JAKARTA - Meta menambah dua anggota large language model (LLM/model bahasa besar) baru untuk keluarga Llama 4 series, yang diberi nama Llama 4 Scout dan Llama 4 Maverick pada Sabtu (5/4/2025).
“Hari ini, kami memperkenalkan Llama 4 Scout dan Llama 4 Maverick, model natif open-weight yang mendapat dukungan memproses jumlah teks yang lebih besar dari model sebelumnya, dan pertama kali dikembangkan dengan arsitektur Mixture of Experts (MoE),” ungkap Meta dalam situs resminya.
Secara teknis, model natif open weight merujuk pada parameter dari “bobot” model LLM yang dapat diakses secara terbuka untuk umum. Sementara itu, MOE merupakan teknik menggunakan beberapa sub model khusus (experts) untuk menangani berbagai bagian input dari perintah teks.
Meta mengungkapkan bahwa seluruh model LLM terbarunya dilatih untuk memproses sejumlah teks, gambar, dan data video tanpa label, untuk memberikan pemahaman pada cakupan visual yang lebih luas.
Mengingat kedua model juga dibangun menggunakan arsitektur MOE, Meta mengklaim pemrosesan komputasional Maverick dan Scout lebih efisien dalam melakukan pelatihan ataupun menjawab pertanyaan.
Soal spesifikasinya, Scout dapat berjalan menggunakan satu GPU Nvidia H100 dan Maverick membutuhkan tenaga yang lebih besar, yakni satu sistem Nvidia H100 DGX atau model yang setara,
Model LLM Maverick juga terdiri dari 400 miliar parameter secara total. Akan tetapi, hanya terdapat 17 parameter aktif dan 128 experts, sedangkan Scout memiliki 109 parameter ttotal, 17 miliar parameter aktif, dan 16 ahli.
Dalam konteks LLM, paramter aktif adalah variabel internal yang disesuaikan oleh model selama pelatihan guna meningkatkan kinerja dan kemampuan dalam menghasilkan teks. Konteks “ahli” dan “parameter” ini untuk menunjukkan submodel khusus dan variabel internal yang masing-masing digunakan untuk memproses dan menghasilkan teks.
Maverick juga bisa diposisikan sebagai model LLM yang lebih unggul daripada Scout. Sebab, dari hasil pengujian internal, Maverick menjadi model yang cocok untuk dijadikan sebagai asisten virtual dan menjawab obrolan ringan. Dikarenakan model ini mampu menghasilkan penulisan kreatif yang diklaim lebih unttul dari GPT-40 milik Open AI dan Gemini 2.0 Google.
Maverick juga ditemukan lebih unggul dalam pemecahan masalah, penalaran, multibahasa, menjawab pertanyaan kompoleks dengan konteks panjang, pengkodean, hingga menjadi indikator dalam melihat gambar tertentu.
Adapun “saudaranya”, Scout memiliki keunggulan dalam pengerjaan tugas-tugas yang lebih ringan, seperti meringkas dokumen, penalaran berbasis kode besar. Scout juga memiliki “jendela” konteks yang terbilang besar, yakni 10 juta token.
Token di model LLM merujuk pada potongan teks mentah yang dapat membagi satu kalimat menjadi beberapa suku kata. Misalnya, fantastis, akan dipecah menjadi “fan”, “tas”, “tos”. Dalam bahasa Inggris sederhana, Scout dapat mengambil gambar hingga jutaan kata yang memungkinkannya merespons dan memproses dokumen panjang.
“Llama Scout adalah model terbaik di kelasnya yang dapat mengolah gambar, menyeleraskan petunjuk pengguna dengan konsep visual yang relevan, dan model respons yang dapat dijadikan rujukan dalam konteks visual,” ungkap Meta.
Meta pun tengah mengembangkan model LLM lain yang diberi nama Behemoth. Hanya saja, model ini masih dalam tahap pengembangan dan diposisikan lebih unggul dari Maverick dan Scout.
