主要观点：AWS 宣布 Meta 的最新基础模型 Llama 4 Scout 和 Llama 4 Maverick 可在 Amazon Bedrock 和 AWS SageMaker JumpStart 上使用，二者具多模态能力且遵循专家混合架构，Llama 4 Scout 优化于单 NVIDIA H100 GPU 运行通用任务，Maverick 推理和编码能力更强，亚马逊强调专家混合架构降低计算成本的价值。
关键信息：

• Llama 4 Scout 和 Maverick 去年 4 月由 Meta 推出，分别有 170 亿活跃参数分布在 16 和 128 个专家中。
• Llama 4 Scout 支持最多 1000 万令牌上下文窗口，Amazon Bedrock 目前允许 350 万令牌且计划不久后扩展，Llama 4 Maverick 支持最多 100 万令牌。
• 在 Amazon SageMaker JumpStart 上，可根据使用情况用 SageMaker Studio 或 Python SDK 使用新模型，默认使用ml.p5.48xlarge实例（含 NVIDIA H100 Tensor Core GPUs），也可选择ml.p5en.48xlarge（NVIDIA H200 Tensor Core GPUs）或ml.g6e.48xlarge（NVIDIA L40S Tensor Core GPUs）实例。
• Llama 4 模型在其他云提供商如 Databricks 等及 Hugging Face 上也可访问，Behemoth 是 Llama 4 家族的第三个模型，有 2880 亿活跃参数分布在 16 个专家中，目前处于预览阶段，用于训练 Scout 和 Maverick。
  重要细节：文中提及各模型的参数分布、上下文窗口大小、可使用的实例类型等具体信息，以及这些模型在不同平台上的可用性和特点。