
Meta: Llama 4 Scout
meta-llama/llama-4-scout
Llama 4 Scout 17B Instruct (16E) is a mixture-of-experts (MoE) language model developed by Meta, activating 17 billion parameters out of a total of 109B. It supports native multimodal input (text and image) and multilingual output (text and code) across 12 supported languages. Designed for assistant-style interaction and visual reasoning, Scout uses 16 experts per forward pass and features a context length of 10 million tokens, with a training corpus of ~40 trillion tokens.
Built for high efficiency and local or commercial deployment, Llama 4 Scout incorporates early fusion for seamless modality integration. It is instruction-tuned for use in multilingual chat, captioning, and image understanding tasks. Released under the Llama 4 Community License, it was last trained on data up to August 2024 and launched publicly on April 5, 2025.
Anbieter
Verschiedene Unternehmen hosten dasselbe Modell. OpenRouter leitet Ihre Anfrage je nach gewähltem Routing-Modus an eines davon weiter: Ausgewogen (Preis + Geschwindigkeit), Nitro (am schnellsten) oder Floor (am günstigsten).
| 0,15 $ | 0,45 $ | 0,71s | 22 tok/s | ||
Nur BYOK | 0,25 $ | 0,70 $ | -- | -- | |
| 0,10 $ | 0,30 $ | 0,59s | 26 tok/s | ||
Nicht beim Routing im Modus Standard verwendet:Warum diese Endpunkte nicht verwendet werden | |||||
| 0,08 $ | 0,24 $ | -- | -- | ||
Eingabe 0,15 $ / Ausgabe 0,45 $22 tok/s96,65 % VerfügbarkeitPriority- Eingabe 0,25 $ / Ausgabe 0,70 $-- tok/s-- VerfügbarkeitNur BYOK
Eingabe 0,10 $ / Ausgabe 0,30 $26 tok/s99,97 % Verfügbarkeit- Nicht beim Routing im Modus Standard verwendet:Warum diese Endpunkte nicht verwendet werden
Eingabe 0,08 $ / Ausgabe 0,24 $-- tok/s98,75 % VerfügbarkeitFlex
Preise
Der durchschnittliche Preis, den Kunden tatsächlich für dieses Modell zahlen, neben den von Anbietern veröffentlichten Preisen. Durch Caching und Rabatte liegt der tatsächlich gezahlte Preis oft deutlich unter dem Listenpreis.
Gewichteter Durchschnitt
Llama 4 Scout — Preisverlauf
| 0,0998 $ | 0,297 $ | 0,0 % | 59,2 % | ||
| 0,1498 $ | 0,447 $ | 0,0 % | 40,5 % | ||
| 0,2498 $ | 0,699 $ | 0,0 % | 0,0 % | ||
Nicht beim Routing im Modus Standard verwendet:Warum diese Endpunkte nicht verwendet werden | |||||
| 0,0798 $ | 0,233 $ | 0,0 % | 0,3 % | ||
- Wirksam in 0,0998 $ / Effektive Ausgabekosten 0,297 $Token-Anteil59,2 %
- Wirksam in 0,1498 $ / Effektive Ausgabekosten 0,447 $PriorityToken-Anteil40,5 %
- Wirksam in 0,2498 $ / Effektive Ausgabekosten 0,699 $Token-Anteil0,0 %
- Nicht beim Routing im Modus Standard verwendet:Warum diese Endpunkte nicht verwendet werden
- Wirksam in 0,0798 $ / Effektive Ausgabekosten 0,233 $FlexToken-Anteil0,3 %
Leistung
Der Durchsatz gibt an, wie schnell das Modell schreibt (Token pro Sekunde – höher ist besser). Die Latenz ist die gesamte Umlaufzeit (niedriger ist besser). TTFT ist die Zeit bis zum ersten Token – also die Wartezeit, bis etwas angezeigt wird (niedriger ist besser).
P50, bester Wert über alle Anbieter hinweg
P50, bester Anbieter
Verfügbarkeit
Verfügbarkeit ist der prozentuale Anteil der letzten 3 Tage, in dem mindestens ein Anbieter auf Anfragen reagiert hat. Die Verfügbarkeit der Inferenz ist der prozentuale Anteil der Zeit, in der Inferenz erfolgreich bereitgestellt wurde. OpenRouter überwacht dies kontinuierlich und verwendet den nächstbesten Anbieter, wenn ein Anbieter einen Fehler zurückgibt.
Verfügbarkeit in den letzten 3 Tagen
Letzte 72 StundenVerfügbarkeit in den letzten 24 Stunden
Wenn bei einem vorgelagerten Anbieter ein Fehler auftritt, können wir diesen durch die Weiterleitung an einen anderen funktionsfähigen Anbieter beheben, sofern Ihre Anfragefilter dies zulassen. Sie können programmgesteuert auf die Verfügbarkeitsdaten pro Anbieter zugreifen, und zwar über die Endpunkt-API. Erfahren Sie mehr über unsere Optionen für Lastverteilung und Anbieter-Routing.
