Metas Llama 4 Scout (17 Mrd. aktive Parameter, 16 Experten) und Llama 4 Maverick (17 Mrd. aktive Parameter, 128 Experten) sind seit dem 29. April 2025 vollständig verwaltet über Amazon Bedrock per einheitlicher API verfügbar und nutzen eine Mixture-of-Experts-Architektur für multimodale Text- und Bildverarbeitung. Für Unternehmen, die KI-Anwendungen auf Cloud-Infrastruktur aufbauen, senkt die native Bedrock-Integration den Integrationsaufwand erheblich: Statt eigener Modell-Deployments steht Llama 4 direkt über einen verwalteten Service bereit. Die MoE-Architektur verspricht laut AWS dabei eine verbesserte Recheneffizienz gegenüber Llama 3 bei gleichzeitig geringeren Kosten. Wer multimodale Szenarien mit Text- und Bildeingaben sowie Mehrsprachigkeit plant, erhält mit Scout und Maverick zwei klar differenzierte Modelloptionen innerhalb eines einzigen API-Endpunkts.

Meta Llama 4: Multimodale Architektur, neue Modellreihe und Verfügbarkeit in Amazon Bedrock

Die ersten beiden Modelle der Llama-4-Familie von Meta sind seit dem 29. April 2025 vollständig verwaltet über Amazon Bedrock verfügbar. Mit dem Schritt in die verwaltete Cloud-Infrastruktur von AWS können Unternehmen die neuen Modelle über eine einheitliche API in eigene Anwendungen einbinden, ohne eigene Modell-Infrastruktur betreiben zu müssen.

Zwei Modelle, eine neue Architektur

Meta stellt mit Llama 4 zwei Modelle vor: Llama 4 Scout 17B und Llama 4 Maverick 17B. Beide Modelle basieren auf einer sogenannten Mixture-of-Experts-Architektur (MoE), bei der spezialisierte Teilmodelle für bestimmte Aufgaben trainiert werden. Diese Methode verspricht eine höhere Recheneffizienz, da nicht das gesamte Modell für jede Anfrage aktiv sein muss.

Laut Meta verfügt Scout über 17 Milliarden aktive Parameter, 16 Experten und insgesamt 109 Milliarden Gesamtparameter. Maverick setzt ebenfalls auf 17 Milliarden aktive Parameter, arbeitet jedoch mit 128 Experten. Beide Modelle verarbeiten nativ Text- und Bildeingaben und gelten damit als multimodal.

Meta bezeichnet Scout laut AWS als das leistungsstärkste multimodale Modell der Welt in seiner Klasse und als überlegen gegenüber den eigenen Llama-3-Modellen. Eine unabhängige Verifikation dieser Einschätzung liegt auf Basis der verfügbaren Quellen nicht vor.

Verzögerter Release und technische Hürden

Reuters berichtete am 4. April 2025, dass Meta die Veröffentlichung von Llama 4 mindestens zweimal verschoben hatte. Als Grund nannte der Bericht unter Berufung auf The Information, dass das Modell interne technische Benchmarks, insbesondere in den Bereichen Schlussfolgern und Mathematik, nicht erfüllte. Zudem sah Meta Nachholbedarf gegenüber OpenAI-Modellen bei sprach- und konversationsnahen Aufgaben.

Die MoE-Architektur, die Llama 4 nun einsetzt, soll laut Reuters technische Anleihen bei DeepSeek aufweisen, dem chinesischen Anbieter, dessen kosteneffizientes Modell Anfang 2025 für Aufmerksamkeit gesorgt hatte. Meta plant laut Reuters, in diesem Jahr bis zu 65 Milliarden US-Dollar in den Ausbau seiner KI-Infrastruktur zu investieren.

Praktische Implikationen für Unternehmen

1. Einstieg ohne eigene Infrastruktur: Über Amazon Bedrock können Entwickler und Unternehmen Llama 4 direkt über eine API nutzen. Der Betrieb eines eigenen Modell-Servers entfällt, was den Einstieg für Teams ohne spezialisiertes ML-Ops-Wissen erleichtert.

2. Multimodale Anwendungen werden zugänglicher: Da Scout und Maverick sowohl Text- als auch Bildeingaben verarbeiten, lassen sich Anwendungsfälle wie Dokumentenanalyse, visuelle Suche oder kombinierte Bild-Text-Auswertung direkt auf Basis der Modelle entwickeln, ohne separate Systeme kombinieren zu müssen.

