Llama 4 評測｜Scout、Maverick、Behemoth、本機部署與 NSFW 政策解析

Llama 4 是 Meta 把 Llama 系列帶進原生多模態與 MoE 架構的重要版本。這一代最值得注意的不是單一模型，而是 Scout、Maverick、Behemoth 三個定位不同的組合：Scout 強調超長上下文，Maverick 更像通用多模態助手，Behemoth 則是用來蒸餾與訓練的超大型教師模型。

如果你想要結論：Scout 適合研究長文件、RAG、巨大程式碼庫；Maverick 適合需要圖片理解、聊天、程式與多模態應用的團隊；Behemoth 不適合一般讀者下載部署。若你的硬體只有一般消費級顯卡，Llama 4 並不是最輕鬆的本機模型，Qwen、Gemma、Llama 3.x 或 Mistral 類模型通常更實際。

快速結論

Llama 4 是什麼

Llama 4 於 2025 年 4 月由 Meta 發表。Scout 與 Maverick 是開放權重模型，可透過官方管道與 Hugging Face 下載；Behemoth 則是更大規模的教師模型，主要用於把能力蒸餾到較小版本。

這代的核心變化有兩個。第一是原生多模態，也就是文字與圖片在同一模型架構中處理，對截圖、文件、圖表、介面和照片理解更自然。第二是 MoE，模型會根據輸入啟用部分專家，而不是每次都動用全部參數，因此能在龐大總參數與較低活躍計算量之間取得平衡。

Scout、Maverick、Behemoth 差異

Scout 最大賣點是上下文長度。10M token 代表它有機會處理整本書、長期專案紀錄或大型程式碼庫，但實際效果仍取決於推論框架、檢索設計、提示詞和記憶體配置。

Maverick 的定位更像主力助手。它的總參數更大、專家數更多，適合圖片理解、一般問答、創作和程式任務。不過它比 Scout 更重，通常更適合雲端或伺服器端使用。

線上使用與下載地址

一般使用者可以先從 Meta AI 試用。開發者可從 llama.com 官方下載頁 進入，模型權重則可查看 Llama 4 Scout Hugging Face 與 Llama 4 Maverick Hugging Face。商用產品上線前，務必閱讀 Llama 4 Community License 與 使用政策。

本機部署與硬體需求

Meta 對 Scout 的說法是，在 Int4 量化下可放入單張 NVIDIA H100 等級 GPU；Maverick 則更適合 H100 DGX 或多 GPU 伺服器。這代表它不是 8GB、12GB、24GB 顯卡可以輕鬆完整運行的模型。

效能與真實評價

Meta 官方資料強調 Scout 的長上下文、Maverick 的性價比和 Behemoth 的 STEM 能力。這些資訊能說明 Llama 4 的方向：更長的上下文、更好的圖片理解，以及更適合建構產品的開放權重模型。

不過 Maverick 的排行榜表現曾引起討論。部分媒體指出，高分版本與一般公開權重並不完全相同。因此比較 Llama 4 時，不應只看單一榜單，而要用自己的文件、圖片、程式碼與任務流程測試。

與其他開放模型比較

NSFW 與審查限制

Llama 4 官方服務不是 NSFW 生成工具。Meta AI 與官方 Instruct 模型都有安全對齊，涉及未成年人、非自願內容、真實人物性化、違法指令等內容通常會被限制。

開放權重讓自架者能控制系統提示、審核層和部署方式，但這不等於官方提供無審查模式。若主要需求是成人向角色扮演或低拒答率，Dolphin 類無審查模型或社群微調模型通常更直接。

社群與生態

Llama 系列的優勢一直是生態。雲端供應商、推論框架、安全工具、微調教程、RAG 範例通常會快速跟進。不過 Llama 4 的 MoE 與多模態讓部署比一般 dense LLM 更複雜，使用量化版時要確認圖片輸入、上下文長度和 Scout/Maverick 行為是否完整保留。

常見問題

Llama 4 是開源嗎？

更精確地說是開放權重。權重可下載，但仍要遵守 Meta 的 Llama 4 Community License 和使用政策。

Llama 4 可以在一般電腦跑嗎？

完整 Scout/Maverick 不適合一般電腦。Scout 至少應以 H100 級硬體作為比較現實的測試起點。

Scout 和 Maverick 怎麼選？

需要超長上下文選 Scout；需要更好的通用多模態聊天與圖片理解，且能接受較高成本，選 Maverick。

Llama 4 支援圖片嗎？

支援。Scout 與 Maverick 都是原生多模態模型，可以處理文字與圖片輸入。

Llama 4 適合 NSFW 嗎？

官方版本不適合當成 NSFW 專用模型。自架可提高控制度，但仍需自行承擔安全與合規責任。

參考資訊

• Meta Llama 4 official announcement
• Llama 4 Scout on Hugging Face
• Llama 4 Maverick on Hugging Face
• Official Llama downloads
• Llama 4 Community License
• Llama 4 acceptable use policy
• TechCrunch benchmark report
• TechCrunch Maverick follow-up

總結

Llama 4 是一個值得關注的開放權重系列，尤其在長上下文、多模態和 MoE 架構上，比 Llama 3 世代更往前一步。Scout 適合長文處理與部署實驗，Maverick 適合伺服器端的通用多模態產品。

但它不是所有人的最佳選擇。一般本機使用者應先比較 Qwen、Gemma、Mistral、Llama 3.x 等更輕量模型；重視 NSFW 的使用者也應認清官方模型的安全限制。對開發者來說，最好的做法是先透過 Meta AI 或雲端推論測試真實任務，再決定是否投入本機或私有化部署。