Behemoth hadir dengan 2 triliun parameter total, 288 miliar parameter aktif, dan 16 experts. Keunggulan ini mencatat Behemoth mampu lebih unggul daripada model AI kompetitornya, seperti GPT-4.5, Claude 3.7 Sonnet, dan Gemini 2.0 Pro.
Kinerja Scout, Maverick dan Bahemoth
Hasil pengujian model LLM Meta, Maverick yang dibandingkan dengan kompetitor
Llama 4 Maverick, dalam pengujian internal Meta, mampu mengerjakan tugas penaran visual dengan nilai 90 pada pengujian Chart QA dan 94,4 pada DocVQA. Nilai ini mengungguli GPT-40 dan Gemini 2.0 Flash.
Sementara itu, untuk tugas penalaran, nilainya tercatat 73,7 di pengujian MathVista dan 80,5 di MMLU Pro. Nilai ini menunjukkan Maverick memiliki penalaran yang kuat.
Untuk tugas pemrograman, Maverick mendapatkan skor 43,4 pada LiveCodeBench, lebih tinggi dari GPT-4o dan Gemini 2.0 Flash, tetapi masih satu peringkat di bawah deppSeek v.31. Kinerja asistennya juga diperkuat oleh peringkat ELO 1417 di LMArena.
Efisiensi daya dari model Maverick tercatat membutuhkan biaya sekitar 0,19 dollar AS hingga 0,49 dollar AS (sekitar Rp 3.180 sampai Rp 8.202) per juta token di bawah campuran input-output 3:1.
Model selanjutnya, Scout dengan skala yang lebih kecil hadir dengan skor 88,8 di ChatQA, 94,4 di DocVQA, dan 74,3 di MMLU Pro. Nilai ini menyoroti efektivitas dari Scout dalam penalaran dan merepons gambar, khususnua dengan penggunaan GPU tunggal.
Hasil pengujian skor yang tinggi dengan model yang lebih besar dalam memroses gambar mengindikasikan adanya optimalisasi desain yang kuat, khususnya ketika menggunakan pemahaman multimodal yang kaya konteks, dan biaya yang lebih terjangkau.
Sementara itu, Behemoth yang masih belum dirilis dikembangkan sebagai model “pro” dari Maveric dan Scout. Meta melaporkan Behemoth meraih skor 95 pada Math 500, 82,2 di MMLU Pro, 73,7 di GPQA Diamond, dan 85,8 MMLU Multilingual.
Pengujian skor di atas menunjukkan bahwa Behemoth lebih unggul daripada Claude Sonnet 3,7, Gemini 2.0 Pro, dan GPT-4.5 dalam tugas penalaran multibahasa dan STEM (Science, Technology, Engineering, Mathematics).
Temuan menariknya, seluruh mode yang diperkenalkan Meta disetel untuk menolak menjawab pertanyaan-pertanyaan kontroversial. Meta mengungkapkan bahwa Llama menanggapi topik sosial, politik yang tidak akan sama seperti model sebelumnya,
Model Llama, menurut Meta, juga diupayakan untuk memberikan jawaban yang lebih seimbang, sehingga hasil jawabannya tidak akan begitu menarik.
Kendati demikian, dikutip KompasTekno dari Tech Crunch, Senin (7/4/2025), seluruh model Llama yang dikembangkan bukan dikategorikan sebagai model penalaran, seperti model o1 ataupun o3-mini seperti Open AI.
Model penalaran berfungsi. memeriksa fakta jawaban dan umumnya dapat menanggapi pertanyaan dengan lebih baik.
Konsekuensinya, proses menjawab pertanyaan membutuhkan waktu yang lebih lama daripada model yang lebih tradisional, dan memproses jawaban tanpa melibatkan penalaran atau penambahkan konteks. I snd
COMMENTS