Llama 4 模型现已在 Azure AI Foundry 和 Azure Databricks 上正式发布

我们很高兴地宣布，Meta 最新一代大模型 Llama 4 系列现已正式登陆 Azure AI Foundry（国际版）和 Azure Databricks！这意味着开发者可以在 Azure 上直接使用 Llama 4 构建更个性化、跨模态的 AI 应用。 

该模型采用创新架构，能够将文本和图像无缝整合至统一的模型骨干中。这种设计使开发者能够在需要处理海量未标注文本、图像和视频数据的应用中充分发挥 Llama 4 的潜力。

此次上线的模型包含 Llama 4 Scout 模型和 Llama 4 Maverick 模型，您可以直接在 Azure AI Foundry（国际版）中作为托管计算资源（Managed Compute）使用。 

Azure AI Foundry（国际版）专为多智能体（multi-agent）应用场景打造，能够支持多个 AI 智能体之间的无缝协作。这项能力为 AI 应用开辟了全新领域，从复杂问题求解到动态任务管理都将受益匪浅。

设想一下，您有一组 AI 智能体： 

• 一个负责分析数据 

• 一个负责撰写内容 

• 一个负责校对和优化 

• 一个实时抓取外部信息 

这些智能体就像一个虚拟团队，可以互相协作、分工处理复杂任务。 

为了满足不同的使用场景和开发需求，Llama 4 提供了大小不同的模型版本。既适合在轻量化环境中部署，也能胜任高强度算力需求的复杂任务。 

更重要的是，Llama 4 在模型开发的每一个阶段（从预训练、微调到部署）都集成了安全防护机制，帮助开发者抵御潜在的攻击或应对潜在的风险。 

Llama 4 还支持系统级的可调式防护，开发者可以根据应用需求灵活调整，让模型既保持高性能，也更加可靠、可控、安全。无论您是在做聊天助手、内容生成，还是企业内部自动化任务，Llama 4 都能提供稳定、可信赖的体验。 

Llama 4 Scout 模型性能远超 Llama 3，还能在单张 H100 GPU 上运行，性能和效率兼顾，是当前最强的轻量级多模态模型之一。其最大亮点是 —— 上下文长度直接拉到了惊人的 1000 万 tokens，远超行业普遍的几十万 token 水平。这意味着它可以：

🔍 支持跨多个文档的内容整合与摘要生成 

📊 能够理解用户的长时间行为数据并个性化响应 

🧠 在海量代码库或知识库中进行复杂推理 

在摘要生成、个性化推荐、多文档理解等场景中，Llama 4 Scout 表现尤为突出。它不仅能“读得多”，还能“记得住、理得清”，为开发者提供更真实、更贴近实际业务的  AI  能力。 

比如说，它可以一次性“读完”整个企业 SharePoint 文档库，精准回答您提出的查询；也可以阅读一份长达几千页的技术手册，提供故障排查建议。正如它的名字 —— Scout（侦察兵），它就是为了在信息密集的场景中帮您高效“打前站”，您只需一句 prompt，它就能穿梭于海量数据，提炼关键内容，提供精准答案。

作为一款通用型大型语言模型，Llama 4 Maverick 拥有活跃参数 170 亿、专家网络 128 个、总参数量高达 4000 亿，相较于 Llama 3.3 的 70B 模型，它在保持高质量性能的同时，具备更高的性价比。 

Maverick 在图像与文本理解方面表现尤为出色，支持多达 12 种语言，特别适合需要跨语言、高质量表达的应用场景。它非常适合用于图像精准识别和创意写作，是构建通用助手和聊天场景的理想选择。对于开发者而言，Maverick 提供了领先的智能表现与响应速度，并针对回答的质量与语气进行了优化，带来更加自然、贴切的交互体验。

重点应用场景包括：

Maverick 是 Llama 4 家族中的旗舰聊天模型，您可以把它理解成“多语言 + 多模态 + 聊天能力全面进化版”的对话式智能助手。它在对话中的表现更加自然、有礼貌，也更贴近真实人类沟通风格。 

借助 Maverick，企业可以构建出高质量的智能助手，不仅能够与全球用户进行自然且礼貌的对话，还能在需要时利用视觉感知能力提供更精准的服务。

Meta 最新发布的 Llama 4，具备两项核心创新，使其在众多模型中脱颖而出：一是原生支持多模态并采用早期融合机制，二是采用更高效、更易扩展的混合专家（MoE）架构。 

Llama 4 采用早期融合的方法，从一开始就将文本、图像和视频帧视为统一的 token 序列进行处理。这使模型能够从一开始就能统一处理各种信息，从而更擅长处理多模态任务。 

比如说，用户上传一份包含图表和说明的报告，或是一个有字幕的视频片段，Llama 4 不但能看懂图、读懂文字，还能结合语境给出总结或者答案。对企业来说，这意味着智能助手可以一次性处理图文视频混合内容，输出结构化信息或摘要，大幅提升信息处理的效率与质量。 

Llama 4 采用了专家混合（MoE）的架构。简单说，这个模型里内置了很多“子模型专家”，每次处理输入时，只激活其中一小部分最合适的专家。这样的设计不仅提高了训练效率，还增强了推理阶段的可扩展性。通过将计算负载分配给不同的专家子模型，Llama 4 能够同时处理更多请求，使其能够在生产环境中运行，而无需依赖大型单一 GPU 实例。 

对企业来说，这意味着用更低的成本，也能获得强大的模型能力，无论是部署在云端，还是落地到本地环境，都更加灵活易用。 

在构建 Llama 4 时，Meta 严格遵循了其《AI 安全使用指南》中的最佳实践，从模型预训练、微调到上线部署，每一个环节都内置了安全防护机制。同时，系统层面也加入了可调节的安全策略，用于抵御潜在的攻击或滥用。 

此外，通过将这些模型部署在 Azure AI Foundry （国际版）平台，开发者还可以依托 Azure 提供的企业级安全保障机制，获得他们所期望的稳定、安全的开发环境。 

Meta Llama 4 现已在 Azure AI Foundry（国际版）和 Azure Databricks 上正式发布，请扫描下方二维码根据自身需求选择合适的平台。 

登录 Azure AI Foundry 浏览模型目录体验 Llama 4： 

访问 Azure Databricks 探索新的 Llama 4：