Text & Reasoning
Muse Spark 1.3
Muse Spark 1.3 ist ein Text & Reasoning-Modell von Meta. Eingabe: Text, Bild, Video, Audio, PDF. Ausgabe: Text.
Text & ReasoningLlama 4 Maverick
Llama 4 Maverick ist ein Sprachmodell von Meta. Multimodales Open-Weight-MoE-Modell mit 17B aktiven und 400B Gesamtparametern laut Meta.
Wie kannst du es nutzen?
Wenn du lokal arbeiten möchtest, prüfe zuerst Lizenz, passende Laufzeit und den Speicherbedarf deiner Modellvariante. Offene Gewichte allein sagen noch nicht, ob dein Rechner dafür ausreicht.
Weiterhin dokumentiert · vorherige GenerationQuellenstand 2026-10-12
Meta im Verzeichnis
EingabeText, Bild-Eingabe, Video-Eingabe
AusgabeText
ModellzugangOffene Gewichte
Technische Daten
Identität, Funktionen und Betrieb getrennt lesen. Die Angaben beziehen sich auf diese konkrete Version.
„Nicht bestätigt“ kennzeichnet eine offene Angabe. Es bedeutet weder „nicht vorhanden“ noch „unbegrenzt“.
| Hersteller | Meta |
|---|---|
| Modellfamilie | Llama |
| Modell-/API-ID | meta-llama/Llama-4-Maverick-17B-128E-Instruct |
| Status | Weiterhin dokumentiert · vorherige Generation |
| Modellart | Text & Reasoning |
|---|---|
| Eingabe | Text, Bild-Eingabe, Video-Eingabe |
| Ausgabe | Text |
| Kontext | Nicht bestätigt |
|---|---|
| Maximaler Output / Horizont | Nicht bestätigt |
| Bereitstellung | Offene Gewichte; lokal oder über Partner |
|---|---|
| Gewichte | Offene Gewichte dokumentiert |
| Lizenz | Llama 4 Community License Agreement |
Daten im Überblick
Die Grafik zeigt die ausgewiesenen Eingabe- und Ausgabearten. Sie beschreibt einen Arbeitsweg und enthält keine erfundenen Messwerte oder Leistungswerte.
- Eingabe
- Text, Bild-Eingabe, Video-Eingabe
- Ausgabe
- Text
Datenbasis: Herstellerangaben im Quellenstand 2026-10-12. Quellen zu diesem Profil ↓
Einsatz und Grenzen
Wähle eine kleine Aufgabe mit einer überprüfbaren Lösung: etwa fünf Informationen aus einem gegebenen Dokument extrahieren. Prüfe die Antworten am Original, nicht nur die Formulierung.
Vor einem lokalen Test zuerst Gewichteformat, Lizenz, Arbeitsspeicher und unterstützte Runtime prüfen. Notiere die genaue Modellversion. Ein Kurzname in der API kann später auf einen anderen Modellstand verweisen. Der Auswahlguide für lokale KI-Modelle vertieft die Prüfung von Aufgabe, Gewichteformat, Speicher und Lizenz vor einem eigenen Versuch.
Lokaler Betrieb: Verfügbare Gewichte allein belegen nicht, dass dieses Modell auf deinem Rechner läuft. Speicherbedarf, Quantisierung, Kontext und unterstützte Hardware müssen zusammenpassen.
Leistung: Wir haben die Leistung dieses Modells hier nicht selbst gemessen. Nutze die Aufgabe unten, um es an deinen Anforderungen zu prüfen.
Was kostet Llama 4 Maverick?
Bestätigter Tarif / PreisangabeKein bestätigter Einheitspreis im geprüften Quellenstand
Keine einheitliche Inferenzgebühr; Hostinganbieter oder lokale Betriebskosten unterscheiden sich.
Zugang: Offene Gewichte; lokal oder über Partner. Prüfe vor einer Integration die für dein Konto und deine Region verfügbaren Endpunkte. Ein Eintrag im öffentlichen Katalog ist keine Bestätigung eines freigeschalteten Kontos.
