到 2026 年，Llama 4 早就不再是一个单一的模型，而是一套由 Meta 启动、社区接手的“积木库”。虽然分支数量超过 20 个，但真正能跑在生产环境里的并不多。现在的选型逻辑很简单：先看硬件，再看延迟，最后才看跑分。
硬件决定模型：三个基础版本的真实体感
Meta 定义的三个核心版本，其实就是给三类硬件准备的：
Scout 是端侧的唯一解。目前它能在 M5 芯片的 iPad Pro 上跑起来，且延迟能压在 200ms 以内。如果你在做端侧 Agent，不用考虑别的，直接选它。这里的瓶颈根本不是算力，而是功耗。
Maverick 是企业级 RAG 的主力。它在千万级上下文窗口和推理成本之间找到了平衡点，是目前大多数商业项目最稳的选择。
Behemoth 则是纯粹的性能怪兽。原生 MoE 架构让它的逻辑推理能力极强，但部署成本高得离谱。除非你手里有千卡集群，否则它的最大价值是用来给小模型做蒸馏。
垂直分支：哪些是真实用，哪些是噱头？
在基础版之上，社区搞了很多微调分支，实测下来体感分化很严重：
代码增强版 (Llama-4-Code)：处理 Python 和 Rust 确实强，尤其是换了 Rust 重写的推理引擎后，内存占用低了很多。但它有个致命盲区：对历史遗留代码的理解不够。参考之前 Codex 清理旧代码导致银行结算出错的教训，大规模重构时，人工审计依然是刚需。
医疗版 (Med-Llama-4)：2026 年 4 月医疗 AI 新规出台后，很多医院把它当作第一道筛查线。影像报告生成的效率很高，但因为微调数据集不公开，私有化部署时输出结果容易不稳定。
数学逻辑版 (MathLlama-4)：符号运算和形式化验证的数据很漂亮，但社区活跃度在掉。很多开发者发现，直接用 Behemoth 配合精准的 Prompt 技巧就能达到类似效果，没必要为了数学专门维护一个分支。
多模态执行版 (Llama-4-Omni/Agent)：这是目前最火的方向，主打通过 MCP 协议调用工具。但落地过程很痛苦，协议推行半年多，权限失控和连接稳定性依然是最大的坑。动用这个分支前，必须先把数据隔离方案跑通。
部署时的“物理撞墙”
选好分支后，部署才是真正的深坑。现在云端 API 越来越贵，本地化成了刚需，但物理极限很残酷。
有团队尝试用 8 台 M4 Ultra 串联跑 Behemoth，结果发现 MoE 架构对内存带宽的要求极高，Thunderbolt 5 的串联延迟导致首字生成时间飙升到 4 秒以上，完全没法交互。对于中小团队，最现实的方案是：Maverick 量化版 + 本地向量库 + MCP 协议插件。
端侧设备同样尴尬。比如 iPhone 19，NPU 算力虽然够，但散热是硬伤。跑 Scout 时如果不开动态稀疏激活策略，十分钟内就会因为过热触发 NPU 降频，性能直接腰斩。
2026 年中的选型清单
- 通用首选 $ ightarrow$ Llama-4-Maverick 量化版：文档最全，对硬件最友好，适合知识库和中型 Agent。
- 端侧离线 $ ightarrow$ Llama-4-Scout：低功耗边缘计算的唯一工业级选择。
- 代码审计 $ ightarrow$ Llama-4-Code：适合自动化补全，但必须配套人工审计流程。
- 科研/蒸馏 $ ightarrow$ Llama-4-Behemoth：仅限极高精度逻辑推理，算力成本是决定性门槛。
现在的开源竞争，已经从比拼参数规模转向了比拼“部署性价比”。Llama 4 提供的不是一个最强模型，而是一套根据预算组合的乐高。找到适配你硬件的那块，比追逐最新发布重要得多。
