SprachmodellAktiv

Llama 4 Maverick

Technische Daten und Zugang

Angabe	Wert und Quelle
Gewichte	Open WeightsQuelle
Zugang	API, LokalQuelle
Parameter	400 Mrd.Quelle
Aktive Parameter	17 Mrd.Quelle
Kontextfenster	1.048.576 TokenQuelle
Knowledge Cutoff	August 2024Quelle
Hinweise	128 Experten, 17B aktiv pro TokenQuelle
Lizenz	Llama 4 Community LicenseQuelle
Veröffentlichung	2025-04-05Quelle
Parameter	400 Mrd.Quelle
Aktive Parameter	17 Mrd.Quelle
Architektur	early-fusion sparse mixture-of-expertsQuelle
Eingabe	Text, BildQuelle
Ausgabe	Text, codeQuelle
Sprachen	12Quelle
Trainings-Token	~22TQuelle
Wissensstand	2024-08Quelle

Veröffentlichte Benchmarks

MultiNRC

Overall

Native Reasoning-Aufgaben auf Französisch, Spanisch und Chinesisch, die nicht aus englischen Vorlagen übersetzt wurden. Drei Sprachen sind ein wichtiges Gegengewicht zu englischen Tests, aber noch keine globale Sprachabdeckung.

1.GPT-5 Pro65,2 %

2.Gemini 3.1 Pro Preview64,74 %

3.GPT-5.4 Pro62,27 %

4.GPT-5.458,29 %

5.GPT-552,13 %

6.o3-pro49 %

7.Gemini 2.5 Pro45,12 %

8.DeepSeek-R127,58 %

9.GPT-4.121,23 %

10.Llama 4 Maverick8,44 %

höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %

Quelle: Scale AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-multinrc-native-languages
Messgröße: accuracy
Skala: 0-100
Teilnehmer: 10
Methodik und Einordnung: Native, nicht aus dem Englischen übersetzte Reasoning-Aufgaben mit automatischer Bewertung.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 8,44 % ± 1,68. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-bc7fb4bc0d9a. Prüfsumme der Quelldaten: bc7fb4bc0d9ad4757d46043b7c57b0b056967f2b0062249a99a3f0b616b95e23. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

PRBench Finance

Overall

600 realistische Finanzfragen mit gewichteten Kriterien, davon 300 im schwierigen Teildatensatz. Ein o4-mini-Juror bewertet die Antworten. Fachliche Richtigkeit und praktische Verlässlichkeit bleiben deshalb getrennte Fragen.

1.Claude Fable 553,86 %

2.Claude Opus 4.653,28 %

3.GPT-551,32 %

4.GPT-5 Pro51,06 %

5.GPT-5.6 Sol50,45 %

6.o3-pro49,08 %

7.o347,69 %

8.Claude Opus 4.546,16 %

9.GPT-5.445,63 %

10.Claude Sonnet 4.543,79 %

11.Gemini 3.1 Pro Preview41,87 %

12.o4-mini39,22 %

13.Gemini 2.5 Pro38,92 %

14.Gemini 2.5 Flash38,41 %

15.GPT-4.134,32 %

16.Llama 4 Maverick22,36 %

höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %

Quelle: Scale AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-prbench-finance-full
Messgröße: weighted rubric score
Skala: 0-100
Teilnehmer: 16
Methodik und Einordnung: 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 22,36 % ± 0,42. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-70cdca115a0d. Prüfsumme der Quelldaten: 70cdca115a0da049a285a4ae00fcd400f49e1eea46970bf26fcd4c3374930b5c. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

PRBench Legal

Overall

500 realistische Rechtsfragen mit gewichteten Kriterien aus unterschiedlichen Ländern und Rechtsgebieten. Der Benchmark misst professionelle Antwortqualität, ersetzt aber weder Rechtsprüfung noch menschliche Verantwortung.