Praxis: Lokale und externe Datenwege prüfen
Praxisergänzung geprüft am 22. Oktober 2026 · eigene Aufgabe, kein Modellbenchmark
Eine Chatoberfläche kann auf deinem Rechner geöffnet sein und trotzdem eine entfernte API ansprechen. In dieser Übung ordnest du drei ausdrücklich beschriebene Installationen zu. Die Antwort folgt allein aus dem angegebenen Weg. Es wird kein Netzwerk geprüft und keine pauschale Aussage darüber getroffen, welche Produkte Daten speichern.
Vorbereitung
Llama 4 Maverick bleibt ein dokumentiertes Modell der vorherigen Generation. Meta beschreibt eigene Gewichte und verschiedene Betriebswege; die Community-Lizenz und die Bedingungen des gewählten Zugangs müssen dazu passen. Aktive Parameter sind nicht die vollständigen Gewichte. Für diese Textaufgabe genügt ein bereits zulässiger, eingerichteter Zugang. Die Herstellerunterlagen unterscheiden zudem mehrsprachigen Text von der dort englisch ausgewiesenen Bildauswertung.
Halte Modellversion, gewählten Zugang und Einstellungen fest. Nutze nur die fiktiven Angaben dieser Vorlage.
Bearbeite die Aufgabe und speichere den geforderten JSON-Teil unverändert als antwort.json. Bei einer freien Antwort erstellst du den Prüfteil selbst und kennzeichnest das.
Vergleiche mit dem Soll und prüfe mindestens einen veränderten Eingabefall. Ein bestandener Beispielsatz ersetzt keine Abnahme auf deinen eigenen Daten.
Aufgabe zum Kopieren
Die Angaben sind fiktiv. Speichere den geforderten JSON-Teil der Antwort separat als antwort.json; zusätzliche Erklärungen gehören in eine andere Datei.
Ordne nur diese fiktiven Datenwege zu.
A: Browser und Modellserver laufen auf demselben Rechner. Die Anfrage verlässt diesen Rechner laut Vorgabe nicht.
B: Browser läuft lokal, die Anfrage geht an die entfernte API eines Anbieters.
C: Modell läuft lokal; eine eingeschaltete Websuche sendet die Suchfrage an einen externen Dienst.
JSON: vollstaendig_lokal (sortierte IDs), externe_verarbeitung (sortierte IDs), echte_netzwerkpruefung (bool). Die Beschreibungen gelten als gegeben; keine echte Verbindung prüfen.Vorlage herunterladenLokalen JSON-Prüfer herunterladen
Lösung und Prüfkriterien ansehen
- A ist nur unter der ausdrücklich gegebenen Voraussetzung vollständig lokal.
- B hat eine lokale Oberfläche und einen entfernten Modellaufruf.
- C ergänzt zum lokalen Modell einen externen Datenweg.
{
"vollstaendig_lokal": [
"A"
],
"externe_verarbeitung": [
"B",
"C"
],
"echte_netzwerkpruefung": false
}Das Soll ist redaktionell aus der Vorlage abgeleitet, keine aufgezeichnete Modellantwort. Der lokale Prüfer vergleicht die festgelegten Felder und führt keinen generierten Code oder API-Aufruf aus. Er bewertet keine freien Begründungen.
Speichere Prüfer und deine Antwort im selben Ordner. Mit installiertem Python: python pruefen.py antwort.json.
| Beobachtung | Was du prüfst |
|---|---|
| B wird als lokal eingestuft | Der Ort des Browserfensters bestimmt nicht den Ort der Berechnung. |
| C gilt ohne Einschränkung als lokal | Die eingeschaltete Suche ist ein eigener ausgehender Datenweg. |
| Die Antwort behauptet einen Netzwerktest | Die Vorlage ist eine textliche Planung, keine Paket- oder Logmessung. |
Passende Anleitungen
Wie du Laufzeit, Modell und Netzwerk getrennt prüfst, lernst du unter lokale KI mit kontrolliertem Datenweg betreiben.
Bevor du eigene Inhalte verwendest, kannst du private Daten vor einer KI-Eingabe prüfen und unnötige Angaben aus der Anfrage entfernen.
