Meta hat Llama 4 veröffentlicht: Die neue Modellgeneration ist nativ multimodal und nutzt eine Mixture-of-Experts-Architektur. Llama 4 Scout umfasst 17 Milliarden Parameter mit 16 Experten, Llama 4 Maverick ebenfalls 17 Milliarden Parameter, jedoch mit 128 Experten (Quelle: Meta via Hugging Face). Für Unternehmen ist Llama 4 aus zwei Gründen relevant: Erstens ermöglicht die Multimodalität die kombinierte Verarbeitung von Text und Bildern in einem Modell. Zweitens senkt die Mixture-of-Experts-Architektur, die laut Reuters auch technische Anleihen bei DeepSeek nimmt, den Rechenaufwand, da nur spezialisierte Teilmodelle je Aufgabe aktiviert werden. Meta plant 2025 Investitionen von bis zu 65 Milliarden US-Dollar in KI-Infrastruktur, was auf eine langfristige Weiterentwicklung des Llama-Ökosystems schließen lässt.

Meta Llama 4: Multimodale Architektur, neue Fähigkeiten und Release-Ausblick 2025

Meta steht kurz vor der Veröffentlichung seiner nächsten Modellgeneration: Llama 4 ist laut einem Bericht von The Information bereits verfügbar und markiert einen deutlichen Architektursprung gegenüber dem Vorgänger Llama 3.

Mixture-of-Experts und Multimodalität als zentrale Neuerungen

Llama 4 setzt auf eine sogenannte Mixture-of-Experts-Architektur (MoE). Dabei werden separate Teilmodelle für spezifische Aufgaben trainiert, sodass jeweils nur der relevante Experte für eine Anfrage aktiviert wird. Laut Metas offiziellem Hugging Face-Auftritt umfasst die Llama-4-Familie zum Start zwei Modelle:

• Llama 4 Scout: 17 Milliarden Parameter, 16 Experten
• Llama 4 Maverick: 17 Milliarden Parameter, 128 Experten

Beide Modelle sind laut Meta nativ multimodal und verarbeiten sowohl Text als auch Bildinhalte. Meta beschreibt sie als Einstieg in eine neue Phase des Llama-Ökosystems mit führender Leistung beim Text- und Bildverstehen.

Technische Anleihen soll Llama 4 laut dem Reuters-Bericht vom 4. April 2025 unter anderem beim chinesischen Modell DeepSeek nehmen, das mit deutlich geringerem Infrastrukturaufwand hohe Leistungswerte erreicht hatte.

Möglicher Rollout: Meta AI zuerst, Open Source später

Einem Bericht von The Information zufolge erwog Meta, Llama 4 zunächst über den eigenen Dienst Meta AI bereitzustellen und erst danach als Open-Source-Software freizugeben. Ein fester, öffentlich bestätigter Zeitplan liegt derzeit nicht vor. Gleichzeitig plant Meta laut Reuters, in diesem Jahr bis zu 65 Milliarden US-Dollar in den Ausbau seiner KI-Infrastruktur zu investieren.

Vier praktische Implikationen für Unternehmen und Entscheider

1. Multimodalität wird Standard, nicht Ausnahme. Wer KI-Anwendungen plant, sollte einkalkulieren, dass Text-Bild-Verarbeitung mit Llama 4 in einer einzigen Modellfamilie gebündelt ist. Separate Bild- und Textmodelle müssen nicht zwingend kombiniert werden.

2. MoE-Architektur kann Betriebskosten beeinflussen. Da bei MoE-Modellen nur relevante Teilmodelle aktiv sind, kann der Rechenaufwand pro Anfrage geringer ausfallen als bei vergleichbaren Vollmodellen. Ob sich das direkt in niedrigeren API-Kosten niederschlägt, hängt vom jeweiligen Anbieter ab.

3. Open-Source-Verfügbarkeit bleibt abzuwarten. Der mögliche gestaffelte Release, erst über Meta AI, dann als Open Source, könnte bedeuten, dass Unternehmen, die auf selbst gehostete Lösungen setzen, länger auf Llama 4 warten müssen als bei Vorgängergenerationen.

