Llama 4 Scout
🧠 KI-Modellmeta-llama
Metas MoE-Modell mit 17B aktivierten Parametern, 10M Token Kontext, nativem multimodalen Input.
Llama 4 Scout 17B Instruct (16E) ist ein Mixture-of-Experts (MoE)-Sprachmodell, entwickelt von Meta. Es verfügt über 16 Experten und insgesamt 109B Parameter, aber nur 17B werden pro Token aktiviert, was eine effiziente Inferenz ermöglicht. Das Modell unterstützt nativen multimodalen Input (Text und Bilder) und gibt Text aus. Sein herausragendes Merkmal ist ein Kontextfenster von 10 Millionen Token, das die Verarbeitung extrem langer Dokumente, Codebasen oder Konversationen ermöglicht. Die Preise über OpenRouter betragen 0,10 $ pro Million Input-Token und 0,30 $ pro Million Output-Token. Das Modell unterstützt erweiterte Funktionen wie frequency_penalty, logit_bias, max_tokens, min_p, presence_penalty, repetition_penalty, response_format und seed. Benchmarks: codecategories ELO 841 (#102), dataviz ELO 940 (#92), gamedev ELO 842 (#102).
💡Highlights
- ├─109B gesamt, 17B aktiv pro Token
- ├─10 Millionen Token Kontextfenster
- └─Nativer Text+Bild multimodaler Eingang
🎯Für
- ├─KI-Forscher
- ├─Entwickler von Anwendungen mit langem Kontext
- └─multimodale Ingenieure