Llama 4 Maverick · Meta
Llama 4 Maverick از Meta. مدل ترکیب متخصصان چندرسانهای نسل جدید، وزن‌باز. کیفیت عمومی عالی با زمینه طولانی و استدلال قوی.
درباره Llama 4 Maverick
Llama 4 Maverick از Meta. مدل ترکیب متخصصان چندرسانهای نسل جدید، وزن‌باز. کیفیت عمومی عالی با زمینه طولانی و استدلال قوی.
در چه کاری می‌درخشد: 405B باز · کیفیت پرچمدار · عمق.
نحوهٔ استفاده Llama 4 Maverick
-
1
بنویس یا آپلود کن
هرچه می‌خواهی در کادر بالا بنویس، یا اگر ابزار خواست فایل را آپلود کن.
-
2
بساز
روی دکمهٔ اصلی بزن. بسته به مدل و اندازهٔ ورودی 2-30 ثانیه صبر کن.
-
3
دانلود یا اشتراک‌گذاری
نتیجه را دانلود کن یا لینک مستقیمش را به اشتراک بگذار. بدون واترمارک و آماده استفاده.
پرسش‌های متداول
استفاده از Llama 4 Maverick چقدر هزینه دارد؟
Llama 4 Maverick یک مدل Pro است: هر استفاده 10 tokens هزینه دارد (حدود $0.05 هزینهٔ واقعی برای ما). برای این مدل به طرح Pro ($9/ماه → 15.000 tokens) یا بستهٔ one-shot نیاز دارید. اگر از قبل tokens در حساب رایگانتان دارید، میتوانید همان‌ها را مستقیم خرج کنید.
چند بار استفاده از Llama 4 Maverick در پلن Pro گنجانده شده است؟
پرو ($9/ماه) به تو 15.000 tokens تکرارشونده میدهد. با 10 tokens برای هر استفاده از Llama 4 Maverick، یعنی حدود 1.500 استفادهٔ کامل در هر دوره. اگر کم آوردی، بستههای یکباره (5.000 / 25.000 / 80.000 tokens) به موجودیات اضافه میشوند و تا یک سال منقضی نمیشوند.
چه چیزی Llama 4 Maverick را خاص میکند؟
Meta وزنهای کامل خانوادهٔ Llama را منتشر میکند؛ مدلی آزموده در گفتگوی عمومی، کد و چندزبانگی. نقاط قوت مشخصش: 405B باز، کیفیت پرچمدار و عمق.
Llama 4 Maverick چقدر سریع پاسخ میدهد؟
Llama 4 Maverick یک مدل «thinker» است: پیش از پاسخ دادن صریحاً استدلال میکند و به همین دلیل کندتر است؛ انتظار 15-45 ثانیه داشته باش. زمان واقعی به طول پرامپت و بار دیتاسنتر هم بستگی دارد؛ مدل‌هایی با زمینهٔ بسیار بزرگ وقتی متن‌های خیلی طولانی وارد می‌کنی، بیشتر طول می‌کشند.
چطور از Llama 4 Maverick در ia.gratis استفاده کنم؟
میتوانید Llama 4 Maverick را از /chat/ با انتخاب Llama 4 Maverick در منتخب مدل استفاده کنید، یا از طریق API REST با `model=llama-405b` در بدنه POST. خلاصه: توانمندترین Llama. چندرسانهای، با وزنهای باز. شناسه داخلی مدل `llama-405b` است. هنگام یکپارچهسازی با API به کارتان میآید.