本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# Meta
<a name="model-cards-meta"></a>

Amazon Bedrock 提供下列中繼模型：


| **模型** | **Description** | 
| --- | --- | 
| [Llama 4 Maverick 17B Instruct](model-card-meta-llama-4-maverick-17b-instruct.md) | Llama 4 Maverick 是 Meta 的 170 億主動參數mixture-of-experts模型，擁有 128 名專家，針對多模式聊天和以下指示進行最佳化。 | 
| [Llama 4 Scout 17B Instruct](model-card-meta-llama-4-scout-17b-instruct.md) | Llama 4 Scout 是中繼的 170 億個作用中參數mixture-of-experts模型，具有 16 位專家和 10M個權杖內容視窗，用於長文件任務。 | 
| [Llama 3.3 70B Instruct](model-card-meta-llama-3-3-70b-instruct.md) | Llama 3.3 70B Instruct 是中繼的 700 億個參數模型，具有更高的效率，透過 128K 內容視窗提供強大的推理和編碼效能。 | 
| [Llama 3.2 11B Instruct](model-card-meta-llama-3-2-11b-instruct.md) | Llama 3.2 11B Instruct 是中繼的 110 億參數多模態模型，可處理具有 128K 內容視窗的文字和影像。 | 
| [Llama 3.2 1B Instruct](model-card-meta-llama-3-2-1b-instruct.md) | Llama 3.2 1B Instruct 是 Meta 的超輕量 10 億參數模型，已針對裝置和邊緣部署進行最佳化。 | 
| [Llama 3.2 3B Instruct](model-card-meta-llama-3-2-3b-instruct.md) | Llama 3.2 3B Instruct 是 Meta 的 30 億參數輕量型模型，專為摘要和以下指示等裝置任務而設計。 | 
| [Llama 3.2 90B Instruct](model-card-meta-llama-3-2-90b-instruct.md) | Llama 3.2 90B Instruct 是中繼的 900 億參數多模態模型，可處理文字和影像以進行視覺化推理和文件理解。 | 
| [Llama 3.1 405B Instruct](model-card-meta-llama-3-1-405b-instruct.md) | Llama 3.1 405B Instruct 是中繼最大的開放模型，具有 4，050 億個參數和 128K 內容視窗，支援工具使用和多語言任務。 | 
| [Llama 3.1 70B Instruct](model-card-meta-llama-3-1-70b-instruct.md) | Llama 3.1 70B Instruct 是中繼的 700 億參數模型，具有延伸的 128K 內容視窗，並支援工具使用和程式碼產生。 | 
| [Llama 3.1 8B Instruct](model-card-meta-llama-3-1-8b-instruct.md) | Llama 3.1 8B Instruct 是 Meta 的精簡 80 億參數模型，具有 128K 內容視窗，適用於邊緣部署和微調。 | 
| [Llama 3 70B Instruct](model-card-meta-llama-3-70b-instruct.md) | Llama 3 70B Instruct 是中繼的 700 億參數指令調校模型，具有 8K 內容視窗，針對對話和類似助理的任務進行了最佳化。 | 
| [Llama 3 8B Instruct](model-card-meta-llama-3-8b-instruct.md) | Llama 3 8B Instruct 是 Meta 的 80 億參數指令調校模型，具有 8K 內容視窗，專為在較小的基礎設施上高效部署而設計。 |