Meta: Llama Guard 4 12B
Meta: Llama Guard 4 12B est un LLM de meta-llama sorti le 30 avril 2025. Avec environ un an d’ancienneté, il appartient déjà à une génération très datée à l’échelle de l’IA, où les modèles sont fréquemment remplacés ou retirés des catalogues en quelques mois.
Meta: Llama Guard 4 12B est un LLM de meta-llama sorti le 30 avril 2025. Avec environ un an d’ancienneté, il appartient déjà à une génération très datée à l’échelle de l’IA, où les modèles sont fréquemment remplacés ou retirés des catalogues en quelques mois.
Le modèle se distingue surtout par une fenêtre de contexte très large et un coût d’usage très bas. Ses connaissances s’arrêtent au 31 août 2024, et les données disponibles reposent sur 2 sources concordantes.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | meta-llama |
| Date de sortie | 30 avril 2025 |
| Connaissances jusqu'à | 2024-08-31 |
| Multimodal | oui |
| Fenêtre de contexte | 163 840 tokens |
| Modalités (entrée → sortie) | image,text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : General Knowledge (Baseline) | 0,0 % | 238ᵉ / 250 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 0,0 % | 236ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 0,0 % | 254ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 0,0 % | 229ᵉ / 252 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 0,0 % | 237ᵉ / 248 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Benchable : General Knowledge (Baseline)
Benchable : Ethics (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| DeepInfra | 0,18 $ | 0,18 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 91 % en dessous de la moyenne des LLM similaires, et 26,9 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0 $ |
| Latence moyenne par benchmark — Benchable | 3 min 25 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Meta: Llama Guard 4 12B présente surtout un intérêt économique et opérationnel. Son tarif est très inférieur à celui des LLM comparables, avec un prix annoncé 91% sous la moyenne de sa catégorie et environ 26,9 fois moins cher que les modèles frontière. Sa fenêtre de contexte de 163 840 tokens constitue aussi un point fort concret pour traiter de longs volumes de texte dans une seule requête. À sa sortie, son positionnement semblait donc moins centré sur la performance générale que sur le coût d’exécution et la capacité à absorber de grands contextes.
Limites et points d’attention. Les résultats Benchable disponibles sont très faibles sur l’ensemble des dimensions mesurées, notamment General Knowledge, Ethics, Email Classification, Instruction Following et Coding. Le modèle se situe en bas de classement ou presque dans ces évaluations, sans signal de compétence forte dans les benchmarks fournis. Son ancienneté pèse également lourd: environ un an représente un cycle très long pour les LLM, et ses performances sont aujourd’hui largement dépassées par les générations plus récentes. Comme beaucoup de modèles de cette période, il peut aussi ne plus être proposé activement par l’éditeur.
Sources des données : OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).