Для Llama 4 Scout используйте Chat Completions API.
О модели
Llama 4 Scout — модель Meta со смесью экспертов (17 млрд активных параметров из 109 млрд, 16 экспертов) для диалога и визуальных задач. Принимает текст и изображения, отвечает текстом и кодом.
Контекст — 10 млн токенов, у Llama 4 Maverick — 1 млн токенов. Понимание изображений Meta проверила на входе до 5 картинок.
На MMLU Pro Scout набирает 74,3 % против 80,5 % у Maverick, на GPQA Diamond — 57,2 % против 69,8 %, на LiveCodeBench — 32,8 % против 43,4 %.
Meta рекомендует инструктивные модели для ассистентного чата и визуальных рассуждений: распознавания изображений, подписей и ответов на вопросы по картинке. Вызов функций Meta описывает как работу без примеров в промпте: определения функций передаются в системном сообщении.
Стоимость
Текущая стоимость использования этой модели:
Токены | Стоимость за 1 млн токенов |
|---|---|
Входные токены | 10₽ |
Выходные токены | 30₽ |
Как считается расход
-
Учитываются все токены
И входные (input), и сгенерированные моделью (output)
Характеристики
Параметр | Значение |
|---|---|
Вход | Многоязычный текст, изображения |
Выход | Текст и код |
Контекст | 10 млн токенов |
Архитектура | Смесь экспертов, 16 экспертов |
Параметры модели | 17 млрд активных, 109 млрд всего |
Языки | Арабский, английский, французский, немецкий, хинди, индонезийский, итальянский, португальский, испанский, тагальский, тайский, вьетнамский |
Лицензия | Llama 4 Community License |
Срез знаний | Август 2024 |
Дата выхода | 5 апреля 2025 |
Сравнение с соседними моделями
Модель | Параметры (активные / всего) | Эксперты | Контекст | Вход | Срез знаний |
|---|---|---|---|---|---|
Llama 4 Scout (эта модель) | 17 млрд / 109 млрд | 16 | 10 млн токенов | Текст, изображения | Август 2024 |
Llama 4 Maverick | 17 млрд / 400 млрд | 128 | 1 млн токенов | Текст, изображения | Август 2024 |
Бенчмарки
Бенчмарк | Результат | Условия |
|---|---|---|
MMLU Pro | 74,3 % | Версия Instruct, без примеров, средняя точность по предметам |
GPQA Diamond | 57,2 % | Версия Instruct, без примеров, точность |
MMMU | 69,4 % | Версия Instruct, без примеров, точность |
LiveCodeBench | 32,8 % | Версия Instruct, задачи с 1 октября 2024 по 1 февраля 2025, pass@1 |
API
Эндпоинт
POST https://api.akashilab.ru/v1/chat/completionsimport osfrom openai import OpenAIclient = OpenAI( api_key=os.environ["DSLAB_API_KEY"], base_url="https://api.akashilab.ru/v1",)response = client.chat.completions.create( model="llama-4-scout", messages=[ {"role": "system", "content": "Отвечай кратко и по делу."}, {"role": "user", "content": "Объясни, что такое идемпотентность."}, ],)print(response.choices[0].message.content)Параметры
Параметр | Тип | По умолчанию | Описание |
|---|---|---|---|
model | string | обязательный | ID модели: llama-4-scout. |
messages | array | обязательный | История диалога: роли system, user, assistant и tool. content — текст или список частей text и image_url. |
max_tokens | integer | — | Максимальный ответ в токенах. |
stream | boolean | false | Потоковый ответ. |
tools | array | — | Ваши функции: type function, name, description и parameters в виде JSON Schema. Модель возвращает вызов, а выполняет его ваше приложение. |
Важно знать
-
Понимание изображений проверено на английском языке и на запросах до 5 изображений.
-
Официально поддерживаются 12 языков (арабский, английский, французский, немецкий, хинди, индонезийский, итальянский, португальский, испанский, тагальский, тайский, вьетнамский); русского среди них нет.