4. Infrastrukturanbindung über Cloud-Dienste. Llama-Modelle sind bereits heute über Amazon Bedrock verfügbar. Llama 3.2 etwa bietet dort eine Kontextlänge von 128.000 Tokens, unterstützt acht Sprachen darunter Deutsch und läuft ohne eigene Infrastrukturverwaltung. Es ist naheliegend, dass Llama 4 ähnlich in bestehende Cloud-Ökosysteme eingebettet werden wird, auch wenn eine offizielle Bestätigung noch aussteht.

Einordnung: Wettbewerbsdruck und offene Fragen

Laut Reuters war Meta intern besorgt, dass Llama 4 bei menschenähnlichen Sprachgesprächen noch hinter den Modellen von OpenAI zurückbleibt. Der Aufstieg von DeepSeek hat zudem die Branchenannahme erschüttert, dass führende KI-Modelle zwingend Milliarden-Investitionen erfordern. Für Entscheider bedeutet das: Die Leistungsunterschiede zwischen Modellgenerationen und Anbietern bleiben in Bewegung, und Evaluierungen sollten aufgabenspezifisch durchgeführt werden.

Weiterführende Artikel auf ecompanion.ai:

• Llama 3.2 auf Amazon Bedrock: Funktionen und Einsatzmöglichkeiten im Überblick
• Mixture-of-Experts erklärt: Was die Architektur für Unternehmens-KI bedeutet
• DeepSeek und die Kostenfrage: Was günstigere Modelle für KI-Budgets bedeuten

Quellen

• Meta Llama – Modelle in Amazon Bedrock – AWS
• Meta nears release of new AI model Llama 4 this month, the Information reports – Reuters (4. April 2025)
• meta-llama – Offizielle Hugging Face Organisation

Häufige Fragen

Was ist Meta Llama 4 und wann wurde es veröffentlicht?

Llama 4 ist Metas neueste Generation von KI-Modellen. Laut einem Bericht von The Information näherte sich Meta im April 2025 dem Release. Die Modelle sind auf der offiziellen Hugging-Face-Seite von Meta mittlerweile verfügbar. Llama 4 markiert laut Meta den Beginn einer neuen Ära für das Llama-Ökosystem.

Welche Llama-4-Modelle gibt es und wie unterscheiden sie sich?

Meta hat zwei Modelle der Llama-4-Serie veröffentlicht: Llama 4 Scout und Llama 4 Maverick. Beide basieren auf einer sogenannten Mixture-of-Experts-Architektur und verfügen jeweils über 17 Milliarden Parameter. Der Unterschied liegt in der Anzahl der Experten-Submodelle: Scout arbeitet mit 16 Experten, Maverick mit 128. Diese Architektur trainiert separate Modellteile für spezifische Aufgaben, was die Effizienz steigert.

Ist Llama 4 ein multimodales Modell?

Ja. Die Llama-4-Modelle sind nativ multimodal ausgelegt und unterstützen sowohl Text- als auch Bildverarbeitung. Sie ermöglichen damit kombinierte Text- und Bildverständnis-Anwendungen. Dies stellt einen wesentlichen Unterschied zu Llama 3.3 dar, das ausschließlich auf Textverarbeitung ausgerichtet war.

Welche technischen Anleihen nimmt Llama 4 bei anderen Modellen?

Berichten zufolge übernimmt Llama 4 bestimmte technische Ansätze, die auch beim chinesischen Modell DeepSeek eingesetzt werden. Konkret handelt es sich um die Mixture-of-Experts-Methode, bei der separate Modellbereiche auf spezifische Aufgaben spezialisiert werden. Diese Technik soll die Leistung bei gleichzeitig geringerem Ressourceneinsatz verbessern.

Wie plant Meta, Llama 4 zu vertreiben, und welche Investitionen stehen dahinter?

Meta erwog laut Berichten, Llama 4 zunächst über den eigenen Dienst Meta AI zu veröffentlichen und anschließend als Open-Source-Software bereitzustellen. Die Modelle sind zudem auf Hugging Face zugänglich. Im Hintergrund plant Meta, in diesem Jahr bis zu 65 Milliarden US-Dollar in den Ausbau seiner KI-Infrastruktur zu investieren, was den hohen strategischen Stellenwert der Llama-Reihe für das Unternehmen unterstreicht.