关键要点
- Meta 最新 AI 模型 Llama 4 Scout 17B 和 Llama 4 Maverick 17B 现已作为完全托管的无服务器模型在 Amazon Bedrock 中提供，并可在 Amazon SageMaker JumpStart 中使用。
- Llama 4 模型支持图像与文本同时处理，助力构建功能更强大的应用。
- 采用混合专家架构，可根据具体任务智能激活相关模块，避免全量算力消耗。
- 以更少计算资源提供更强大结果，显著提升高级 AI 的普及度与成本效益。
2025 年 4 月 28 日：本文已更新，以反映 Llama 4 模型已在 Amazon Bedrock 中可用。
Amazon Web Services (AWS) 宣布通过 Amazon Bedrock 和 Amazon SageMaker JumpStart 提供 Meta 最新的 Llama 4 模型。Llama 4 系列首批两款模型——Llama 4 Scout 17B 和 Llama 4 Maverick 17B——均具备先进的多模态能力（可同时理解图像和文本提示）及行业领先的上下文窗口，在性能与效率上均优于前代版本。
Llama 4 Scout 和 Llama 4 Maverick 在 AWS 上的上线进一步丰富了模型选择，助力客户高效构建、部署和扩展应用。AWS 持续在领先 AI 公司发布新模型后第一时间引入，并配备企业级工具与安全特性，使生成式 AI 应用的构建、定制与扩展更加便捷。
为何值得关注
AWS 对模型选择的承诺再次得到印证。Meta 推出的两款全新多模态模型中，Llama 4 Scout 17B 将单次可处理数据量从此前模型的 12.8 万 token 提升至最高 1000 万 token（约为之前的 80 倍），支撑多文档汇总、全面用户行为分析及整个代码库推理等场景。目前 Amazon Bedrock 为 Llama 4 Scout 17B 提供 350 万上下文窗口支持，并将尽快扩展。Llama 4 Maverick 17B 作为通用模型，在跨 12 种语言的图像与文本理解任务中表现卓越，适用于复杂助手及聊天应用。
两款模型均采用原生多模态架构设计，从底层实现文本与图像的无缝协同理解。此外，得益于 Meta 首创的高效混合专家（MoE）架构，模型仅针对每项任务激活最相关部分，显著降低计算成本，提升训练与推理效率，带来更优的性能与性价比。
认识 AI：什么是 Llama 4 Scout 17B 和 Llama 4 Maverick 17B？
若将 Llama 4 模型拟人化，Scout 如同一位注重细节的研究助理，拥有过目不忘的记忆力，能在海量文档中瞬间检索信息，并在需求明确前预判所需内容，不仅提供答案，还赋予其背景语境。Maverick 则像一位精通多语的创意总监，擅长视觉叙事——无论是撰写引人入胜的内容、精准分析复杂图像，还是在多语言环境中保持品牌语调一致，皆游刃有余。
数据解析
- Llama 4 Scout 17B 拥有 170 亿活跃参数和总计 1090 亿参数，在其类别中实现最先进性能。
- Llama 4 Scout 17B 上下文窗口最大达 1000 万 token，较 Llama 3 的 12.8 万 token 扩大近 80 倍，相当于从“读几页书”跃升至“消化整部百科全书”。
- Llama 4 Maverick 17B 包含 170 亿活跃参数和总计 4000 亿参数，分布于 128 个专家模块中，每次仅激活与当前任务最相关的部分，兼顾强大性能与高效运算。
更大的图景
MoE（混合专家）架构如同拥有一支专家团队而非单一通才。模型不再对所有问题动用全部算力，而是根据任务智能激活“大脑”中的特定“专家”模块，类似医院将患者分流至专科医生。这种针对性方法使 Llama 4 能以更少计算资源输出更强结果，让先进 AI 对各类规模企业更具可及性与成本效益。开发者可借此构建能处理海量信息、支持多语言并无缝融合文本与图像的复杂应用。
未来展望？
AWS 致力于在可用时第一时间向客户引入领先 AI 公司的最新模型。随着模型在规模与模态上的持续扩展，客户将能更充分地释放生成式 AI 潜力。
深入了解
访问 AWS 新闻博客 获取更多关于 Llama 4 功能及如何在 Amazon Bedrock 部署模型的信息，并查看 Meta 的 Llama 在 Amazon Bedrock 产品页面。有关 Amazon SageMaker JumpStart 部署详情，请访问 AWS 机器学习博客。
如何使用 Llama 4 模型
要开始使用，请访问 Amazon Bedrock 控制台 和 Amazon SageMaker AI 控制台。