Llama 4 Scout

系统要求

不同量化方法和上下文大小的显存要求

关于 Llama 4 Scout

Llama 4 Scout 是 Meta 于 2025 年 4 月 5 日发布的 Llama 4 系列模型中的核心产品。它旨在为研究人员和机构提供强大的人工智能能力，同时兼顾实际的硬件限制。作为一款通用模型，Llama 4 Scout 具备原生多模态能力，能够熟练处理文本和图像输入。其应用涵盖了广泛的任务，包括复杂的对话交互、详细的图像分析以及高级代码生成。该模型的设计重点是在多样化的计算环境中实现这些任务的高效执行。

在架构方面，Llama 4 Scout 采用了混合专家（MoE）配置，包含 1090 亿个总参数，在 16 个专家中，每个 token 激活 170 亿个参数。其设计中的一项重大创新是处于行业领先地位的上下文窗口，支持高达 1000 万个 token，这较之前的版本有了大幅提升。该模型在其原生多模态中集成了早期融合（early fusion）方法，将其基础结构中的文本和视觉 token 进行了统一。为了优化部署效率，在利用 Int4 量化时，Llama 4 Scout 可以在单张 NVIDIA H100 GPU 上运行。此外，其架构融合了交错注意力层，特别是 iRoPE，以增强在长序列上的泛化能力。

Llama 4 Scout 非常适合需要处理和分析海量信息的应用。其主要用例包括多文档摘要、用于个性化的用户活动详细分析以及对大规模代码库的推理。该模型在需要文档问答、精准信息检索和可靠来源溯源的任务中表现强劲，使其在专业文档分析中极具价值。其针对单 GPU 效率的设计提升了不同计算基础设施规模的机构的可访问性。该模型还支持多语言任务，已在 200 种语言的数据上进行了训练，并具备针对 12 种特定语言的微调能力。

技术规格

资源

关于 Llama 4

Meta 的 Llama 4 模型系列采用了混合专家 (MoE) 架构，以实现高效扩展。该系列通过文本、图像和视频的早期融合，具备原生多模态能力。此次迭代还显著扩展了上下文长度，模型最高可支持处理 1000 万个 token。

其他 Llama 4 模型

• Llama 4 Maverick
• Llama 4 Behemoth