Llama 4 Scout URL: https://knowledge.ivjn.us/ms/works/llama-4-scout.html 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](https://knowledge.ivjn.us/ms/works/llama-3-3.html)。[^s1] Updated: 2026-11-10 Relations: - Published by: Meta https://knowledge.ivjn.us/ms/organizations/meta.html Sources: - 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