Llama 4 Scout

Überblick

Llama 4 Scout ist ein offenes, nativ multimodales MoE-Modell von Meta (16 Experten, 109B gesamt / 17B aktiv pro Token) mit einem außergewöhnlich großen Kontextfenster von 10M Tokens. Es ist ein Non-Reasoning-Modell (direkte Antworten ohne Chain-of-Thought) und verarbeitet Text und Bild als Eingabe. Auf dem AA Intelligence Index erreicht es 14 (leicht über dem Klassenschnitt 13).

Use Cases

• Multimodale Aufgaben mit Text- und Bildeingabe
• Extrem lange Kontexte bis 10M Tokens (RAG, große Dokument-/Codebasen)
• Schnelle, kostengünstige Inferenz mit niedriger Latenz
• Self-Hosting offener Gewichte

Stärken & Grenzen

Stärken: Sehr hohe Geschwindigkeit (130 t/s, Median 62) und niedrige Latenz (TTFT 0,82 s). Riesiges 10M-Kontextfenster, multimodaler Input, günstige Preise.

Grenzen: Geringes absolutes Intelligenzniveau (Index 14), kein Reasoning. Schwach bei agentischen und Coding-Aufgaben (GDPval 0 %, Terminal-Bench 4 %, SciCode 17 %). Wissensstand bis August 2024. Ausgabe nur Text.

Praxis-Erfahrung

Listenpreise (AA-Median über Provider): $0,17/1M Input, $0,66/1M Output. Verfügbar über 9 API-Provider; Gewichte als meta-llama/Llama-4-Scout-17B-16E-Instruct auf Hugging Face.

Gut zu wissen

• Lizenz: Llama 4 Community License (kommerzielle Nutzung erlaubt, mit Auflagen); Release 04/2025
• Architektur: MoE, 16 Experten, 109B gesamt / 17B aktiv; Kontext 10M; Wissensstand 08/2024
• Weitere Artificial-Analysis-Werte ohne Eintrag in der Score-Tabelle: τ³-Banking 3 %, CritPt 0 %, AA-Omniscience Accuracy 15 %, Non-Hallucination Rate 22 %
• Benchmark-Scores abgelesen aus den AA-Übersichtscharts (29.06.2026)

Weitere Benchmarks (Zusatzquellen)

Weitere berichtete Werte, für die in der Score-Tabelle oben kein Eintrag vorliegt.

Quelle: Meta (offizielle Model Card, HF, Instruction-tuned):

• MathVista 70,7 % · ChartQA 88,8 % · DocVQA (test) 94,4 % · MGSM 90,6 %

Quelle: BenchLM (Chatbot Arena Text): Elo 1322 (steht oben in der Score-Tabelle).