---
{
  "aliases": [
    "Llama-4-Scout-17B-16E-Instruct"
  ],
  "availableLangs": [
    "zh"
  ],
  "categories": [
    "category-science-technology"
  ],
  "createdAt": "2026-11-10T15:06:18+08:00",
  "fallback": true,
  "id": "work_llama_4_scout",
  "lang": "ja",
  "revision": 1,
  "slug": "llama-4-scout",
  "sourceLang": "zh",
  "sources": [
    {
      "id": "s1",
      "title": "Versioning, updates and migration | Meta Llama docs",
      "url": "https://www.llama.com/docs/deployment/versioning/"
    },
    {
      "id": "s3",
      "title": "Llama 4 Scout — llama.online",
      "url": "https://llama.online/models/llama-4-scout"
    },
    {
      "id": "s4",
      "title": "Llama 4 — AI Glossary (Scout, Maverick, Behemoth)",
      "url": "https://www.superteams.ai/glossary/llama-4/"
    },
    {
      "id": "s5",
      "title": "Meta Llama 4: Scout, Maverick, Specs and Release Date — flozic.ai",
      "url": "https://www.flozic.ai/blog/meta-llama-4"
    }
  ],
  "status": "published",
  "summary": "Llama 4 Scout 是 Meta 于 2025 年 4 月 5 日发布的 Llama 4 家族轻量多模态模型，上下文达 10M token。",
  "tags": [],
  "title": "Llama 4 Scout",
  "type": "work",
  "updatedAt": "2026-11-10T15:06:18+08:00",
  "updatedBy": "user:admin",
  "workKind": "ai_model"
}
---

# Llama 4 Scout

Llama 4 Scout 是 Meta 于 2025 年 4 月 5 日发布的 Llama 4 家族轻量多模态模型，上下文达 10M token。

Llama 4 Scout 是 Meta 于 2025 年 4 月 5 日发布的 Llama 4 家族轻量多模态模型，上下文达 10M token。[^s1]

## 发布背景
发布时上下文窗口为10M tokens，Hugging Face 模型标识为 meta-llama/Llama-4-Scout-17B-16E-Instruct。[^s1]
Llama 4 家族的轻量多模态 MoE 模型：17B 激活参数、109B 总参数、16 个专家，10M token 上下文，原生支持文本与图像输入，支持 12 种语言，预训练约 40T token，知识截止 2024 年 8 月，Int4 量化后可装入单张 H100。[^s1]

## 定价与获取
开源权重、以 Llama 4 Community License 发布（非开源许可证），Meta 官方不提供托管 API 定价，故定价填 null；第三方托管商定价各异，未采用。[^s1]

## 性能表现
以下为Meta公布的自家评测结果，尚未经独立复现。[^s1]
- MMMU (instruction-tuned)：69.4（Llama 3.3 70B 无多模态支持，Maverick 为 73.4）[^s1]
- MMLU Pro (instruction-tuned)：74.3（高于 Llama 3.1 405B 的 73.4 和 Llama 3.3 70B 的 68.9，低于 Maverick 的 80.5）[^s1]
- GPQA Diamond (instruction-tuned)：57.2（高于 Llama 3.3 70B 的 50.5，低于 Maverick 的 69.8）[^s1]
- LiveCodeBench (instruction-tuned)：32.8（略低于 Llama 3.3 70B 的 33.3，低于 Maverick 的 43.4）[^s1]

## 主要特点
- 与同日发布的 Maverick（17B 激活、400B 总参数、1M 上下文）为姊妹模型；两者均源自未发布的约 2T 参数教师模型 Behemoth（288B 激活），其中 Maverick 由 Behemoth 共蒸馏而来，Scout 为从头训练，Behemoth 至今未公开发布。[^s1]

## 定位与后续
Llama 4 家族中面向效率与超长上下文的开源权重继任者（前代为 Llama 3.3 70B），与高性能的 Maverick 同级发布，仍是 Meta 迄今最新的开源 Llama 模型，但 Meta 自 2026 年 4 月起已将自有产品旗舰转向专有的 Muse Spark 系列。 其前代为[Llama 3.3](/ja/works/llama-3-3.html)。[^s1]

更新时间：2026-11-10

## 标签


## 关系

- Published by：[Meta](/ja/organizations/meta.html) 

第 1 / 1 页，共 1 条。

## 来源

- Versioning, updates and migration | Meta Llama docs：https://www.llama.com/docs/deployment/versioning/ 
- Llama 4 Scout — llama.online：https://llama.online/models/llama-4-scout 
- Llama 4 — AI Glossary (Scout, Maverick, Behemoth)：https://www.superteams.ai/glossary/llama-4/ 
- Meta Llama 4: Scout, Maverick, Specs and Release Date — flozic.ai：https://www.flozic.ai/blog/meta-llama-4 
