Llama 4とは？（ラマフォー）意味・特徴をわかりやすく解説

Llama 4（ラマフォー）

Meta が 2025 年 4 月に公開した次世代オープンソース LLM シリーズ。Llama 3 の後継として、マルチモーダル対応、より長いコンテキスト、MoE アーキテクチャを採用し、オープンモデルの最高水準を目指す。

0 回閲覧

0 いいね

2026/4/25 更新

Llama 4

概要

Llama 4 は、Meta（Facebook）が 2025 年 4 月に公開したオープンソース大規模言語モデルシリーズです。Llama 3 の後継として、ネイティブマルチモーダル対応、MoE（Mixture of Experts）アーキテクチャの採用、最大 10M トークンの超長コンテキストなど、複数の革新を実装しています。オープンソース LLM のリーダーシップを維持すべく、Meta が総力を挙げて開発したモデルです。

ラインナップ

Llama 4 Scout（17B アクティブ、109B 総）

16 エキスパート MoE
10M トークンコンテキスト（業界最長クラス）
用途: 軽量なマルチモーダル用途、長文処理
単一 H100 GPU で動作

Llama 4 Maverick（17B アクティブ、400B 総）

128 エキスパート MoE
1M トークンコンテキスト
用途: 汎用、GPT-4o 対抗
単一 H100 ホスト（8 GPU）で動作

Llama 4 Behemoth（288B アクティブ、~2T 総）

最大級のモデル
学習中（2025 年 4 月時点）
用途: 研究、最先端ベンチマーク**

主要特徴

ネイティブマルチモーダル

Early Fusion: テキストと画像を学習初期から統合
対応: 画像、動画（フレーム）
用途: VQA、画像理解、動画解析

超長コンテキスト（Scout の 10M）

iRoPE: 改良された Rotary Position Embedding
用途: 大規模コードベース解析、全書籍読込、長編動画

MoE アーキテクチャ

Llama 3 は Dense、Llama 4 は MoE
推論コスト削減: アクティブパラメータのみ計算
Llama 4 Scout: 16 エキスパート中 1 個選択

ベンチマーク

ベンチマーク	Scout	Maverick	GPT-4o
MMLU Pro	74.3	80.5	74.7
GPQA Diamond	57.2	69.8	53.6
Image MMU	69.4	73.4	69.1
DocVQA	94.4	94.4	92.8

Llama 3 からの進化

項目	Llama 3	Llama 4
アーキテクチャ	Dense	MoE
マルチモーダル	別モデル（3.2）	ネイティブ
コンテキスト	128K	1M-10M
最大サイズ	405B	~2T（Behemoth）
学習データ	15T tok	~30T tok

ローカル実行

Llama 4 Scout

VRAM: 80GB（INT4）、160GB（FP16）
H100 × 1（80GB HBM3）で動作
Mac Studio M3 Ultra 256GB でも可

Llama 4 Maverick

VRAM: 200GB（INT4）
H100 ホスト（8× 80GB）

Ollama/LM Studio 対応

ollama run llama4:scout
ollama run llama4:maverick

競合との比較

モデル	パラメータ	ライセンス	マルチモーダル
Llama 4 Scout	109B（17B active）	オープン	✅
Llama 4 Maverick	400B（17B active）	オープン	✅
GPT-4o	不明	クローズド	✅
Claude 4 Opus	不明	クローズド	✅
Gemini 3 Pro	不明	クローズド	✅
DeepSeek V3	671B（37B active）	オープン	❌

ライセンス

Llama 4 Community License

商用利用: 可（月間アクティブユーザー 7 億人未満）
再配布: 可
学習: 可（派生モデル作成）
制限: 超大規模サービスは別途ライセンス