1.Claude Fable 552,56 %

2.Claude Opus 4.652,27 %

3.GPT-5.6 Sol50,5 %

4.GPT-5 Pro49,89 %

5.o3-pro49,67 %

6.GPT-548,96 %

7.o348,57 %

8.GPT-5.444,35 %

9.Claude Opus 4.544,21 %

10.Gemini 3.1 Pro Preview44,02 %

11.Gemini 2.5 Pro41,43 %

12.Gemini 2.5 Flash41,02 %

13.Claude Sonnet 4.540,84 %

14.o4-mini38,11 %

15.GPT-4.136,48 %

16.Llama 4 Maverick24,84 %

höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %

Quelle: Scale AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-prbench-legal-full
Messgröße: weighted rubric score
Skala: 0-100
Teilnehmer: 16
Methodik und Einordnung: 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 24,84 % ± 0,9. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-f4e7b1dd0a3e. Prüfsumme der Quelldaten: f4e7b1dd0a3ecd0a1d7d7b08e33377b62d408b58c2f0c61a413a4cfec0d57c2a. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

TutorBench

Overall

1.490 Aufgaben prüfen adaptive Erklärungen, Feedback und Hinweise in sechs MINT-Fächern. Ein Claude-4-Sonnet-Juror bewertet gewichtete Rubriken. Gute Testwerte beweisen keine sichere Betreuung echter Lernender.

1.GPT-5.4 Pro56,62 %

2.Gemini 2.5 Pro55,65 %

3.GPT-555,33 %

4.o3-pro54,62 %

5.Gemini 3.1 Pro Preview52,99 %

6.Gemini 3.1 Flash-Lite51,5 %

7.Llama 4 Maverick40,2 %

8.GPT-4o36,12 %

höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %

Quelle: Scale AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-tutorbench-overall
Messgröße: weighted rubric score
Skala: 0-100
Teilnehmer: 8
Methodik und Einordnung: 1.490 Aufgaben mit gewichteten Rubriken und Claude 4 Sonnet als Juror.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 40,2 % ± 1. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-642ef8e45495. Prüfsumme der Quelldaten: 642ef8e45495e730a3e2f2ddc114f60328e5c0c6da76f877e3b1435841792058. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

Bildverständnis

VISTA

Overall

758 Bild-Text-Aufgaben verbinden OCR, räumliches Verständnis, Objekterkennung und offene visuelle Schlussfolgerungen. Der Datensatz ist privat und wird mit aufgabenspezifischen Rubriken bewertet. Die Ergebnisse sind daher schwer unabhängig nachzurechnen.

1.Gemini 2.5 Pro54,63 %

2.GPT-5.4 Pro53,89 %

3.GPT-5 Pro52,39 %

4.o3-pro51,63 %

5.GPT-5.450,89 %

6.GPT-5 mini50,39 %

7.GPT-549,69 %

8.GPT-4.145,34 %

9.GPT-4.1 mini41,14 %

10.Llama 4 Maverick38,33 %

11.GPT-4.1 nano26,55 %

höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %

Quelle: Scale AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-vista-private-overall
Messgröße: rubric score
Skala: 0-100
Teilnehmer: 11
Methodik und Einordnung: 758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 38,33 % ± 0,55. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-ca07b51d9088. Prüfsumme der Quelldaten: ca07b51d90881a89b710581569dec80da9f3d102bf237f2da6dbe4ad5c91b720. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

VisualToolBench

Overall

1.204 visuelle Aufgaben verlangen Bildbearbeitung, Python, Websuche oder Rechnerzugriff mit höchstens 20 Werkzeugaufrufen. Der Score gehört zum kompletten multimodalen Werkzeugsystem. Das Modell allein lässt sich daraus nicht isolieren.

