KI-Radar: Meta Llama 4 — multimodal, offen, mit Kleingedrucktem

Kein offenes Ökosystem ist breiter im Einsatz als Llama. Mit der vierten Generation wechselt Meta auf Mixture-of-Experts und macht die Modelle von Grund auf multimodal — ein deutlicher Sprung, aber nicht ohne Kleingedrucktes.

Die Herde im Überblick

Llama 4 Scout: 17 Mrd. aktive Parameter bei 16 Experten, passt auf eine einzelne H100 und bringt ein außergewöhnlich großes Kontextfenster mit.
Llama 4 Maverick: ebenfalls 17 Mrd. aktive Parameter, aber 128 Experten — der Allrounder, der mit deutlich größeren proprietären Modellen mithält.
Llama 4 Behemoth: mit 288 Mrd. aktiven Parametern Metas bislang stärkstes Modell, noch im Training und als Lehrer für die kleineren Varianten gedacht.
Nativ multimodal: Text und Bild werden gemeinsam verarbeitet, nicht nachträglich angeflanscht.

Aktive Parameter, Gesamtgröße und was beides bedeutet

Bei Llama 4 lohnt sich ein Blick auf die MoE-Mathematik, weil sie über die Hardware entscheidet. Die 17 Mrd. aktiven Parameter von Scout und Maverick sagen, wie viel Rechenleistung pro Token tatsächlich anfällt — das ist die Größe, die die Inferenzgeschwindigkeit und die Token-Kosten bestimmt. Die Gesamtzahl der Parameter liegt deutlich höher, weil das jeweilige Modell viele Experten bereithält und bei jedem Token nur die passendsten aktiviert. Diese Gesamtgröße bestimmt wiederum, wie viel VRAM nötig ist, um die Gewichte überhaupt zu laden. Kurz: die aktive Zahl treibt die Laufzeit, die Gesamtzahl den Speicherbedarf.

Konkret heißt das: Scout bringt ein 17B-aktives / 109B-gesamt-Profil auf 16 Experten und passt damit auf eine einzelne H100. Maverick bleibt bei 17B aktiv, wächst aber auf rund 400B Parameter verteilt über 128 Experten — und braucht entsprechend mehr Hardware. Behemoth schließlich (rund 288B aktiv bei geschätzt zwei Billionen gesamt) ist noch im Training und nicht für den produktiven Mittelstandseinsatz gedacht; er dient als Lehrer für die kleineren Modelle.

Der Vorbehalt

Llama ist quelloffen verfügbar, aber nicht im klassischen Open-Source-Sinn: Es gilt eine Community-Lizenz mit Einschränkungen — etwa für sehr große Anbieter und in der Nutzungsordnung. Für europäische Firmen kommt hinzu, dass Meta die multimodalen Funktionen zeitweise mit regionalen Auflagen versehen hat. Wer Llama 4 produktiv einsetzt, sollte die Lizenz also genauso prüfen wie das Modell.

Was in der Lizenz steht

Die Meta-Llama-Lizenz ist permissiver als viele proprietäre Angebote, aber eben keine reine Apache- oder MIT-Lizenz. Zwei Klauseln verdienen besondere Aufmerksamkeit. Erstens die Schwelle von 700 Millionen monatlich aktiven Nutzern: Wer sie überschreitet, braucht eine separate Vereinbarung mit Meta — für den Mittelstand irrelevant, für sehr große Plattformen ein echter Haken. Zweitens die Acceptable-Use-Policy, die bestimmte Anwendungen ausschließt und die eigene Verantwortung für den Betrieb regelt. Wer Llama 4 gewerblich einsetzt, sollte beide Klauseln gelesen und in die internen Richtlinien eingebaut haben — dann ist der Eigenbetrieb unproblematisch.

Unsere Sicht

Dass Scout auf eine einzige H100 passt, macht ernsthafte offene KI für den Mittelstand zugänglich — das ist die gute Nachricht. Die Lizenz ist der Preis dafür: leistbar, aber lesepflichtig. Wir bewerten Modelle nach Aufgabe — und bei Llama gehört das Kleingedruckte mit zur Aufgabe.