt / 17B aktiv, 1M Kontext) – deutlich stärker als Scout, unabhängig gemessen aber weit hinter aktuellen Modellen.

Überblick

Llama 4 Maverick ist das größere der beiden offenen Modelle, die Meta am 05.04.2025 als „Llama 4 herd" veröffentlicht hat. Es ist ein nativ multimodales Mixture-of-Experts-Modell (Text und Bild rein, Text raus) mit 17B aktiven und rund 400B Gesamtparametern, einem Kontextfenster von 1M Token und Wissensstand August 2024. Meta hat Maverick per Codistillation aus dem nie veröffentlichten Lehrermodell Llama 4 Behemoth trainiert. Es ist ein Non-Reasoning-Modell – Antworten kommen direkt, ohne Denkphase.

Use Cases

Bild- und Dokumentverständnis: Diagramme, Tabellen, gescannte Seiten (DocVQA 94,4 %, ChartQA 90,0 % laut Meta)
Mehrsprachige Assistenz in den zwölf offiziell unterstützten Sprachen, darunter Deutsch
Lange Dokumente und Codebasen dank 1M-Kontext (AA-LCR v1.1: 50 % gegenüber 28 % bei Scout)
Günstige, latenzarme Chat- und Extraktionsaufgaben über gehostete Endpunkte
Self-Hosting, wo die Lizenz es zulässt (siehe „Gut zu wissen")

Stärken & Grenzen

Stärken

Klar vor dem Geschwistermodell Scout bei Wissen und Coding: MMLU-Pro 80,5 gegen 74,3, GPQA Diamond 69,8 gegen 57,2, LiveCodeBench 43,4 gegen 32,8 (jeweils Meta)
Nur 17B aktive Parameter pro Token – schnell und günstig für seine Gesamtgröße
Starke Bild- und Dokumentwerte für ein Modell dieser Generation

Grenzen

Unabhängig gemessen schwach: Artificial Analysis schätzt den Intelligence Index auf 10 (v4.3.2, als „Estimated" markiert), bei agentischen Aufgaben durchgängig 0 % (Terminal-Bench v4.0, AutomationBench-AA, AA-Briefcase, CritPt)
Hohe Halluzinationsneigung: AA-Omniscience −42
Kein Reasoning-Modus, Wissensstand August 2024
Im LMArena-Textboard liegt die veröffentlichte Fassung mit 1.327 Elo (Rang 247) nur knapp vor Scout (1.322) – der große Abstand bei den Fachbenchmarks zeigt sich in menschlichen Präferenzurteilen nicht
Bildverständnis laut Meta nur mit bis zu fünf Eingabebildern getestet

Praxis-Erfahrung

Artificial Analysis misst über 7 API-Anbieter im Median 38–39 Token/s Ausgabe und 1,05 s bis zum ersten Token – langsamer als Scout (85 Token/s)
Preise sind Drittanbieter-Konditionen, kein Meta-Tarif: im AA-Mittel 0,25 $ / 0,87 $ je 1 Mio. Input-/Output-Token
Gewichte als meta-llama/Llama-4-Maverick-17B-128E-Instruct auf Hugging Face (Zugang nach Freigabe), in BF16 und FP8; die FP8-Gewichte passen laut Meta auf einen einzelnen H100-DGX-Knoten (8× H100)
In Ollama als llama4:maverick bzw. llama4:128x17b (245 GB, 1M Kontext, Vision und Tools)

Gut zu wissen

Achtung, EU-Klausel: Die Acceptable Use Policy zu Llama 4 gewährt die Lizenzrechte aus Abschnitt 1(a) für die multimodalen Llama-4-Modelle nicht an Personen mit Wohnsitz oder Unternehmen mit Hauptsitz in der EU. Ausgenommen sind Endnutzer eines Produkts oder Dienstes, der das Modell enthält. Für Unternehmen in der EU, die Maverick selbst betreiben oder anpassen wollen, ist das vor einem Einsatz rechtlich zu prüfen.

Lizenz: Llama 4 Community License – keine OSI-Lizenz; ab 700 Mio. monatlich aktiven Nutzern ist eine gesonderte Lizenz von Meta nötig; „Built with Llama"-Hinweis und „Llama" am Namensanfang abgeleiteter Modelle sind Pflicht
Parameter: Meta nennt 400B, die Safetensors-Metadaten weisen 401,6 Mrd. aus (inkl. Vision-Encoder), Artificial Analysis führt 402B
Architektur (laut config.json): 48 Schichten, davon 24 MoE-Schichten (jede zweite); je Token ein geroutetes Expertenmodul plus ein Shared Expert; Hidden Size 5.120, 40 Attention-Heads / 8 KV-Heads, Vokabular 202.048; jede vierte Schicht ohne Positionskodierung (iRoPE), die übrigen mit Chunked Attention über 8.192 Token; Vision-Encoder mit 34 Schichten
Training: rund 22 Billionen Token Vortraining, 2,38 Mio. H100-GPU-Stunden
Sprachen: Arabisch, Deutsch, Englisch, Französisch, Hindi, Indonesisch, Italienisch, Portugiesisch, Spanisch, Tagalog, Thai, Vietnamesisch
LMArena-Kontroverse: Der zum Launch beworbene Arena-Wert von 1.417 Elo stammte von einer unveröffentlichten, auf Gesprächigkeit optimierten „Experimental"-Fassung, nicht vom herunterladbaren Modell. Die veröffentlichte Fassung steht heute bei 1.327.
Quellenlage: Die Fachbenchmarks in der Score-Tabelle stammen von Meta. Unabhängig gemessen sind nur die Werte von Artificial Analysis (SciCode, Humanity's Last Exam, AA-LCR v1.1; abgelesen 10.10.2026) und der LMArena-Elo. Der AA-Index selbst ist eine Schätzung und deshalb nicht eingetragen. BenchLM führt praktisch keine Einzelwerte.
Alternativen: Llama 4 Scout für 10M-Kontext und höhere Geschwindigkeit; Metas offener Nachfolger Muse Glimmer steht unter Apache-2.0 und kennt keine EU-Einschränkung

Weitere Benchmarks

Weitere berichtete Werte, für die in der Score-Tabelle oben kein Eintrag vorliegt.

Quelle: Meta (offizielle Model Card, instruction-tuned):

MathVista 73,7 % · ChartQA 90,0 % · DocVQA (test) 94,4 % · MGSM 92,3 %
MTOB halbes Buch eng→kgv / kgv→eng 54,0 / 46,4 chrF · ganzes Buch 50,8 / 46,7 chrF

Quelle: Meta (offizielle Model Card, vortrainiertes Basismodell):

MMLU 85,5 % · MMLU-Pro 62,9 % · MBPP 77,6 % · TydiQA 31,7 % · ChartQA 85,3 % · DocVQA 91,6 %

Quelle: Artificial Analysis (Intelligence Index v4.3.2, 10.10.2026):

Terminal-Bench v4.0 0 % · AutomationBench-AA 0 % · AA-Briefcase v1.1 0 · CritPt 0 % · AA-Omniscience −42 · GDPval-AA v2.1 −275 (Elo-Skala)