Llama Guard 4

Vad Llama Guard 4 är och vem som utvecklar det

Llama Guard 4 är en säkerhetsmodell från Meta. Det är inte en chatbot du pratar med, utan utvecklare placerar den intill en chattmodell för att granska vad som skickas in och ut. Utifrån en användarprompt eller ett modellsvar levererar Llama Guard 4 ett kort omdöme: "safe", eller "unsafe" följt av de riskkategorier den upptäckte. Den fungerar med både text och bilder, inklusive flera bilder i samma prompt.

Enligt Metas modellkort har Llama Guard 4 12 miljarder parametrar och en tät (dense) arkitektur. Meta byggde den genom att ta en förtränad Llama 4 Scout-kontrollpunkt, ta bort de routade experterna så att endast den delade experten återstod, och därefter finjustera resultatet för säkerhetsklassificering. Den delar tokenizer och bildavkodare med Llama 4 Scout och Maverick och kan köras på en enda GPU. Den lades till på OpenRouter den 30 april 2025, ett par veckor efter lanseringen av Llama 4, och distribueras under Llama 4 Community License.

Llama Guard-familjen

Meta har släppt flera versioner av Llama Guard parallellt med sina Llama-lanseringar. Llama Guard 4 slår samman vad som tidigare var två separata modeller – Llama Guard 3 8B för text och Llama Guard 3 11B Vision för bilder – till en enda klassificerare. Meta kombinerar den med andra öppna säkerhetsverktyg; till exempel hänvisar modellkortet till Llama Prompt Guard 2 för att upptäcka promptattacker som jailbreak-försök.

Vad den granskar: riskkategorierna

Llama Guard 4 är tränad på MLCommons risktaxonomi, plus en extra kategori för verktygsanvändning. När den flaggar något som osäkert anger den kategorierna:

"Specialiserad rådgivning" omfattar svar som ger kvalificerad ekonomisk, medicinsk eller juridisk rådgivning, eller som påstår att farliga aktiviteter eller föremål är säkra.

Vad Llama Guard 4 är bra på

• Inmatningsfiltrering. Granska användarens prompt innan huvudmodellen ser den och stoppa uppenbart skadliga förfrågningar direkt.
• Utmatningsfiltrering. Granska huvudmodellens svar innan det visas, så att modellen får chansen att svara säkert och blockeras först om själva svaret är olämpligt.
• Bilder. Klassificera prompter som blandar text med en eller flera bilder, vilket tidigare textbaserade skydd inte klarade.
• Många språk. Den har stöd för engelska samt språken från Llama Guard 3, vilka Meta listar som franska, tyska, hindi, italienska, portugisiska, spanska och thailändska.

Meta påpekar att användning av både in- och utmatningsfiltrering ger extra säkerhet, samt att inmatningsfiltrering i deras interna tester ökade avvisningsfrekvensen mer än utmatningsfiltrering.

Begränsningar att känna till

• Det är en modell, inte ett regelverk. Den kan missa skadligt innehåll och felaktigt flagga harmlöst material. Metas dokumentation nämner att prestandan kan begränsas av träningsdatan inom områden som kräver sunt förnuft eller specifika språk.
• Fakta den inte kan verifiera. Kategorier som förtal, upphovsrätt och allmänna val kräver ofta dagsaktuella fakta för att bedömas korrekt, och Meta rekommenderar mer sofistikerade system för känsliga tillämpningar där.
• Promptattacker. Eftersom det är en språkmodell kan den manipuleras av fientliga attacker eller promptinjektioner.
• Många bilder. Den har främst testats på prompter med ett fåtal bilder, så resultatet kan variera om betydligt fler används.

Så skaffar du Llama Guard 4 officiellt

Modellvikterna finns på Hugging Face under meta-llama/Llama-Guard-4-12B, där Metas modellkort även innehåller exempelkod för Transformers-biblioteket. Godkänn licensen på modellsidan för att få åtkomst till filerna. OpenRouter listar den med ett kontextfönster på 163 840 tokens för 0,18 dollar per miljon indatatokens och 0,18 dollar per miljon utdatatokens (OpenRouters listpris, okt 2026).

Som en Llama 4-modell omfattas den av Llama 4 Community License och dess policy för acceptabel användning, inklusive "Built with Llama"-märkning för produkter som använder den och de särskilda reglerna för multimodala modeller inom EU. Se vår licenssida för en enkel sammanfattning och vår API-guide för att anropa Llama-modeller via kod.

Integritet och datasäkerhet

En säkerhetsklassificerare läser varje meddelande den granskar, så hantera den precis som alla andra delar i din AI-pipeline: om du anropar den via en molnleverantör gäller den leverantörens integritetsvillkor; om du kör den själv stannar datan på dina servrar. Vår guide om AI-integritet och säkerhet går igenom bra vanor för användare.

Hur Llama Guard 4 står sig mot alternativen

Jämfört med Llama Guard 3 rapporterar Meta att version 4 i stort sett matchar eller överträffar de tidigare text- och bildskydden, samtidigt som den är en enda modell istället för två. Jämfört med chattmodeller som Llama 4 Scout är den betydligt mindre och gör bara klassificeringar – den genererar inga svar. Om du bygger en app med öppna modeller är en sådan här skyddsmodell ett viktigt säkerhetslager, vid sidan av tydliga användarregler, hastighetsbegränsningar och manuell granskning.

Vanliga frågor

Kan jag chatta med Llama Guard 4 på Llama.Online?

Nej, Llama Guard 4 finns inte i vår chatt. Det är en klassificerare för utvecklare, inte en konversationsmodell.

Vad ger Llama Guard 4 för utdata?

Ett kort textomdöme: "safe", eller "unsafe" följt av kategorikoder som S9 för icke-diskriminerande vapen.

Fungerar den med bilder?

Ja. Den klassificerar prompter som kombinerar text med en eller flera bilder.

Är Llama Guard 4 gratis att använda?

Modellvikterna är gratis att ladda ner under Llama 4 Community License. Värdbaserade API:er tar betalt per token.