Favicon de meta-llama

Meta: Llama 4 Maverick

Llama 4 Maverick 17B Instruct (128E) is a high-capacity multimodal language model from Meta, built on a mixture-of-experts (MoE) architecture with 128 experts and 17 billion active parameters per forward pass (400B total). It supports multilingual text and image input, and produces multilingual text and code output across 12 supported languages. Optimized for vision-language tasks, Maverick is instruction-tuned for assistant-like behavior, image reasoning, and general-purpose multimodal interaction.

Maverick features early fusion for native multimodality and a 1 million token context window. It was trained on a curated mixture of public, licensed, and Meta-platform data, covering ~22 trillion tokens, with a knowledge cutoff in August 2024. Released on April 5, 2025 under the Llama 4 Community License, Maverick is suited for research and commercial applications requiring advanced multimodal understanding and high model throughput.

Modalités
Prix d’entrée / de sortie
0,35 $US / 1 $USpar 1M
Contexte
524K
Publié
5 avr. 2025
Date limite des connaissances
août 2024

Fournisseurs

Différentes entreprises hébergent le même modèle. OpenRouter achemine votre requête vers l’une d’elles selon le mode de routage que vous choisissez : Équilibré (prix + vitesse), Nitro (le plus rapide) ou Floor (le moins cher).

Tarification

Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.

Moyenne pondérée

Entrée
0,291 $US/M de jetons
Sortie
1 $US/M de jetons
Historique des prix
Aucune donnée de prix effectif pour cette sélection

Performances

Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).

Débit
69jetons/s

P50, meilleur résultat tous fournisseurs confondus

Latence
0,41s

P50, meilleur fournisseur

Disponibilité

La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.

Disponibilité (3 j)Le modèle était joignable. Requête acheminée vers un fournisseur.
100,00 %
Disponibilité (3 j)Le modèle a renvoyé un résultat d’inférence, quel que soit le fournisseur. Les erreurs et les réponses vides sont comptabilisées à son détriment.
99,82 %

Disponibilité au cours des 3 derniers jours

72 dernières heures
Disponibilité 99,82 %
Il y a 3 joursIl y a 2 joursHierMaintenant

Disponibilité au cours des dernières 24 heures

OpenRouter Availability
99,89 %
Without Routing
99,85 %

Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.

Évaluations comparatives

Scores aux évaluations standardisées et réponses de ce modèle aux prompts communs des tests de référence. Des pourcentages plus élevés sont meilleurs — et chaque rang indique la position de ce modèle parmi les modèles évalués sur cette source.

Résumé des scores aux tests de performance pour Meta: Llama 4 Maverick (Artificial Analysis et Design Arena)
SourceTest de performanceScore
Artificial AnalysisLlama 4 Maverick Coding Index16,3
Artificial AnalysisLlama 4 Maverick Agentic Index0,6
Artificial AnalysisLlama 4 Maverick GPQA Diamond67.1%
Artificial AnalysisLlama 4 Maverick HLE4.9%
Artificial AnalysisLlama 4 Maverick IFBench43.0%
Artificial AnalysisLlama 4 Maverick τ²-Bench Telecom17.8%
Artificial AnalysisLlama 4 Maverick AA-LCR50.0%
Artificial AnalysisLlama 4 Maverick τ-Bench Banking3.7%
Artificial AnalysisLlama 4 Maverick GDPval-AA0.0%
Artificial AnalysisLlama 4 Maverick CritPt0.0%
Artificial AnalysisLlama 4 Maverick LiveCodeBench39.7%
Artificial AnalysisLlama 4 Maverick SciCode31.7%
Artificial AnalysisLlama 4 Maverick Terminal-Bench Hard6.8%
Artificial AnalysisLlama 4 Maverick Terminal-Bench 4.00.0%
Artificial AnalysisLlama 4 Maverick Terminal-Bench 2.17.9%
Artificial AnalysisLlama 4 Maverick MMLU-Pro80.9%
Artificial AnalysisLlama 4 Maverick AIME 202519.3%
Artificial AnalysisLlama 4 Maverick AIME39.0%
Artificial AnalysisLlama 4 Maverick MATH-50088.9%
Design ArenaLlama 4 Maverick Models Arena 3D Elo881
Design ArenaLlama 4 Maverick Models Arena Code Categories Elo869
Design ArenaLlama 4 Maverick Models Arena Data Visualization Elo882
Design ArenaLlama 4 Maverick Models Arena Game Development Elo827
Design ArenaLlama 4 Maverick Models Arena UI Component Elo888
Design ArenaLlama 4 Maverick Models Arena Website Elo863

Applications

Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.

1.
1,59Bjetons
2.
667Mjetons
3.
Favicon de https://github.com/fisher-framework
Fisher
nouveau
576Mjetons
4.
571Mjetons
5.
555Mjetons
Reste d’OpenRouter
1,29B
Top 5 des applications
83,9M

Activité

Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.

API

Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.

Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional

Questions fréquentes