چگونه بهترین مدل Llama را متناسب با نیاز خود انتخاب کنیم؟

چت ما چهار مدل Meta Llama را در اختیارتان قرار می‌دهد. این‌ها صرفاً چهار اندازه مختلف از یک مدل نیستند؛ بلکه به دو نسل متفاوت تعلق دارند، معماری متفاوتی دارند، ورودی‌های گوناگونی می‌پذیرند و تاریخ پایان اطلاعات آن‌ها با هم فرق می‌کند. این راهنما ویژگی‌های هر کدام را مقایسه کرده و در قالب چند نکته ساده، انتخاب مدل مناسب را برایتان آسان می‌کند. شما می‌توانید در هر زمان مدل را تغییر دهید، بنابراین انتخابتان دائمی نیست.

نگاهی گذرا به چهار مدل

منابع: مستندات مدل‌های Meta در Hugging Face و فهرست مدل‌های OpenRouter، بازبینی در اکتبر ۲۰۲۶. زبان‌های پشتیبانی‌شده در Llama 4 عبارتند از: عربی، انگلیسی، فرانسوی، آلمانی، هندی، اندونزیایی، ایتالیایی، پرتغالی، اسپانیایی، تاگالوگ، تایلندی و ویتنامی. زبان‌های Llama 3.3 و 3.1 عبارتند از: انگلیسی، آلمانی، فرانسوی، ایتالیایی، پرتغالی، هندی، اسپانیایی و تایلندی. سایر زبان‌ها نیز معمولاً کار می‌کنند، هرچند ممکن است با خطاهای بیشتری همراه باشند.

این تفاوت‌ها در عمل چه معنایی دارند؟

تصاویر

تنها دو مدل Llama 4 توانایی پردازش تصویر را دارند. اگر هنگام انتخاب Llama 3.3 70B یا Llama 3.1 8B تصویری آپلود کنید، چت به‌طور خودکار روی Llama 4 Maverick تنظیم می‌شود. در هر پیام می‌توانید یک تصویر پیوست کنید.

پنجره محتوا (Context Window)

پنجره محتوا حداکثر حجم متنی است که مدل می‌تواند در یک لحظه پردازش کند. روی کاغذ، مدل Scout با اختلاف بیشترین ظرفیت را دارد. با این حال در چت ما، هر درخواست برای سرعت پاسخ‌دهی بهینه نگه داشته می‌شود؛ بنابراین تفاوت چشمگیری میان مدل‌ها حس نخواهید کرد. پیشنهاد می‌کنیم متن‌های بسیار طولانی را، فارغ از نوع مدل، بخش‌بندی کنید. ظرفیت بالای پنجره محتوا بیشتر هنگام استفاده از مدل‌ها از طریق API اهمیت پیدا می‌کند.

پایان دانش مدل‌ها

مدل‌های Llama 4 تا اوت ۲۰۲۴ آموزش دیده‌اند، در حالی که اطلاعات مدل‌های Llama 3 تا دسامبر ۲۰۲۳ است. برای موضوعات مربوط به نیمه اول ۲۰۲۴، Maverick یا Scout انتخاب‌های بهتری هستند. برای رویدادهای جدیدتر، هیچ‌یک از مدل‌های چت ما پاسخی ندارند چون دسترسی به وب ندارند؛ برای این موارد از منابع به‌روز استفاده کنید.

اندازه و سرعت

مدل Llama 3.1 8B کوچک‌ترین مدل است و معمولاً سریع‌ترین پاسخ‌ها را ارائه می‌دهد. معماری ترکیب متخصص‌های Llama 4 به ازای هر توکن از ۱۷ میلیارد پارامتر فعال استفاده می‌کند که با وجود اندازه کلی بزرگ، کارایی بالایی دارد. سرعت نهایی به میزان ترافیک ارائه‌دهنده در همان لحظه نیز بستگی دارد.

بررسی جداگانه مدل‌ها

Llama 4 Maverick: مدل پیش‌فرض

بزرگ‌ترین مدل در میان دو مدل Llama 4 با بیشترین تعداد پارامتر کلی. اگر در انتخاب مدل مردد هستید، این بهترین گزینه است: تولید محتوا، ارائه‌ی توضیحات، تحلیل، کدنویسی و پرسش درباره تصاویر. این مدل به همراه Scout، گسترده‌ترین پشتیبانی رسمی از زبان‌های مختلف را دارد. چت با Llama 4 Maverick یا مشاهده صفحه مدل Maverick.

Llama 4 Scout: مدل Llama 4 با پنجره محتوای بزرگ

در مجموع از Maverick کوچک‌تر است، اما با همان ۱۷ میلیارد پارامتر فعال و توانایی تحلیل تصاویر کار می‌کند. Meta این مدل را برای مدیریت متون بسیار طولانی طراحی کرده است. این گزینه برای دریافت یک نظر دوم در کارهای Llama 4، یا جایگزینی عالی هنگام شلوغی سرور Maverick بسیار مناسب است و با تصاویر نیز کار می‌کند. چت با Llama 4 Scout یا مشاهده صفحه مدل Scout.

Llama 3.3 70B: همه‌فن‌حریف متنی

آخرین انتشار از نسل Llama 3 در دسامبر ۲۰۲۴؛ مدلی بزرگ برای کارهای متنی مثل پیش‌نویس، ویرایش، خلاصه کردن، استدلال تحلیلی و برنامه‌نویسی. زمانی که می‌خواهید پاسخ مدل متفاوتی را برای یک پرامپت بسنجید یا زمانی که مدل‌های Llama 4 مشغول هستند، گزینه‌ای عالی است. چت با Llama 3.3 70B یا مشاهده صفحه Llama 3.3 70B.

