Meta: Llama Guard 4 12B

Meta: Llama Guard 4 12B is een contentveiligheidsclassificatiemodel van Meta. Het is afgeleid van Llama 4 Scout, een multimodaal vooraf getraind model, en vervolgens specifiek fijn afgestemd voor contentveiligheidsclassificatie. Meta bracht het uit op 30 april 2025, en het behoort tot de tekstcategorie op api14. Als je eerdere versies van Llama Guard hebt gebruikt, volgt deze hetzelfde algemene idee van het classificeren van content, maar het is gebouwd op een nieuwere multimodale basis.

Het model accepteert zowel tekst als afbeeldingen als invoer en retourneert tekst als uitvoer. Dat betekent dat je een prompt, een afbeelding of een combinatie van de twee kunt sturen en een classificatieresultaat in tekstvorm ontvangt. Het heeft een contextvenster van 163.840 tokens, wat groot genoeg is om lange gesprekken, uitgebreide documenten of meerdere afbeeldingen samen met hun bijbehorende tekst in één verzoek te bevatten. De maximale uitvoer is 16.384 tokens, en de kennisafsluitdatum is 31 augustus 2024.

De praktische toepassingen volgen direct uit die mogelijkheden. Je kunt Llama Guard 4 12B voor of achter een ander model plaatsen om te controleren of gebruikersinvoer of gegenereerde uitvoer veilig is. Omdat het zowel afbeeldingen als tekst verwerkt, kan het ook worden gebruikt om visuele content te classificeren, bijvoorbeeld het modereren van door gebruikers geüploade afbeeldingen of het controleren van afbeelding en tekst paren in een multimodale pipeline. Ondersteuning voor lange context maakt het werkbaar voor het beoordelen van volledige chatthreads of lange documenten in plaats van alleen enkele korte berichten.

Je roept het aan via de OpenAI-compatibele API van api14 met het model id "meta-llama/llama-guard-4-12b". De ondersteunde verzoekparameters zijn frequency_penalty, logit_bias, max_tokens, min_p, presence_penalty, repetition_penalty, seed, stop, temperature, top_k en top_p. Als je al code hebt geschreven tegen het OpenAI chat completions formaat, kun je deze naar api14 verwijzen en het model id wijzigen om verzoeken te gaan sturen.

Een ding om in gedachten te houden is waarvoor het model bedoeld is. Het is fijn afgestemd voor contentveiligheidsclassificatie, niet voor algemene gesprekken, creatief schrijven of redeneertaken. Als je een model nodig hebt om vragen te beantwoorden, code te schrijven of een dialoog met gebruikers te voeren, past een algemeen model beter. Llama Guard 4 12B kun je het beste behandelen als een toegewijde classifier die naast die modellen staat in plaats van als een vervanging ervoor.