Trong sự kiện Meta Connect thường niên, Llama 4 Vision đã được công bố như một bước tiến lớn trong lĩnh vực AI đa phương thức mã nguồn mở. Khác với các phiên bản trước chỉ tập trung vào văn bản và hình ảnh tĩnh, Llama 4 Vision có khả năng phân tích các đoạn video dài tới 10 phút, hiểu được động học (motion) và quan hệ nhân quả giữa các đối tượng trong khung hình.
Benchmarks nội bộ của Meta cho thấy Llama 4 Vision vượt trội so với GPT-4o và Gemini 1.5 Pro trong các bài kiểm tra hiểu biết thị giác phức tạp, đặc biệt là đọc biểu đồ, bảng biểu và nhận diện ký hiệu kỹ thuật. Với hơn 180 tỷ tham số, mô hình này được thiết kế để chạy trên các cụm máy chủ GPU cao cấp, nhưng Meta cũng cung cấp phiên bản nén (quantized) cho phép chạy trên workstation cá nhân với 128GB RAM.
Cộng đồng phát triển phần mềm đã phản ứng tích cực, nhiều startup AI đang cân nhắc tích hợp Llama 4 Vision vào sản phẩm của mình nhờ giấy phép MIT linh hoạt, cho phép sử dụng thương mại mà không cần trả phí bản quyền.