1.GPT-5.429,17 %

2.Gemini 3.1 Pro Preview28,97 %

3.Claude Opus 4.627,52 %

4.o313,74 %

5.Gemini 2.5 Pro11,75 %

6.o4-mini11,12 %

7.GPT-4.15,52 %

8.Gemini 2.5 Flash4,69 %

9.Llama 4 Scout1,58 %

10.Llama 4 Maverick1,41 %

höhere Werte sind besserStand 26. August 2026Skala: 0 % - 100 %

Quelle: Scale AI

CC BY 4.0

gradually.ai

Methodik und Einordnung

Vergleichskohorte: scale-visual-toolbench-apr
Messgröße: average pass rate
Skala: 0-100
Teilnehmer: 10
Methodik und Einordnung: 1.204 Aufgaben, sechs Werkzeuge und höchstens 20 Werkzeugaufrufe pro Aufgabe.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 1,41 % ± 0,25. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-b6f662a26398. Prüfsumme der Quelldaten: b6f662a2639828660d3c7ee001d8c431eb80967131af7ab01b3e852f4e8f899d. Parserversion: curated-v1. Importiert am: 2026-09-29

Quelle: Scale AI

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

MMMU (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 73.4
Bewertung: 73.4
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 4 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruction-tuned table; BF16

Quelle Meta Llama 4 model card

MMMU Pro (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 59.6
Bewertung: 59.6
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 4 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruction-tuned table; BF16

Quelle Meta Llama 4 model card

MathVista (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 73.7
Bewertung: 73.7
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 4 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruction-tuned table; BF16

Quelle Meta Llama 4 model card

ChartQA (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 90
Bewertung: 90
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 4 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruction-tuned table; BF16

Quelle Meta Llama 4 model card

DocVQA (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 94.4
Bewertung: 94.4
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 4 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruction-tuned table; BF16

Quelle Meta Llama 4 model card

LiveCodeBench (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 43.4
Bewertung: 43.4
Messgröße: percent
Einheit: %
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Meta Llama 4 model card
Status: active
Abrufdatum: 2026-09-08
Methodik: Vom Anbieter veröffentlichter Wert. Instruction-tuned table; BF16

Quelle Meta Llama 4 model card

Dokumentierte Messdetails

MultiNRC: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 8.44
Bewertung: 8.44
Messgröße: accuracy
Einheit: %
Benchmark-Version: French, Spanish, and Chinese release
Kategorie: reasoning
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-multinrc-native-languages
Konfidenzintervall: 1.68
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: Native, nicht aus dem Englischen übersetzte Reasoning-Aufgaben mit automatischer Bewertung.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 8,44 % ± 1,68. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-bc7fb4bc0d9a. Prüfsumme der Quelldaten: bc7fb4bc0d9ad4757d46043b7c57b0b056967f2b0062249a99a3f0b616b95e23. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: Native, nicht aus dem Englischen übersetzte Reasoning-Aufgaben mit automatischer Bewertung.

Quelle Scale AI

PRBench Finance: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 22.36
Bewertung: 22.36
Messgröße: weighted rubric score
Einheit: %
Benchmark-Version: full finance set
Kategorie: finance
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-prbench-finance-full
Konfidenzintervall: 0.42
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 22,36 % ± 0,42. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-70cdca115a0d. Prüfsumme der Quelldaten: 70cdca115a0da049a285a4ae00fcd400f49e1eea46970bf26fcd4c3374930b5c. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 600 Finanzaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.

Quelle Scale AI

PRBench Legal: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 24.84
Bewertung: 24.84
Messgröße: weighted rubric score
Einheit: %
Benchmark-Version: full legal set
Kategorie: legal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-prbench-legal-full
Konfidenzintervall: 0.9
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 24,84 % ± 0,9. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-f4e7b1dd0a3e. Prüfsumme der Quelldaten: f4e7b1dd0a3ecd0a1d7d7b08e33377b62d408b58c2f0c61a413a4cfec0d57c2a. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 500 Rechtsaufgaben mit aufgabenspezifischen Rubriken und o4-mini als Juror.

Quelle Scale AI

TutorBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 40.2
Bewertung: 40.2
Messgröße: weighted rubric score
Einheit: %
Benchmark-Version: 1,490-task release
Kategorie: education
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-tutorbench-overall
Konfidenzintervall: 1
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: 1.490 Aufgaben mit gewichteten Rubriken und Claude 4 Sonnet als Juror.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 40,2 % ± 1. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-642ef8e45495. Prüfsumme der Quelldaten: 642ef8e45495e730a3e2f2ddc114f60328e5c0c6da76f877e3b1435841792058. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 1.490 Aufgaben mit gewichteten Rubriken und Claude 4 Sonnet als Juror.