Gezielte Praxisergänzung auf Basis aktueller Herstellerunterlagen. Der Datenstand der bisherigen Modell-Faktentabellen bleibt separat ausgewiesen. Neue Beispiele und Grafiken sind eigene Erklärungen; es wurden keine Modellantworten oder Leistungswerte gemessen.
Herstellerunterlagen zur Ergänzung: Llama 4 | Model Cards and Prompt formats (Abruf 2026-10-22) · Llama 4 | Model Cards and Prompt formats (Abruf 2026-10-22).
Quellen und Prüfstand
Quellenstand: 2026-10-12. Spezifikationen, Tarife und Zugang können sich ändern. Die Illustration zeigt den dokumentierten Datenweg, keine gemessene Leistung.
Häufige Fragen
Was ist Llama 4 Maverick?
Multimodales Open-Weight-MoE-Modell mit 17B aktiven und 400B Gesamtparametern laut Meta. Hersteller: Meta. Dokumentierte ID: meta-llama/Llama-4-Maverick-17B-128E-Instruct.
Was verarbeitet Llama 4 Maverick?
Eingabe: Text, Bild-Eingabe, Video-Eingabe. Ausgabe: Text. Maßgeblich sind die Funktionen des konkreten Endpunkts in der Herstellerquelle.
Kannst du Llama 4 Maverick lokal betreiben?
Offene Gewichte sind dokumentiert. Die Lizenz Llama 4 Community License Agreement, unterstützte Runtime und benötigte Hardware musst du zusätzlich prüfen.
Was kostet Llama 4 Maverick?
Kein bestätigter Einheitspreis im geprüften Quellenstand. Keine einheitliche Inferenzgebühr; Hostinganbieter oder lokale Betriebskosten unterscheiden sich. Bei selbst betriebenen Gewichten kommen Hardware- und Betriebskosten hinzu.
Ist das ein Leistungstest oder eine Rangliste?
Nein. Das Profil dokumentiert Herstellerangaben mit Quellenstand 2026-10-12. Die Testidee ist redaktionell formuliert und wurde hier nicht ausgeführt; sie ist keine Qualitätsgarantie.
Ist für Llama 4 Maverick ein Token-Kontextlimit bestätigt?
In diesem Profil ist kein allgemeines Token-Kontextlimit bestätigt. Bestandsprofil vom 12.10.2026; bei neuer Einrichtung auch die aktuelle Qwen3.8-/Muse-Generation prüfen. Aus einem fehlenden Wert folgt keine unbegrenzte Eingabe.
Wie prüfst du Llama 4 Maverick für deine Aufgabe?
Lege eine kleine Aufgabe mit bekanntem oder nachprüfbarem Ergebnis fest. Notiere Version, Eingabe und Einstellungen. Vergleiche die Ausgabe mit deinem Prüfkriterium und halte Fehler sowie tatsächliche Kosten getrennt fest. Die Testidee auf dieser Seite ist ein Vorschlag und wurde hier nicht als Modelltest ausgeführt.
Ist Llama 4 Maverick die neueste Meta-Generation?
Dieses Profil führt Maverick als weiterhin dokumentierte vorherige Generation. Neuere Muse-Profile stehen separat im Verzeichnis; ältere Zugänge und Lizenzbedingungen werden nicht still gleichgesetzt.
Beweist die Übung, dass meine echte Installation offline ist?
Nein. Sie ordnet fiktive Beschreibungen zu. Für deine Installation brauchst du eine Prüfung des konkreten Servers, der Werkzeuge und ausgehender Verbindungen.
Bedeuten offene Gewichte automatisch uneingeschränkte Nutzung?
Nein. Prüfe die konkrete Community-Lizenz, Plattform und Nutzungsvoraussetzungen. Das Vorhandensein einer Gewichtedatei ersetzt diese Prüfung nicht.
Weitere Meta-Modelle
Alle anzeigen →Text & Reasoning
Muse Spark 1.2
Muse Spark 1.2 ist ein Text & Reasoning-Modell von Meta. Eingabe: Text, Bild, Video, Audio, PDF. Ausgabe: Text.
Text & Reasoning
Muse Glimmer 30B
Dichtes 30B-Modell, aus Muse Spark destilliert. Für lokale Agenten mit Text- und Bild-Eingabe.