
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.
Fournisseurs
Différentes entreprises hébergent le même modèle. OpenRouter achemine votre requête vers l’une d’elles selon le mode de routage que vous choisissez : Équilibré (prix + vitesse), Nitro (le plus rapide) ou Floor (le moins cher).
| 0,15 $US | 0,45 $US | 0,56s | 29 tok/s | ||
| 0,10 $US | 0,30 $US | 0,53s | 34 tok/s | ||
BYOK uniquement | 0,25 $US | 0,70 $US | -- | -- | |
Non utilisé pour le routage Standard :Pourquoi ces points de terminaison ne sont pas utilisés | |||||
| 0,08 $US | 0,24 $US | 0,44s | 49 tok/s | ||
Entrée 0,15 $US / Sortie 0,45 $US29 tok/s96,72 % de disponibilitéPriority
Entrée 0,10 $US / Sortie 0,30 $US34 tok/s99,97 % de disponibilité- Entrée 0,25 $US / Sortie 0,70 $US-- tok/s-- de disponibilitéBYOK uniquement
- Non utilisé pour le routage Standard :Pourquoi ces points de terminaison ne sont pas utilisés
Entrée 0,08 $US / Sortie 0,24 $US49 tok/s98,75 % de disponibilitéFlex
Tarification
Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.
Moyenne pondérée
Llama 4 Scout — Historique des prix
| 0,0998 $US | 0,297 $US | 0,0 % | 56,9 % | ||
| 0,1498 $US | 0,447 $US | 0,0 % | 42,8 % | ||
| 0,2498 $US | 0,699 $US | 0,0 % | 0,0 % | ||
Non utilisé pour le routage Standard :Pourquoi ces points de terminaison ne sont pas utilisés | |||||
| 0,0798 $US | 0,233 $US | 0,0 % | 0,3 % | ||
- Prix effectif en entrée 0,0998 $US / Sortie effective 0,297 $USPart des jetons56,9 %
- Prix effectif en entrée 0,1498 $US / Sortie effective 0,447 $USPriorityPart des jetons42,8 %
- Prix effectif en entrée 0,2498 $US / Sortie effective 0,699 $USPart des jetons0,0 %
- Non utilisé pour le routage Standard :Pourquoi ces points de terminaison ne sont pas utilisés
- Prix effectif en entrée 0,0798 $US / Sortie effective 0,233 $USFlexPart des jetons0,3 %
Performances
Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).
P50, meilleur résultat tous fournisseurs confondus
P50, meilleur fournisseur
Disponibilité
La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.
Disponibilité au cours des 3 derniers jours
72 dernières heuresDisponibilité au cours des dernières 24 heures
Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.
Évaluations comparatives
Scores aux évaluations standardisées et réponses de ce modèle aux prompts communs des tests de référence. Des pourcentages plus élevés sont meilleurs — et chaque rang indique la position de ce modèle parmi les modèles évalués sur cette source.
| Source | Test de performance | Score |
|---|---|---|
| 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 |
Applications
Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.
Activité
Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.
API
Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.
Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional
Questions fréquentes
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 coûte 0,10 $US/M de jetons d’entrée et 0,30 $US/M de jetons de sortie.
Llama 4 Scout dispose d’une fenêtre de contexte de 1 310 720 jetons. Il prend en charge jusqu’à 16 384 jetons de complétion.
Oui. Llama 4 Scout accepte tools et tool_choice pour l’appel de fonctions. Il prend également en charge les sorties structurées via un schéma JSON dans response_format.
Llama 4 Scout accepte texte et images en entrée et renvoie texte.
Llama 4 Scout est servi par 2 fournisseurs sur OpenRouter : DeepInfra et Google Vertex. Les requêtes sont acheminées vers le meilleur fournisseur disponible, avec un basculement automatique vers les autres, et vous pouvez épingler ou exclure des fournisseurs grâce au routage des fournisseurs.
Llama 4 Scout est sorti le 5 avril 2025. Ses connaissances s’arrêtent au 31 août 2024.