Meta AI vừa phát hành Llama 4, đánh dấu lần đầu tiên một mô hình ngôn ngữ lớn mã nguồn mở có khả năng xử lý đa phương thức bao gồm video thời gian thực. Trước đây, các mô hình mã nguồn mở chủ yếu tập trung vào văn bản và hình ảnh tĩnh.
Llama 4 sử dụng kiến trúc 'Temporal Transformer' mới, cho phép nó hiểu ngữ cảnh động trong video. Ví dụ, trong một đoạn video lớp học, mô hình có thể xác định khi nào giáo viên đang giải thích một khái niệm phức tạp và tự động tạo ra bản tóm tắt hoặc câu hỏi kiểm tra cho học sinh theo thời gian thực.
Với 128 tỷ tham số, Llama 4 được thiết kế để chạy trên các cụm GPU tiêu chuẩn, giúp các công ty vừa và nhỏ có thể triển khai các ứng dụng video AI mà không cần đầu tư vào siêu máy tính đắt tiền.
Meta nhấn mạnh rằng Llama 4 tuân thủ các nguyên tắc an toàn dữ liệu, cho phép người dùng chạy mô hình hoàn toàn offline nếu cần, đảm bảo quyền riêng tư tuyệt đối cho các dữ liệu video nhạy cảm như trong bệnh viện hoặc nhà máy.