Llama 4 Scout은 16개 전문가가 총 1,090억 매개변수 중 170억을 활성화하는 Meta의 효율적인 멀티모달 언어 모델입니다. 12개 언어의 텍스트·이미지 입력을 지원하며, 현존 모델 중 가장 긴 축에 속하는 1,000만 토큰 컨텍스트 창을 갖추고 있습니다. 조기 융합 방식으로 자연스러운 형식 통합을 구현하며, 높은 효율성과 로컬·상업적 배포를 위해 설계되어 다국어 채팅, 캡셔닝, 이미지 이해 작업에 맞게 지시 조정되었습니다.
제공사
Meta출시일
2025-04-05
학습완료일
2024-08-31
라이선스
공개 모델
입출력 형식
처리용량
328K / 16K
API 입출력 (1M)
$0.08 / $0.3
사용 방법
API 연결
출력 속도
136 tok/sArena 종합
1322Intelligence Index
13.5Coding Index
6.7Math Index
14.0LiveBench
—ForecastBench
54.0GPQA Diamond
58.7%HLE
4.3%MMLU-Pro
75.2%AIME 2025
14.0%MATH-500
84.4%LB 추론
—LB 수학
—LB 데이터 분석
—LiveCodeBench
29.9%LB 코딩
—LB 에이전틱
—TAU2
15.5%TerminalBench
1.5%SciCode
17.0%IFBench
39.5%AA-LCR
0.3환각률 (HHEM)
7.7%사실 일관성 (HHEM)
92.3%LB 언어
—LB 지시
—1 / 3
좌우로 스와이프
Llama 4 Scout은 16개 전문가가 총 1,090억 매개변수 중 170억을 활성화하는 Meta의 효율적인 멀티모달 언어 모델입니다. 12개 언어의 텍스트·이미지 입력을 지원하며, 현존 모델 중 가장 긴 축에 속하는 1,000만 토큰 컨텍스트 창을 갖추고 있습니다. 조기 융합 방식으로 자연스러운 형식 통합을 구현하며, 높은 효율성과 로컬·상업적 배포를 위해 설계되어 다국어 채팅, 캡셔닝, 이미지 이해 작업에 맞게 지시 조정되었습니다.
제공사
Meta출시일
2025-04-05
학습완료일
2024-08-31
라이선스
공개 모델
입출력 형식
처리용량
328K / 16K
API 입출력 (1M)
$0.08 / $0.3
사용 방법
API 연결
출력 속도
136 tok/sArena 종합
1322Intelligence Index
13.5Coding Index
6.7Math Index
14.0LiveBench
—ForecastBench
54.0GPQA Diamond
58.7%HLE
4.3%MMLU-Pro
75.2%AIME 2025
14.0%MATH-500
84.4%LB 추론
—LB 수학
—LB 데이터 분석
—LiveCodeBench
29.9%LB 코딩
—LB 에이전틱
—TAU2
15.5%TerminalBench
1.5%SciCode
17.0%IFBench
39.5%AA-LCR
0.3환각률 (HHEM)
7.7%사실 일관성 (HHEM)
92.3%LB 언어
—LB 지시
—