Meta · modèle de langage
Llama Guard 4 12B : prix, contexte et benchmarks
Llama Guard 4 12B est un modèle de langage de Meta sorti le 30 avril 2025. Il coûte 0,18 $US par million de tokens en entrée et 0,18 $US en sortie, avec un contexte de 163,8 k tokens. Aucun score indépendant n'est publié pour lui à ce jour.
| Prix | 24/30 | |
|---|---|---|
| Contexte | 5/15 | |
| Fonctions | 4/15 |
Ce qu'il faut savoir sur Llama Guard 4 12B
Llama Guard 4 12B a été publié par Meta (États-Unis) le 30 avril 2025. Il accepte des images et du texte en entrée et produit du texte. Sa fenêtre de contexte atteint 163 840 tokens, plus que 32 % des modèles du registre, et il peut écrire jusqu'à 16 384 tokens d'une traite.
Il est disponible depuis environ 18 mois, assez pour que ses prix et ses scores soient stabilisés.
Prix de Llama Guard 4 12B
Sur OpenRouter, Llama Guard 4 12B coûte 0,18 $US par million de tokens en entrée et 0,18 $US en sortie. En comptant trois tokens lus pour un token écrit, son prix moyen est de 0,18 $US par million, plus cher que 20 % des modèles payants (4,2 fois moins que la médiane de 0,76 $US).
Exemple concret : une tâche qui envoie 2 000 tokens (environ 1 500 mots) et reçoit 500 tokens de réponse coûte 0,0005 $US. À 1 000 tâches par jour, comptez 14 $US par mois. Le calculateur de prix refait ce calcul avec vos propres volumes.
Performance et benchmarks
Epoch AI ne publie pas encore d'indice de capacités pour Llama Guard 4 12B. Nous n'affichons donc aucune note de performance inventée : seuls le prix, le contexte et les fonctions entrent dans sa note.
Fonctions, confidentialité et usage local
- Il ne gère pas l'appel d'outils : il ne convient pas pour piloter un agent IA qui doit agir.
- Ses connaissances s'arrêtent à août 2024.
Ses poids sont ouverts et téléchargeables sur Hugging Face : vous pouvez le faire tourner sur vos propres machines, sans envoyer vos données à un tiers.
Les autres modèles de Meta
| Modèle | Sortie | Prix moyen | ECI |
|---|---|---|---|
| Llama 4 Maverick | 5 avr. 2025 | 0,3 $US | 132,2 |
| Llama 4 Scout | 5 avr. 2025 | 0,15 $US | 129,6 |
| Llama 3.3 70B Instruct | 6 déc. 2024 | 0,16 $US | — |
| Llama 3.2 1B Instruct | 25 sept. 2024 | 0,07 $US | — |
| Llama 3.2 3B Instruct | 25 sept. 2024 | 0,12 $US | — |
| Llama 3.1 70B Instruct | 23 juil. 2024 | 0,4 $US | — |
| Llama 3.1 8B Instruct | 23 juil. 2024 | 0,06 $US | — |
Verdict
Llama Guard 4 12B obtient 55/100 selon notre grille, qui ne retient que des chiffres publiés.
Points forts
- Prix bas : moins cher que 80 % des modèles payants.
- Poids ouverts : auto-hébergeable, données gardées chez vous.
Limites
- Pas d'appel d'outils : inutilisable comme cerveau d'un agent.
- Aucun score indépendant publié : performance non vérifiable.
À éviter si…
- vous construisez un agent qui doit appeler des outils.
Alternatives
- Nemotron 3.5 Content Safety0,2 $US
- Gemma 3 27B0,15 $US
- Hunyuan A13B Instruct0,25 $US
- GLM 4.7 Flash0,15 $US
- gpt-oss-120b0,26 $US
- Solar Pro 30,26 $US
Comparatifs et outils
Comprendre
Questions fréquentes
Combien coûte Llama Guard 4 12B ?
0,18 $US par million de tokens en entrée et 0,18 $US en sortie sur OpenRouter (relevé du 25 octobre 2026). Une tâche de 2 000 tokens lus et 500 écrits revient à 0,0005 $US.
Quelle est la taille du contexte de Llama Guard 4 12B ?
163 840 tokens, soit environ 123 000 mots, avec 16 384 tokens maximum en sortie.
Peut-on utiliser Llama Guard 4 12B en local ?
Oui, ses poids sont publiés.
Llama Guard 4 12B convient-il pour un agent IA ?
Non : sans appel d'outils, il ne peut pas agir, seulement répondre.
Quelles alternatives à Llama Guard 4 12B ?
Les modèles les plus proches en prix et en performance sont Nemotron 3.5 Content Safety, Gemma 3 27B et Hunyuan A13B Instruct.
Articles liés
- Mistral AI : modèles, prix et agents25 octobre 2026
- Benchmark LLM : comment lire les classements des modèles24 octobre 2026
- Faire tourner un LLM en local : matériel, logiciels et limites24 octobre 2026
- Modèles open source ou fermés pour vos agents ?5 octobre 2026
Neutralité. Aucun lien d'affiliation. Aucun éditeur ne paie pour être évalué, noté ou classé. Les évaluations sont dirigées par François Chollet, neutres et factuelles, et chaque donnée est datée et sourcée. Comment nous notons