3. Verbesserte Mehrsprachigkeit für globale Produkte: Laut AWS bieten die Llama-4-Modelle eine erweiterte Sprachunterstützung gegenüber Llama 3. Für Unternehmen mit internationalen Nutzergruppen kann das die Entwicklung mehrsprachiger Produkte vereinfachen.

4. Open-Access-Modell über Hugging Face: Meta stellt die Llama-4-Modelle auch über die offizielle Organisation auf Hugging Face bereit, sowohl im Original-Meta-Format als auch im Hugging-Face-Transformers-Format. Voraussetzung ist die Akzeptanz der Lizenzbedingungen und der Acceptable-Use-Policy.

Einordnung

Llama 4 markiert für Meta den Übergang von rein textbasierten zu nativ multimodalen Open-Weight-Modellen. Die Verfügbarkeit in Amazon Bedrock erweitert den Kreis potenzieller Nutzer, da keine eigene GPU-Infrastruktur notwendig ist. Ob die Modelle in der Praxis die von Meta genannten Leistungsversprechen einhalten, wird sich in unabhängigen Evaluierungen zeigen müssen.

Quellen

• Metas Llama 4 ist jetzt vollständig verwaltet in Amazon Bedrock verfügbar – AWS (29. April 2025)
• meta-llama – Offizielle Hugging Face Organisation von Meta
• Meta nears release of new AI model Llama 4 this month – Reuters (4. April 2025)

Häufige Fragen

Was unterscheidet Llama 4 Scout und Llama 4 Maverick voneinander?

Beide Modelle basieren auf einer Mixture-of-Experts-Architektur (MoE) und verfügen jeweils über 17 Milliarden aktive Parameter. Der Unterschied liegt in der Anzahl der Experten: Llama 4 Scout arbeitet mit 16 Experten und insgesamt 109 Milliarden Gesamtparametern, während Llama 4 Maverick 128 Experten einsetzt. Scout ist als Allzweckmodell konzipiert, Maverick ist auf höhere Spezialisierung ausgelegt.

Welche multimodalen Fähigkeiten bieten die Llama-4-Modelle?

Die Llama-4-Modelle sind nativ multimodal ausgelegt und verarbeiten sowohl Text- als auch Bildeingaben über eine einheitliche Architektur. Die Mixture-of-Experts-Struktur ermöglicht eine effiziente multimodale Verarbeitung. Damit unterscheiden sich die Modelle von früheren Llama-Versionen, die ausschließlich auf Text ausgerichtet waren.

Wann wurde Llama 4 veröffentlicht und warum verzögerte sich der Release?

Meta hatte den Release von Llama 4 laut einem Reuters-Bericht vom 4. April 2025 mindestens zweimal verschoben. Als Gründe wurden unzureichende Ergebnisse bei technischen Benchmarks, insbesondere in den Bereichen Reasoning und Mathematik, sowie Schwächen bei sprachbasierten Konversationsanwendungen im Vergleich zu Konkurrenzmodellen genannt. Die ersten beiden Modelle, Scout und Maverick, wurden schließlich im April 2025 veröffentlicht und sind seit dem 29. April 2025 vollständig verwaltet über Amazon Bedrock verfügbar.

Welchen Vorteil bietet die Mixture-of-Experts-Architektur gegenüber klassischen Modellen?

Bei der Mixture-of-Experts-Methode werden separate Teilmodelle für spezifische Aufgaben trainiert, sodass jeweils nur ein Teil des Gesamtmodells für eine Anfrage aktiv ist. Das senkt den Rechenaufwand pro Inferenz, obwohl die Gesamtparameterzahl hoch bleibt. Meta gibt an, dass Llama 4 im Vergleich zu Llama 3 eine verbesserte Leistung bei gleichzeitig niedrigeren Kosten bietet.

Wie können Unternehmen Llama 4 in eigene Anwendungen integrieren?

Seit dem 29. April 2025 sind Llama 4 Scout und Llama 4 Maverick als vollständig verwaltete Modelle in Amazon Bedrock verfügbar. Unternehmen können beide Modelle über eine einzige API ansprechen, ohne eigene Infrastruktur betreiben zu müssen. Zusätzlich stellt Meta die Modelle über die offizielle Hugging-Face-Organisation meta-llama bereit, wo sie nach Akzeptanz der Lizenzbedingungen heruntergeladen werden können.

Dieser Artikel wurde von einem KI-System automatisiert erstellt. Kennzeichnung gemäß Art. 50 der EU-KI-Verordnung.