Leistungsvergleiche
Ergebnisse standardisierter Bewertungen und eigene Ausgaben dieses Modells zu gemeinsamen Vergleichstest-Prompts. Höhere Prozentwerte sind besser – und jeder Rang zeigt, wo dieses Modell unter den anhand dieser Quelle bewerteten Modellen liegt.
| Quelle | Benchmark | Ergebnis |
|---|---|---|
| Artificial Analysis | Llama 4 Scout Coding Index | 8,2 |
| Artificial Analysis | Llama 4 Scout Agentic Index | 0,5 |
| Artificial Analysis | Llama 4 Scout GPQA Diamond | 58.7% |
| Artificial Analysis | Llama 4 Scout HLE | 3.8% |
| Artificial Analysis | Llama 4 Scout IFBench | 39.5% |
| Artificial Analysis | Llama 4 Scout τ²-Bench Telecom | 15.5% |
| Artificial Analysis | Llama 4 Scout AA-LCR | 27.7% |
| Artificial Analysis | Llama 4 Scout τ-Bench Banking | 3.3% |
| Artificial Analysis | Llama 4 Scout GDPval-AA | 0.0% |
| Artificial Analysis | Llama 4 Scout CritPt | 0.0% |
| Artificial Analysis | Llama 4 Scout LiveCodeBench | 29.9% |
| Artificial Analysis | Llama 4 Scout SciCode | 21.3% |
| Artificial Analysis | Llama 4 Scout Terminal-Bench Hard | 1.5% |
| Artificial Analysis | Llama 4 Scout Terminal-Bench 4.0 | 0.0% |
| Artificial Analysis | Llama 4 Scout Terminal-Bench 2.1 | 3.7% |
| Artificial Analysis | Llama 4 Scout MMLU-Pro | 75.2% |
| Artificial Analysis | Llama 4 Scout AIME 2025 | 14.0% |
| Artificial Analysis | Llama 4 Scout AIME | 28.3% |
| Artificial Analysis | Llama 4 Scout MATH-500 | 84.4% |
| Design Arena | Llama 4 Scout Models Arena Code Categories Elo | 779 |
| Design Arena | Llama 4 Scout Models Arena Data Visualization Elo | 896 |
| Design Arena | Llama 4 Scout Models Arena Game Development Elo | 762 |
| Design Arena | Llama 4 Scout Models Arena UI Component Elo | 756 |
| Design Arena | Llama 4 Scout Models Arena Website Elo | 742 |
Apps
Öffentliche Apps, die den meisten Datenverkehr an dieses Modell senden. Ein guter Anhaltspunkt dafür, wie echte Produktionsworkloads aussehen – und ein Hinweis darauf, für welche Anwendungsfälle dieses Modell am besten geeignet ist.
Aktivität
Token-Volumen und Anfrageaufkommen für dieses Modell im Zeitverlauf.
API
Direkt einsetzbarer Code zum Aufrufen dieses Modells. Die API von OpenRouter ist OpenAI-kompatibel – bei den meisten SDKs genügt es, die Basis-URL auszutauschen. Zwischen den Modellen ändert sich nur der unten stehende Modell-Slug.
Derzeit nicht über EU-regionales Routing verfügbar. Dokumentation zum regionsinternen Routing
Häufig gestellte Fragen
Llama 4 Scout 17B Instruct (16E) is a mixture-of-experts (MoE) language model developed by Meta, activating 17 billion parameters out of a total of 109B. It supports native multimodal input (text and image) and multilingual output (text and code) across 12 supported languages.
Llama 4 Scout kostet 0,10 $/M Eingabe-Token und 0,30 $/M Ausgabe-Token.
Llama 4 Scout hat ein Kontextfenster von 1.310.720 Token. Es unterstützt bis zu 16.384 Completion-Token.
Ja. Llama 4 Scout akzeptiert tools und tool_choice für Funktionsaufrufe. Es unterstützt auch strukturierte Ausgaben über ein JSON-Schema in response_format.
Llama 4 Scout akzeptiert Text und Bilder als Eingabe und gibt Text zurück.
Llama 4 Scout wird auf OpenRouter von 2 Anbietern bereitgestellt: DeepInfra und Google Vertex. Anfragen werden an den besten verfügbaren Anbieter weitergeleitet, mit automatischem Failover zu den anderen Anbietern, und Sie können Anbieter über Anbieter-Routing festlegen oder ausschließen.
Llama 4 Scout wurde am 5. April 2025 veröffentlicht. Der Wissensstand reicht bis zum 31. August 2024.