Llama 3.1 8B: سبک و سریع

کوچک‌ترین مدل موجود. مناسب برای کارهای ساده‌ای که سرعت مهم‌تر از عمق پاسخ است: بازنویسی جملات، ایجاد فهرست‌های ساده، ایده‌پردازی و تعاریف کوتاه. مدل‌های کوچک معمولاً در استدلال‌های چندمرحله‌ای، دستورالعمل‌های طولانی و دقت داده‌ها ضعیف‌ترند؛ بنابراین برای موارد مهم پاسخ‌ها را بازبینی کنید. چت با Llama 3.1 8B یا مشاهده صفحه Llama 3.1 8B.

راهنمای سریع انتخاب مدل

اگر می‌خواهید مدل محبوب خود را پیدا کنید، یک پرامپت تستی شبیه به کارهای روزمره‌تان را برای هر مدل ارسال کنید و پاسخ‌ها را بسنجید. برای مثال:

من یک نانوایی کوچک دارم. سه متن کوتاه اینستاگرامی برای معرفی نان چاودار جدیدمان بنویس، هر کدام با لحنی متفاوت. سپس در دو جمله توضیح بده کدام متن را انتخاب می‌کنی و چرا.

موارد مهم را بسنجید: آیا همه دستورات رعایت شده‌اند؟ آیا لحن مناسب است؟ آیا طول متن درست است؟ آیا جزئیات خیالی که به آن اشاره نکرده بودید اضافه کرده است؟ این پرامپت تستی را امتحان کنید، سپس مدل را تغییر داده و دوباره ارسال کنید.

نحوه تغییر مدل

1. صفحه چت را باز کنید.
2. روی نام مدل در بالای صفحه کلیک کرده و یکی از چهار مدل را انتخاب کنید. هر گزینه توضیحی کوتاه و نشان‌هایی برای تصویر، متن‌های طولانی یا سرعت دارد.
3. انتخاب شما برای همان گفتگو ذخیره می‌شود و در کنار هر پاسخ مشخص است که کدام مدل آن را تولید کرده است.

لینک‌های این راهنما چت را با مدل انتخاب‌شده باز می‌کنند. ابزارهایی مانند نویسنده هوش مصنوعی و خلاصه‌ساز مدل مناسب را به‌طور خودکار انتخاب می‌کنند. برای آشنایی بیشتر، مقایسه‌های Llama 4 Maverick در برابر Scout، Llama 3.3 در برابر Llama 4 و تاریخچه خانواده Llama را مطالعه کنید.

کارهایی که هیچ‌یک از مدل‌ها در اینجا انجام نمی‌دهند

• جستجو در وب یا باز کردن لینک‌ها.
• دسترسی به اطلاعات پس از تاریخ پایان دانش خود.
• خواندن فایل‌هایی به جز تصویر؛ متن‌ها را باید کپی و جای‌گذاری کنید.
• تولید تصویر یا مکالمه صوتی.
• به یاد داشتن گفتگوهای دیگر شما.

مدل‌های جدیدتر Muse از شرکت Meta که در سال ۲۰۲۶ معرفی شدند، جزو خانواده Llama نیستند و در این چت ارائه نمی‌شوند. برای نکاتی کاربردی درباره همه مدل‌ها، راهنمای نحوه نوشتن پرامپت را بخوانید.

پرسش‌های متداول

کدام مدل Llama هوشمندتر است؟

هیچ رتبه‌بندی ثابتی برای همه وظایف صدق نمی‌کند و ما معیارهای بنچمارک را منتشر نمی‌کنیم. برای بیشتر کاربران، Maverick بهترین نقطه شروع است. اگر پاسخ آن رضایت‌بخش نبود، همان پرامپت را با Llama 3.3 70B امتحان کنید.

چرا یک مدل کوچک مانند Llama 3.1 8B هنوز در دسترس است؟

چون بسیاری از کارها ساده هستند. برای بازنویسی سریع یا فهرست کردن ایده‌ها، یک مدل سبک به سرعت پاسخ می‌دهد و کار را راه می‌اندازد. در کارهای پیچیده‌تر به سراغ مدل‌های بزرگ‌تر بروید.

آیا همه مدل‌ها از سهمیه روزانه یکسانی استفاده می‌کنند؟

بله. هر پیام با هر مدلی به میزان یکسان از سهمیه رایگان روزانه شما کسر می‌کند و ابزارهای متنی نیز در همین سهمیه مشترک هستند.

آیا می‌توانم از مدل‌های دیگر Llama مانند Llama 3.2 استفاده کنم؟

در چت ما خیر. صفحاتی برای اطلاعات بیشتر درباره Llama 3.2 و Llama Guard در دسترس است، همچنین می‌توانید بسیاری از مدل‌های Llama را به‌صورت محلی اجرا کنید.

آیا انتخاب مدل تاثیری در حریم خصوصی دارد؟

خیر. هر چهار مدل مسیر فنی یکسانی را طی می‌کنند (سرور ما، درگاه هوش مصنوعی و ارائه‌دهنده سرویس) و از یک سیاست حریم خصوصی واحد پیروی می‌کنند.