
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.
Proveedores
Distintas empresas alojan el mismo modelo. OpenRouter enruta su solicitud a una de ellas según el modo de enrutamiento que elija: Balanced (precio + velocidad), Nitro (el más rápido) o Floor (el más económico).
| 0,10 US$ | 0,30 US$ | 0,60s | 27 tok/s | ||
| 0,15 US$ | 0,45 US$ | 0,71s | 21 tok/s | ||
Solo BYOK | 0,25 US$ | 0,70 US$ | -- | -- | |
No se utiliza en el enrutamiento Standard:Por qué no se usan estos endpoints | |||||
| 0,08 US$ | 0,24 US$ | -- | -- | ||
Entrada 0,10 US$ / Salida 0,30 US$27 tok/s99,97 % de tiempo de actividad
Entrada 0,15 US$ / Salida 0,45 US$21 tok/s96,70 % de tiempo de actividadPriority- Entrada 0,25 US$ / Salida 0,70 US$-- tok/s-- de tiempo de actividadSolo BYOK
- No se utiliza en el enrutamiento Standard:Por qué no se usan estos endpoints
Entrada 0,08 US$ / Salida 0,24 US$-- tok/s98,75 % de tiempo de actividadFlex
Precios
El precio medio que los clientes pagan realmente por este modelo, junto a los precios que publican los proveedores. El uso de caché y los descuentos hacen que el precio realmente pagado a menudo sea muy inferior al publicado.
Media ponderada
Llama 4 Scout — Historial de precios
| 0,0998 US$ | 0,297 US$ | 0,0 % | 56,9 % | ||
| 0,1498 US$ | 0,447 US$ | 0,0 % | 42,7 % | ||
| 0,2498 US$ | 0,699 US$ | 0,0 % | 0,0 % | ||
No se utiliza en el enrutamiento Standard:Por qué no se usan estos endpoints | |||||
| 0,0798 US$ | 0,233 US$ | 0,0 % | 0,3 % | ||
- En vigor en 0,0998 US$ / Salida efectiva 0,297 US$Proporción de tókenes56,9 %
- En vigor en 0,1498 US$ / Salida efectiva 0,447 US$PriorityProporción de tókenes42,7 %
- En vigor en 0,2498 US$ / Salida efectiva 0,699 US$Proporción de tókenes0,0 %
- No se utiliza en el enrutamiento Standard:Por qué no se usan estos endpoints
- En vigor en 0,0798 US$ / Salida efectiva 0,233 US$FlexProporción de tókenes0,3 %
Rendimiento
La velocidad de generación indica lo rápido que escribe el modelo (tokens por segundo: cuanto mayor, mejor). La latencia es el tiempo total de ida y vuelta (cuanto menor, mejor). TTFT es el tiempo hasta el primer token: cuánto tarda en aparecer algo en pantalla (cuanto menor, mejor).
P50, el mejor entre los proveedores
P50, mejor proveedor
Tiempo de actividad
El tiempo de actividad es el porcentaje de los últimos 3 días en que al menos un proveedor respondía a las solicitudes. La disponibilidad es el porcentaje de tiempo en que la inferencia se sirvió correctamente. OpenRouter supervisa continuamente y utiliza el siguiente mejor proveedor cuando uno devuelve un error.
Disponibilidad durante los últimos 3 días
Últimas 72 horasDisponibilidad en las últimas 24 horas
Cuando se produce un error en un proveedor ascendente, podemos recuperarnos enrutando la solicitud a otro proveedor que funcione correctamente, si los filtros de su solicitud lo permiten. Puede acceder mediante programación a los datos de tiempo de actividad de cada proveedor a través de la API de endpoints. Obtenga más información sobre nuestras opciones de equilibrio de carga y enrutamiento de proveedores.
Pruebas de rendimiento
Puntuaciones en evaluaciones estandarizadas y respuestas de este modelo a instrucciones compartidas de las pruebas de referencia. Los porcentajes más altos son mejores, y cada posición indica dónde se sitúa este modelo entre los modelos evaluados en esa fuente.
| Fuente | Prueba de rendimiento | Puntuación |
|---|---|---|
| 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 |
Aplicaciones
Aplicaciones públicas que envían más tráfico a este modelo. Una buena señal de cómo son las cargas de trabajo reales en producción, y una pista sobre los casos de uso para los que este modelo es más adecuado.
Actividad
Volumen de tokens y tráfico de solicitudes a este modelo a lo largo del tiempo.
API
Código listo para usar para llamar a este modelo. La API de OpenRouter es compatible con OpenAI: la mayoría de los SDK funcionan con solo cambiar la URL base. Lo único que cambia entre modelos es el identificador del modelo que aparece a continuación.
Actualmente no está disponible mediante el enrutamiento dentro de la región de la UE. Documentación de enrutamiento dentro de la región
Preguntas frecuentes
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 cuesta 0,10 US$/M de tokens de entrada y 0,30 US$/M de tókenes de salida.
Llama 4 Scout tiene una ventana de contexto de 1.310.720 tókenes. Admite hasta 16.384 tókenes de respuesta.
Sí. Llama 4 Scout admite tools y tool_choice para llamadas a funciones. También admite salidas estructuradas mediante un esquema JSON en response_format.
Llama 4 Scout acepta texto e imágenes como entrada y devuelve texto.
Llama 4 Scout está disponible a través de 2 proveedores en OpenRouter: DeepInfra y Google Vertex. Las solicitudes se enrutan al mejor proveedor disponible, con conmutación automática a los demás en caso de fallo, y puede fijar o excluir proveedores mediante el enrutamiento de proveedores.
Llama 4 Scout se lanzó el 5 de abril de 2025. Su fecha límite de conocimientos es 31 de agosto de 2024.