meta-llama
Meta: Llama 4 Scout
meta-llama/llama-4-scout
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
O OpenRouter lista meta-llama/llama-4-scout como Llama 4 Scout 17B Instruct (16E) da Meta, um modelo de mistura de especialistas que ativa parte de um conjunto maior de parâmetros. O catálogo informa entrada nativa de texto e imagem, saída de texto, controles de ferramentas e de saída estruturada e uma janela de contexto muito ampla. Suas medições do Design Arena são fracas nas categorias listadas, e este pacote de fontes não inclui uma ficha de modelo independente. Trate o perfil como informação de catálogo e valide-o com cargas de trabalho reais antes do uso em produção.[1]
Pontos fortes
- O catálogo do OpenRouter reporta um design de mistura de especialistas que ativa 17B parâmetros de um total de 109B.[1]
- Ele aceita entradas de texto e imagem e emite texto, segundo o catálogo.[1]
- A listagem anuncia uma janela de contexto muito ampla, além de controles para ferramentas e saídas estruturadas.[1]
Limitações
- Toda a evidência vem do catálogo do OpenRouter; nenhuma ficha de modelo independente foi fornecida, portanto licença, requisitos de hardware, comportamento de implantação e propriedades de segurança permanecem desconhecidos.[1]
- Os resultados medidos do Design Arena são fracos em todas as categorias listadas, com visualização de dados como a área relativamente mais forte.[1]
- O OpenRouter deixa o campo de raciocínio sem preenchimento e informa um corte de conhecimento em 31 de agosto de 2024; raciocínio dedicado e conhecimento posterior não estão verificados.[1]
Onde usar
- Protótipos de assistentes multimodais que precisem usar imagens como referência e responder em texto, com qualidade verificada em entradas reais.[1]
- Resumo ou análise de documentos longos em que o contexto anunciado possa ajudar, após testar recuperação e latência.[1]
- Fluxos com ferramentas ou saídas estruturadas para tarefas de baixo risco, com revisão humana porque os resultados medidos são fracos.[1]
Fontes
- [1] OpenRouter catalog · Meta: Llama 4 ScoutFontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
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...
Especificações
- ID do modelo
- meta-llama/llama-4-scout
- ID canônico
- meta-llama/llama-4-scout-17b-16e-instruct
- Criador
- meta-llama
- Adicionado ao OpenRouter
- 05.04.2025
- Comprimento de contexto
- 1,310,720
- Modalidade
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.100 / saída $0.300
- Corte de conhecimento
- 31.08.2024
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | — |
| Programação | CC — abaixo da faixa B | — |
| Agentes | CC — abaixo da faixa B | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | — |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 8.2 | CC — abaixo da faixa B | 13.11.2026 |
| Artificial Analysis | Agentic index | 0.5 | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 26.6% · posição 145 | 780Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 39.3% · posição 131 | 896Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 27.4% · posição 144 | 763Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 25.5% · posição 140 | 760Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 22.7% · posição 151 | 743Elo | CC — abaixo da faixa B | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| DeepInfrafp8 | 327,680 | $0.080 | $0.240 | — | — | — |
| DeepInfrafp8 | 327,680 | $0.100 | $0.300 | — | — | 100% |
| DeepInfrafp8 | 327,680 | $0.150 | $0.450 | — | — | 100% |
| 1,310,720 | $0.250 | $0.700 | — | — | — |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.