Llama 4 Maverick
Une option solide pour l'auto-hébergement et le contrôle total des données.
Présentation
Llama 4 Maverick est le modèle généraliste à poids ouverts de Meta, bâti sur une architecture MoE de 400 milliards de paramètres et doté d'une fenêtre de contexte d'un million de tokens, taillée pour l'analyse de documents volumineux. Son gabarit exige une infrastructure serveur costaude, ce qui écarte d'emblée les déploiements légers. La licence Llama 4 Community autorise l'usage commercial mais impose des conditions spécifiques aux très grandes plateformes. Étant open-weights, il peut être hébergé entièrement en Europe, sur des serveurs on-premise, pour garder la main sur les données sensibles.
Profil de compétences
Non communiqué
Trois mesures indépendantes
Ce que les gens préfèrent, ce que le modèle sait faire, ce que le marché utilise. Chaque source a ses biais, aucune ne suffit seule : nous les affichons séparément, sans les mélanger.
Forces
- Très long contexte
- Open-source et auto-hébergeable
Limites
- Tarification API non publiée
À qui ça s'adresse
- vous voulez maîtriser vos coûts ou auto-héberger
- vos données doivent rester en UE
Cas d'usage idéaux
- Assistant généraliste interne
- RAG documentaire à grande échelle
- Déploiement souverain sur site
- Prototypage d'agents multilingues
- Analyse de longs rapports
Accès & disponibilité
Caractéristiques clés
Combien ça coûte par mois
Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.
Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.
nAIvigate Trust Index
Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.
19/19 critères documentés · 100 % · dont 12 posés par règle
Voir les critères▾
Badge Trust Index
Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.
[](https://naivigate.com/fr/model/llama-4-maverick)Données & conformité
Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.
| Résidence des données en UE | Oui |
| Accord de traitement (DPA) | Sans objet· auto-hébergé : les données ne sortent pas |
| Transfert hors UE | Non |
| Entraînement sur vos données | Non |
| Rétention configurable | Sans objet· auto-hébergé : les données ne sortent pas |
| Zero Data Retention | Sans objet· auto-hébergé : les données ne sortent pas |
| Auto-hébergeable | Oui |
| Hébergement déclaré | self |
Qualité des données de la fiche
Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.
6/8 documentées · 3/8 sources primaires
Faire tourner en local
| Quantization | Disque | RAM / VRAM | Matériel type |
|---|---|---|---|
| Q4 · recommandé | 228 Go | 253 Go | Infra GPU serveur (H100/A100…) |
| Q8 · équilibré | 428 Go | 473 Go | Infra GPU serveur (H100/A100…) |
| FP16 · qualité max | 800 Go | 882 Go | Infra GPU serveur (H100/A100…) |
Estimations pour un contexte modéré. Un long contexte augmente la RAM nécessaire (KV cache).
Déployer
Commandes prêtes à copier, générées depuis la fiche. Ajustez le contexte et le nombre de GPU à votre machine.
Le plus simple pour tester sur un poste. Installez Ollama, puis :
ollama run llama4:maverickDonnées avancées · pour expertsArchitecture, modalités, coût détaillé, benchmarks complets▾
| Arena Elo | 1327 |
| MMLU | — |
| GPQA | — |
| HumanEval | — |
| SWE-Bench | — |
| MATH | — |