Quelle Scale AI

VISTA: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 38.33
Bewertung: 38.33
Messgröße: rubric score
Einheit: %
Benchmark-Version: 758 private prompt-image pairs
Kategorie: multimodal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-vista-private-overall
Konfidenzintervall: 0.55
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: 758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 38,33 % ± 0,55. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-ca07b51d9088. Prüfsumme der Quelldaten: ca07b51d90881a89b710581569dec80da9f3d102bf237f2da6dbe4ad5c91b720. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 758 einzelne Bild-Text-Aufgaben mit strukturierten Ja-Nein-Rubriken.

Quelle Scale AI

VisualToolBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 1.41
Bewertung: 1.41
Messgröße: average pass rate
Einheit: %
Benchmark-Version: 1,204-task release
Kategorie: multimodal
Aufgabe: overall
Aufgabenbezeichnung: Overall
Richtung: Mehr ist besser
Vergleichskohorte: scale-visual-toolbench-apr
Konfidenzintervall: 0.25
Quellentyp: official-leaderboard
Auswertung: Scale AI
Status: active
Abrufdatum: 2026-08-26
Methodik: 1.204 Aufgaben, sechs Werkzeuge und höchstens 20 Werkzeugaufrufe pro Aufgabe.. Kennung des Quellmodells: curated/llama-4-maverick. Name des Quellmodells: Llama 4 Maverick. Anbieter laut Quelle: Meta. Evaluator: Scale AI. Datensatztyp: public. Versuche: pass@1. Angezeigter Wert: 1,41 % ± 0,25. Quellenkennung: scale-ai. Kennung der Evidenzaufnahme: curated-scale-ai-2026-08-26-b6f662a26398. Prüfsumme der Quelldaten: b6f662a2639828660d3c7ee001d8c431eb80967131af7ab01b3e852f4e8f899d. Parserversion: curated-v1. Importiert am: 2026-09-29
Vergleichsmethodik: 1.204 Aufgaben, sechs Werkzeuge und höchstens 20 Werkzeugaufrufe pro Aufgabe.

Quelle Scale AI

Seite 1 von 3

Vorgänger und Nachfolger

Quellen und Datenstand

Art	Nachweis und Datenstand
Geschwindigkeit	Median der bereitstellenden Anbieter. Ausgabetempo nach dem ersten empfangenen Textabschnitt, nicht die gesamte Antwortzeit. Abgerufen am 8. September 2026. Quelle: Artificial Analysis · Artificial Analysis (abgerufen 8. September 2026)Messmethode der Geschwindigkeit
Preis	API-Basispreise ohne Cache- oder Batch-Rabatt. Höhere Kontextstufen und weitere Tarife stehen unter Kosten. Quelle: Preise · API-Preise
Eingabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Meta Llama 4 model card (abgerufen 8. September 2026) · Meta Llama 4 model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 8. September 2026. Quelle: Modelldokumentation · Meta Llama 4 model card (abgerufen 8. September 2026) · Meta Llama 4 model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Recherchestand	Recherchestand 8. September 2026. 2 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
In den geprüften Quellen nicht gefunden	max-output-tokens Originalwortlaut Card does not specify a model-specific maximum output.
Weitere Quelle	Modellmetadaten
Weitere Quelle	Kontextfenster-Daten
Weitere Quelle	Wissensstand-Daten · Meta AI, The Llama 4 herd · Redaktionelle Beschreibung geprüft am 2. Oktober 2026
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	Scale AI (abgerufen 26. August 2026)
Weitere Quelle	OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere Quelle	Creative Commons Attribution 4.0

Llama 4 Maverick

Technische Daten und Zugang

Veröffentlichte Benchmarks

MultiNRC

PRBench Finance

PRBench Legal

TutorBench

Bildverständnis

VISTA

VisualToolBench

Messungen ohne passende Vergleichswerte

Dokumentierte Messdetails

Unsere Tests

Pelikan auf dem Fahrrad

Beliebtheit

Veröffentlichte Preise

Vorgänger und Nachfolger

Quellen und Datenstand